Show simple item record

dc.contributor.advisorGonzález Veloza, José John Fredy
dc.contributor.authorForero González, Álvaro Antonio
dc.date.accessioned2022-08-22T19:05:24Z
dc.date.available2022-08-22T19:05:24Z
dc.date.created2021
dc.identifier.urihttp://hdl.handle.net/11371/4971
dc.descriptionEste trabajo desarrolla un avance importante en la clasificación, predicción y segmentación de los afiliados a Casur, como parte de sus objetivos estratégicos facilitando la planeación de la entidad. Para ello, se adoptaron modelos básicos, de reglas, y posteriormente modelos machine learning de clasificación y clustering. De los cuales los primeros se utilizaron como base de comparación y los últimos dos se utilizaron como insumo en el resto del análisis. No obstante, debido a que los modelos tienen asociados error, se utilizó el modelo de distribución de probabilidad binomial para hallar el número de acercamientos comerciales necesarios para tener, como mínimo, una venta con una probabilidad del 99%; y optimizar, por esta vía, el modelo de adquisición de clientes, con lo que también se pudo comparar el mejor modelo, de acuerdo con la actualidad de la entidad.spa
dc.description.abstractThis work develops an important advance in the classification, prediction and segmentation of Casur affiliates, as part of its strategic objectives, facilitating the entity's planning. To do this, basic rule models were adopted, followed by machine learning classification and clustering models. Of which the first were used as a basis for comparison and the last two were used as input in the rest of the analysis. However, since the models have associated errors, the binomial probability distribution model was used to find the number of commercial approaches necessary to have, at least, one sale with a probability of 99%; and optimize, in this way, the customer acquisition model, with which it was also possible to compare the best model, according to the current state of the entity.spa
dc.formatPDFspa
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.titleMachine learning para la segmentación y optimización de los costos de adquisición de clientesspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
dc.creator.emailaaforerog01@libertadores.edu.cospa
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accesoAbierto (Texto Completo)spa
dc.subject.subjectenglishMachine learningspa
dc.subject.subjectenglishClasificaciónspa
dc.subject.subjectenglishClusteringspa
dc.subject.subjectenglishCustomer acquisition costspa
dc.subject.lembMachine learningspa
dc.subject.lembAnálisis de costosspa
dc.subject.lembEstadísticaspa
dc.subject.lembAdministración financieraspa
dc.subject.proposalClasificaciónspa
dc.subject.proposalCosto de adquisicion de clientesspa
dc.subject.proposalAprendizaje automáticospa
dc.subject.proposalAgrupamientospa


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

BOGOTÁ: PBX: (60 1) 254 47 50 - 329 93 33 | Carrera 16 # 63 A - 68

CARTAGENA: Tels. (+57) (5) 656 85 34 - 656 08 92 | Calle 31 No. 19 - 51 Barrio Pie de la Popa

Infotegra S.A.S
Copyright © 2024 Fundación Universitaria Los Libertadores | Institución Universitaria | Vigilada Mineducación | Personería Jurídica Resolución 7542 de mayo de 1982 Acreditación Institucional en Alta Calidad Resolución 015638 del 5 de agosto de 2022, Ministerio de Educación Nacional.