Mapas Auto-Organizados aplicados a la segmentación de clientes en entornos empresariales
Este artículo se ha enfocado en la aplicación de técnicas de Minería de Datos para segmentación de clientes, sobre datos reales de una empresa dedicada a la comercialización de productos tecnológicos de la región sur del Ecuador. Se aplicó la metodología CRISP-DM para el proceso de Minería de Datos...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Escuela Superior Politécnica del Litoral
2016-07-01
|
| Series: | Revista Tecnológica |
| Subjects: | |
| Online Access: | https://www.rte.espol.edu.ec/index.php/tecnologica/article/view/521 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Este artículo se ha enfocado en la aplicación de técnicas de Minería de Datos para segmentación de clientes, sobre datos reales de una empresa dedicada a la comercialización de productos tecnológicos de la región sur del Ecuador. Se aplicó la metodología CRISP-DM para el proceso de Minería de Datos, y en base al modelo Recencia, Frecuencia, Monto (RFM), se aplicaron algoritmos de clustering: k-means y Mapas Auto-Organizados (SOM en inglés Self-Organizing Map). Para validar el resultado de los algoritmos de clustering y seleccionar el que proporcione grupos de mejor calidad, se usó la técnica de evaluación en cascada, para ello se aplicó un algoritmo de clasificación, colocando como etiqueta de clase a los grupos encontrados por los algoritmos de clustering, y luego se midió la precisión de predicción con respecto a estos grupos. El algoritmo SOM fue el que proporcionó los mejores resultados. El proceso mencionado se llevó a cabo utilizando el lenguaje R a través de R-Studio.
|
|---|---|
| ISSN: | 0257-1749 1390-3659 |