Por favor, use este identificador para citar o enlazar este ítem: http://dspace.unl.edu.ec/jspui/handle/123456789/10462
Título : Minería de datos para segmentación de clientes en la empresa tecnológica Master PC.
Autor : Salcedo López, Franco Hernán
Chamba Jiménez, Sairy Fernanda.
Palabras clave : <TÉCNICA DE MINERÍA DE DATOS><METODOLOGÍA CRISP-DM><HERRAMIENTA RSTUDIO>
<RFM( RECENCIA, FRECUENCIA, VALOR MONETARIO)><ALGORITMOS DE CLUSTERING><K-MEANS>
<K-MEDOIDS><SELF-ORGANIZING MAPS (SOM)>
Fecha de publicación : 2016
Resumen : La Minería de Datos aplicada en el ámbito de la comercialización permite entre otros aspectos descubrir patrones de comportamiento de clientes, que las empresas pueden utilizar para elaborar estrategias de marketing dirigidas hacia los distintos tipos de clientes que poseen. El agrupamiento o clustering representa una de las técnicas de Minería de Datos más utilizada para este tipo de análisis, esta técnica se basa en la división de un conjunto de datos en pequeños segmentos o grupos, en donde cada segmento contiene datos similares dentro de sí y mantiene una marcada diferencia con respecto a los otros segmentos. El presente Trabajo de Titulación tiene por objetivo obtener la segmentación de clientes en la empresa tecnológica Master PC mediante la aplicación de técnicas de Minería de Datos, para ello se tomó en cuenta el comportamiento de compra, que permitió identificar la lealtad de los clientes de la empresa tecnológica Master PC. Se aplicó la metodología CRISP-DM para el proceso de Minería de Datos. El análisis se realizó en base al modelo RFM (Recencia, Frecuencia, Valor Monetario), y sobre este modelo se aplicaron los algoritmos de agrupamiento: k-means, k-medoids, y Self-Organizing Maps (SOM). Para validar el resultado de los algoritmos de agrupamiento y seleccionar el que proporcione grupos de mejor calidad, se ha aplicado la técnica de evaluación en cascada aplicando un algoritmo de clasificación. Finalmente se utilizó el algoritmo Apriori para encontrar asociaciones entre productos, para cada grupo de clientes. La herramienta utilizada para el proceso de Minería de Datos fue el entorno RStudio.
Descripción : Data Mining applied in the field of marketing allows among other issues to discover behavior customer patterns that companies can use to develop marketing strategies directed towards their different types of customers. The grouping or clustering represents one of the most used mining techniques for this type of analysis, this technique is based on dividing a data set into smaller data segments or groups, where each segment contains similar data inside itself and maintains a marked difference from the other segments. This work has as a main objective to obtain Qualification customer segmentation in “Master PC “ technology company by applying Data Mining techniques, for this purpose it was taken into consideration the buying behavior of customers , which helped to identify the loyalty of Master PC technology company customers. The CRISP-DM methodology for Data Mining process was applied. The analysis was performed on the model RFM (Recency, Frequency, and Monetary), and over this model, clustering algorithms were applied: k-means, k-medoids, and Self-Organizing Maps (SOM). To evaluate the results of the algorithms, a classification algorithm was used. Finally Apriori algorithm was used to find associations between products for each customer group. The tool used for Data Mining process was the RStudio
URI : http://dspace.unl.edu.ec/jspui/handle/123456789/10462
Aparece en las colecciones: TRABAJOS DE TITULACION AEIRNNR

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Chamba Jiménez, Sairy Fernanda.pdf4,81 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.