Segmentación automática de los clientes de Pharmaderm y Skindrug, utilizando técnicas de aprendizaje automático

Díaz Alonso, John

Segmentación automática de los clientes de Pharmaderm y Skindrug, utilizando técnicas de aprendizaje automático

dc.contributor.advisor	Álvarez Vargas, Gloria Inés
dc.contributor.author	Díaz Alonso, John
dc.date.accessioned	2024-06-11T15:05:29Z
dc.date.available	2024-06-11T15:05:29Z
dc.date.issued	2022
dc.description.abstract	El departamento de mercadeo de los laboratorios PHARMADERM S.A. y SKINDRUG S.A., no cuenta con una herramienta que permita identificar clientes con necesidades simulares para hacer un marketing dirigido, con el propósito de desarrollar nuevas estrategias de mercadeo específicas, y así aumentar las compras de los clientes. Por esta razón, el proyecto tiene como objetivo desarrollar un modelo de identificación de conglomerados de la base de datos de los clientes de los laboratorios, mediante la preparación de los datos, los modelos de agrupamiento de los clientes, la evaluación y recomendación del modelo seleccionado y un medio de visualización para los resultados obtenidos. En la preparación de los datos se unifico un dataset con 17 atributos y 852.448 registros, correspondientes a 683 clientes, y posteriormente se generaron 6 datasets (obsequios, tipo de cliente, demográfico, cosméticos, magistrales y medicamentos) de acuerdo con el enfoque de negocio que determino el departamento de mercadeo y ventas. Posteriormente, se seleccionaron los hiper-parámetros para los modelos de entrenamiento, k-means y jerárquico con el método del codo (elbow method), y el coeficiente de la silueta (silhouette coefficient), y para el modelo DBSCAN, el algoritmo k vecinos más cercanos (k-nearest neighbors algorithm). Finalmente, en la evaluación y selección del modelo se escoge el modelo de entrenamiento K-means, determinado con el índice de Davies Bouldin (Davies-Bouldin index), con mejores los índices más cercanos a cero (0), señalando clústeres más compactos, y con los centros de cada clúster bien separados. Adicional, se realiza un análisis de los modelos obtenidos con el gráfico del radar también conocido como gráfico de araña o grafico de estrella,
dc.description.abstracteng	The marketing department of PHARMADERM S.A. and SKINDRUG S.A., does not have a tool to identify customers with similar needs to carry out targeted marketing, with the purpose of developing new specific marketing strategies, and thus increase customer purchases. For this reason, the project aims to develop a conglomerate identification model of the database of the laboratories' clients, through the preparation of the data, the models of grouping of the clients, the evaluation and recommendation of the selected model. and a display means for the results obtained. In the preparation of the data, a dataset with 17 attributes and 852,448 records, corresponding to 683 clients, was unified, and subsequently 6 datasets were generated (gifts, type of client, demographic, cosmetics, magistrals and medicines) according to the business approach. determined by the sales and marketing department. Subsequently, hyper-parameters were selected for the training models, k-means and hierarchical with the elbow method, and the silhouette coefficient, and for the DBSCAN model, the k neighbors’ algorithm closest neighbors (k-nearest neighbors’ algorithm). Finally, in the evaluation and selection of the model, the K-means training model is chosen, determined with the Davies-Bouldin index, with the indices closest to zero (0) being the best, indicating more compact clusters, and with the centers of each cluster well separated. Additionally, an analysis of the models obtained with the radar chart, also known as the spider chart or star chart, is carried out, accompanied by the marketing and sales department for their assessment.
dc.format.extent	96 p.
dc.format.mimetype	application/pdf
dc.identifier.uri	https://vitela.javerianacali.edu.co/handle/11522/2158
dc.language.iso	spa
dc.publisher	Pontificia Universidad Javeriana Cali
dc.rights.accessrights	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.thesis.discipline	Facultad de Ingeniería y Ciencias. Maestría en Ingeniería de Software
dc.thesis.level	Maestría
dc.title	Segmentación automática de los clientes de Pharmaderm y Skindrug, utilizando técnicas de aprendizaje automático	spa
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría
dc.type.redcol	https://purl.org/redcol/resource_type/TM