Predicción De Comportamientos De Marcas Mediante El Modelo K-Nearest Neighbors (KNN)

Abstract

Contexto. Este proyecto aborda la necesidad de analizar marcas en las categorías (aviación, automóviles y bancos) utilizando datos históricos y predictivos para mejorar las estrategias de marketing y optimizar recursos. Para esto, se identifican tres atributos clave en el ciclo de vida de las marcas: CX (Custumer experience), BX (Brand experience) y CO (commerce), que proporcionan una visión integral del comportamiento de la marca. El objetivo principal es desarrollar modelos predictivos que permitan anticipar el comportamiento de las marcas en base a estas tres variables clave. Hasta ahora, la mayoría de los estudios realizados con el Brand Asset Valuator (BAV) se han centrado en diagnosticar el estado actual de las marcas, sin abordar cómo evolucionarán en el futuro. Este proyecto busca ir más allá del diagnóstico, ofreciendo herramientas para anticipar cambios y mejorar la planificación estratégica. Se implementaron diversos modelos, incluyendo ARIMA, Holt-Winters y el modelo K-Nearest Neighbors (KNN) y como punto de referencia el modelo simple (Naive). Se evaluó la precisión de estos modelos utilizando métricas como RMSE y R². Se optimizaron las predicciones mediante análisis de residuos y pruebas con datos históricos.Context. This project addresses the need to analyze brands in categories (aviation, automobiles and banks) using historical and predictive data to improve marketing strategies and optimize resources. For this, three key attributes in the brand life cycle are identified: CX (Custumer experience), BX (Brand experience) and CO (commerce), which provide a comprehensive view of brand behavior. The main objective is to develop predictive models to anticipate brand behavior based on these three key variables. Until now, most of the studies conducted with the Brand Asset Valuator (BAV) have focused on diagnosing the current state of brands, without addressing how they will evolve in the future. This project seeks to go beyond diagnosis, offering tools to anticipate changes and improve strategic planning. Several models were implemented, including ARIMA, Holt-Winters and the K-Nearest Neighbors (KNN) model and as a benchmark the simple model (Naive). The accuracy of these models was evaluated using metrics such as RMSE and R². Predictions were optimized using residual analysis and tests with historical data.