Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales
Recientemente las aplicaciones de CRM (customer relationship management) y los planes de lealtad se han masi ficado, permitiendo a las empresas obtener mayor información de sus clientes y monitorear sus transacciones. Está información además de mostrar cómo está el cliente actualmente, puede permiti...
- Autores:
-
Jiménez Quintero, Paula Andrea
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2016
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/3849
- Acceso en línea:
- http://hdl.handle.net/11634/3849
- Palabra clave:
- Predictive models
Segmentation
Textual data
Modelos lineales (Estadística)
Comportamiento del consumidor -- Métodos estadísticos
Probabilidades
Modelos predictivos
Segmentación
Datos textuales
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTTOMAS2_e39b8414290d76b9eaf1d5cf46c02eda |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/3849 |
| network_acronym_str |
SANTTOMAS2 |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales |
| title |
Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales |
| spellingShingle |
Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales Predictive models Segmentation Textual data Modelos lineales (Estadística) Comportamiento del consumidor -- Métodos estadísticos Probabilidades Modelos predictivos Segmentación Datos textuales |
| title_short |
Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales |
| title_full |
Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales |
| title_fullStr |
Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales |
| title_full_unstemmed |
Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales |
| title_sort |
Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales |
| dc.creator.fl_str_mv |
Jiménez Quintero, Paula Andrea |
| dc.contributor.advisor.none.fl_str_mv |
Cruz Castro, Daniel Leonardo |
| dc.contributor.author.none.fl_str_mv |
Jiménez Quintero, Paula Andrea |
| dc.subject.keyword.none.fl_str_mv |
Predictive models Segmentation Textual data |
| topic |
Predictive models Segmentation Textual data Modelos lineales (Estadística) Comportamiento del consumidor -- Métodos estadísticos Probabilidades Modelos predictivos Segmentación Datos textuales |
| dc.subject.lemb.none.fl_str_mv |
Modelos lineales (Estadística) Comportamiento del consumidor -- Métodos estadísticos Probabilidades |
| dc.subject.proposal.spa.fl_str_mv |
Modelos predictivos Segmentación Datos textuales |
| description |
Recientemente las aplicaciones de CRM (customer relationship management) y los planes de lealtad se han masi ficado, permitiendo a las empresas obtener mayor información de sus clientes y monitorear sus transacciones. Está información además de mostrar cómo está el cliente actualmente, puede permitir conocerlo a profundidad y con ello poder por ejemplo marcar a los clientes m as valiosos, segmentar la población para crear productos llamativos, predecir algunos comportamientos futuros como la deserción, establecer la próxima mejor oferta, defi nir las oportunidades de venta cruzada y el perfi l del cliente más propenso en una determinada campa~na comercial. En este articulo se presenta el tema de la comparación de modelos predictivos de la posibilidad de compra para un individuo en las campañas comerciales y su caracterización mediante análisis de datos textuales. Se aplicaron métodos predictivos de Redes Neuronales, Maquinas de Soporte Vectorial, Regresión Logística binomial, modelo Bayesiano y Árboles de Clasi ficación. Se realiza la selección del mejor modelo mediante validación cruzada, su acuraccy, precisión y el área bajo la curva ROC. Adicionalmente, se realizó un análisis de datos textuales para relacionar las opiniones de los clientes y su posibilidad de compra. |
| publishDate |
2016 |
| dc.date.issued.none.fl_str_mv |
2016-07-16 |
| dc.date.accessioned.none.fl_str_mv |
2017-06-29T14:42:32Z |
| dc.date.available.none.fl_str_mv |
2017-06-29T14:42:32Z |
| dc.type.none.fl_str_mv |
bachelor thesis |
| dc.type.local.spa.fl_str_mv |
Tesis de pregrado |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.none.fl_str_mv |
