Analítica de datos aplicada a la gestión de promociones y ventas en una empresa de consumo masivo

El sector de consumo masivo es fundamental en la economía global, donde la efectividad de las estrategias promocionales define la competitividad empresarial. En Barranquilla, la empresa analizada enfrenta desafíos para medir el impacto real de sus promociones, lo que limita el cumplimiento de objetivos comerciales y dificulta la toma de decisiones basadas en datos. Este proyecto plantea una solución fundamentada en analítica de datos y machine learning mediante el desarrollo de un modelo predictivo que vincula las promociones con el comportamiento de compra de los clientes. Se emplearon técnicas como análisis RFM y modelos de predicción (Regresión Logística y Random Forest), complementadas con un dashboard interactivo diseñado para visualizar resultados y orientar decisiones estratégicas. Los resultados evidencian un incremento promedio del 38.22% en las ventas, proyectando 534 cajas adicionales al concentrar los recursos en las promociones más efectivas. Este enfoque integral mejora la relación costo-beneficio, potencia la efectividad de las campañas y genera valor tanto para la empresa como para sus clientes, fortaleciendo su competitividad en un entorno dinámico.

• Autores: Hoz García, Víctor Darío de la; Jiménez Ricardo, Natalia del Carmen; Torres Durán, Jorge Alberto
• Fecha de publicación: 2024
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/12987
• Acceso en línea: http://hdl.handle.net/10584/12987
• Palabra clave: Modelo predictivo, Promociones, Segmentación de clientes, Machine learning, Optimización comercial, Consumo masivo, Dashboard interactivo.; Predictive modeling, Promotions, Customer segmentation, Machine learning, Commercial optimization, Mass consumption, Interactive dashboard.
• License: Universidad del Norte