Machine learning para la segmentación y optimización de los costos de adquisición de clientes

Vista sencilla de ítem
dc.contributor.advisorGonzález Veloza, José John Fredy
dc.contributor.authorForero González, Álvaro Antonio
dc.creator.emailaaforerog01@libertadores.edu.cospa
dc.date.accessioned2022-08-22T19:05:24Z
dc.date.available2022-08-22T19:05:24Z
dc.date.created2021
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.identifier.urihttp://hdl.handle.net/11371/4971
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
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
dc.subject.subjectenglishMachine learningspa
dc.subject.subjectenglishClasificaciónspa
dc.subject.subjectenglishClusteringspa
dc.subject.subjectenglishCustomer acquisition costspa
dc.titleMachine learning para la segmentación y optimización de los costos de adquisición de clientesspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
ÁLVARO_ANTONIO_FORERO_GONZÁLEZ_2021.pdf
Tamaño:
451.71 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Autorización_ÁLVARO_ANTONIO_FORERO_GONZÁLEZ_2021.pdf
Tamaño:
1.86 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Especialización en Estadística Aplicada