Análisis de datos para identificar perfiles de clientes por características similares de hábitos de compras

Rojas Huamán, Anita (2020). Análisis de datos para identificar perfiles de clientes por características similares de hábitos de compras. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM).

Description

Title: Análisis de datos para identificar perfiles de clientes por características similares de hábitos de compras
Author/s:
  • Rojas Huamán, Anita
Contributor/s:
  • Segovia Pérez, Francisco Javier
Item Type: Thesis (Master thesis)
Masters title: Software y Sistemas
Date: July 2020
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Lenguajes y Sistemas Informáticos e Ingeniería del Software
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (3MB) | Preview

Abstract

Segmentar a los clientes proporciona una buena comprensión de la necesidad de cada grupo, de tal manera que la empresa pueda ofrecerles el producto o servicio que realmente necesitan. En este trabajo se realiza la segmentación de los clientes de la empresa Barbacci, mediante la aplicación de técnicas de minería de datos, para tal fin se analiza el comportamiento de compra de los clientes. El proceso de minería de datos se realiza utilizando la metodología CRISP-DM y la herramienta IBM SPSS Modeler. Para la construcción del modelo se aplica Análisis RFM en los datos transaccionales para determinar los valores de Recencia, Frecuencia y Monetario de cada cliente, luego usando estos valores como entradas, se aplican algoritmos de agrupamiento K-means para determinar los grupos de clientes que tiene la empresa. Por otro parte, se aplican algoritmos de agrupamiento K-means para determinar las marcas más rentables que tiene la empresa. Además, se construye un modelo de reglas de asociación aplicando el algoritmo Apriori para recomendar marcas de productos que un cliente estaría interesado en comprar.---ABSTRACT---Segmenting customers provides a good understanding of each groups need, so that the company can offer them the product or service they really need. In this work, the segmentation of the clients of the Barbacci company is carried out, through the application of data mining techniques, for this purpose the purchasing behavior of the clients is analyzed. The data mining process is carried out using the CRISP-DM methodology and the IBM SPSS Modeler tool. For the construction of the model, RFM Analysis is applied to the transactional data to determine the Recency, Frequency y Monetary values of each client, then using these values as inputs, K-means clustering algorithms are applied to determine the groups of clients that the company has. On the other hand, K-means clustering algorithms are applied to determine the most profitable brands that the company has. In addition, an association rules model is built applying the Apriori algorithm to recommend brands of products that a customer would be interested in buying.

More information

Item ID: 63089
DC Identifier: http://oa.upm.es/63089/
OAI Identifier: oai:oa.upm.es:63089
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 24 Jul 2020 10:54
Last Modified: 24 Jul 2020 10:54
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM