Maestría en Ingeniería

Permanent URI for this collection

https://vitela.javerianacali.edu.co/handle/11522/858

Browse

Browsing Maestría en Ingeniería by Author "Alvear Arteaga, Juan Sebastián"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Recomendación personalizada de paquetes turísticos mediante aprendizaje automático con integración de datos demográficos, históricos y de preferencias
    (Pontificia Universidad Javeriana Cali, 2025) Alvear Arteaga, Juan Sebastián; Paz Roa, Juan Camilo
    Actualmente la personalización de servicios es un elemento de gran diferencia competitiva. Servicios de trasmisión de videos, música y redes sociales logran dicha personalización mediante modelos de recomendación que dejan al alcance del usuario productos de su mayor preferencia. Este exitoso esquema también es susceptible de ser aplicado en la industria turística, donde el uso de modelos de recomendación es escaso. Es así como los modelos de aprendizaje automático e inteligencia artificial inherentes a los modelos de recomendación se han convertido en una oportunidad estratégica para agencias de viajes que buscan aumentar la satisfacción del cliente y las ventas de sus planes ofrecidos. Este estudio propone un modelo de recomendación de paquetes turísticos que toma como entrada 17 variables con información del cliente con características demográficas, históricas y cruces de preferencias entre el cliente y los paquetes turísticos. Este primer prototipo es basado en un modelo de random forest que predice la calificación esperada de viaje a partir de estas variables. La metodología para entrenar el modelo incluyó la comparación de modelos de regresión lineal, Lasso, árbol de decisión y random forest, evaluados con métricas de error cuadrático medio (MSE), raíz del error cuadrático medio (RMSE) y error porcentual absoluto medio (MAPE). Los resultados muestran que el modelo Random Forest obtuvo el menor error (RMSE = 0.3361, MSE = 0.1130 y MAPE = 6.01), siendo seleccionado gracias a su balance entre precisión y robustez. Este trabajo confirma la viabilidad del uso de técnicas de aprendizaje automático para lograr la personalización de recomendaciones turísticas.