Modelo de machine learning enfocado en la retención de los clientes del sector retail de la moda
| dc.contributor.advisor | Giraldo Mejía, Juan C. | |
| dc.contributor.author | Chalarca Restrepo, Andrés F. | |
| dc.contributor.author | Gómez Martínez, Jonatan A. | |
| dc.contributor.author | Piedrahita Londoño, Lina M. | |
| dc.date.accessioned | 2023-10-23T18:27:10Z | |
| dc.date.available | 2023-10-23T18:27:10Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | Este trabajo de grado está enfocado en Proponer un modelo de machine learning enfocado a la retención de los clientes del sector retail de la moda y así generar las métricas necesarias para la toma de decisiones y el oportuno diseño de estrategias innovadoras, para la clasificación y retención de sus clientes. Para el desarrollo de este estudio se utilizaron 69768 registros de una empresa del sector retail. Para alcanzar los objetivos propuestos en este trabajo, se utilizará la metodología CRISP-DM (Cross-Industry Standard Process for Data Mining) La metodología CRISP-DM la cual es útil para el desarrollo de modelos analíticos a partir de datos, estos datos se originan dentro del negocio y con ellos pretende anticiparse a futuros riesgos de la compañía y así disponer de los recursos o medidas necesarias para solucionar las contingencias. De acuerdo con los resultados obtenidos mediante un análisis estadístico combinado con técnicas de machine learning se pudo comprender el comportamiento de los clientes de la marca Carrera en un periodo determinado, donde se entendió que el valor agregado de la marca radica fundamentalmente en los descuentos ofrecidos hacia los clientes. | spa |
| dc.format.extent | p.59 | spa |
| dc.format.mimetype | application/pdf | spa |
| dc.identifier.uri | http://repository.ucatolicaluisamigo.edu.co/handle/20.500.14531/2022 | |
| dc.language.iso | spa | spa |
| dc.publisher | Universidad Catolica Luis Amigo | spa |
| dc.publisher.faculty | Facultad de Ingenierías y Arquitectura | spa |
| dc.publisher.place | Medellín | spa |
| dc.rights | info:eu-repo/semantics/restrictedAccess | spa |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
| dc.rights.creativecommons | https://creativecommons.org/licenses/by/4.0/ | spa |
| dc.rights.uri | https://creativecommons.org/licenses/by-nd/4.0/ | spa |
| dc.source | Universidad Católica Luis Amigó | spa |
| dc.source | RI UCLA | spa |
| dc.subject | Machine Learning | spa |
| dc.subject | Retail | spa |
| dc.subject | Cluster | spa |
| dc.subject.keyword | Client retention | spa |
| dc.subject.keyword | CRISP-DM | spa |
| dc.subject.keyword | Machine Learning | spa |
| dc.subject.keyword | Clustering | spa |
| dc.subject.keyword | Retail | spa |
| dc.subject.proposal | Retención de clientes | spa |
| dc.subject.proposal | CRISP-DM | spa |
| dc.subject.proposal | Machine Learning | spa |
| dc.subject.proposal | Clustering | spa |
| dc.subject.proposal | Retail | spa |
| dc.title | Modelo de machine learning enfocado en la retención de los clientes del sector retail de la moda | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_f744 | spa |
| dc.type.hasversion | http://purl.org/coar/version/c_b1a7d7d4d402bcce | spa |
| dc.type.local | Actas de conferencia | spa |
| oaire.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
| oaire.version | http://purl.org/coar/version/c_b1a7d7d4d402bcce | spa |
| thesis.degree.grantor | Universidad Catolica Luis Amigo | spa |
| thesis.degree.level | Especialización | spa |
| thesis.degree.name | Especialista en Big Data e Inteligencia de Negocios. | spa |