Jiménez, P. (2016). Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales. (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombia |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/3849 |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
| identifier_str_mv |
Jiménez, P. (2016). Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales. (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombia reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
http://hdl.handle.net/11634/3849 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Baath, R. (2014), ‘Peter norvig’s spell checker in two lines of base r’. *http://www.sumsar.net/blog/2014/12/peter-norvigs-spell-checker-in-two-lines-of-r/ Bécue, M., Lebart, L. & Rajadell, N. (1992), ‘El análisis estadístico de datos textuales, la lectura según los escolares de enseñanza primaria.’, Anuario de Psicología . Facultad de Psicología U.B (55), 7–22. Betancourt, G. (2005.), ‘Las máquinas de soporte vectorial (svms)’, Scientia Et Technica pp. 67–72. Estadística Aplicada. Universidad de Salamanca., G. (2006), ‘Regresión y correlación. introducción a la estadística.’. *http://biplot.usal.es/problemas/libro/index.html Fagerland, M., Hosmer, D. & Bofin, A. (2008), ‘Multinomial goodness-of-fit tests for logistic regression models.’, Statist Med. 27, 38–53. Flórez, A., Gutiérrez, A. & Zea, J. (2015), ‘Estimación por muestreo del índice de Gini para las localidades de Bogotá D.C. usando funciones en r’, Comunicaciones en Estadística 8(1), 59–79. García, J. (2006), ‘Efectos de la colinealidad en el modelado de la regresión y su solución’, Cultura Científica y Tecnológica 16, 23–34. Hosmer, DW, J. & Lemeshow, S. (1980), ‘Goodness-of-fit tests for the multiple logistic regression model.’, Communications in Statistics -Theory and Methods 9, 1043–1069. Lebart, L., Salem, A. & Bécue, M. (2000), Análisis Estadístico de Textos, Vol. 2, ilustrada ed, Colección Educación. Serie Instrumentos. Norvig, P. (2007), ‘How to write a spelling corrector’. *http://norvig.com/spell-correct.html Pardo, C. E., Ortíz, J. E. & Cruz, D. L. (2012), Análisis de datos textuales con dtmvic, in ‘XXII Simposio Internacional de Estadística, Bucaramanga.’ Vélez, M., Egurrola, J. & Barragán, F. (2012), ‘Uso de la puntuación de propensión (propensity score) en estudios no experimentales’. |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Bogotá |
| dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Estadística |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Estadística |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/3849/5/2016PaulaJimenez.pdf.jpg https://repository.usta.edu.co/bitstream/11634/3849/6/cartadefacultad.pdf.jpg https://repository.usta.edu.co/bitstream/11634/3849/7/cartaderechosdeautor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/3849/1/2016PaulaJimenez.pdf https://repository.usta.edu.co/bitstream/11634/3849/3/cartadefacultad.pdf https://repository.usta.edu.co/bitstream/11634/3849/4/cartaderechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/3849/2/license.txt |
| bitstream.checksum.fl_str_mv |
5824f16e9452d232bb097e7f1cee671b bfd07904094c8b62dbcdd07a997f3eab f6a3c23f464a79f66fe499c8a781d6d5 45dc098b5cc11f5a05e750bd533c281c 4918436c959a4de018d635ea8bc0b5ce d5c03c56970058bfd9c603ff7cedec78 8a4605be74aa9ea9d79846c1fba20a33 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
noreply@usta.edu.co |
| _version_ |
1782026086350061568 |
| spelling |
Cruz Castro, Daniel LeonardoJiménez Quintero, Paula Andrea2017-06-29T14:42:32Z2017-06-29T14:42:32Z2016-07-16Jiménez, P. (2016). Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales. (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombiahttp://hdl.handle.net/11634/3849reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coRecientemente las aplicaciones de CRM (customer relationship management) y los planes de lealtad se han masi ficado, permitiendo a las empresas obtener mayor información de sus clientes y monitorear sus transacciones. Está información además de mostrar cómo está el cliente actualmente, puede permitir conocerlo a profundidad y con ello poder por ejemplo marcar a los clientes m as valiosos, segmentar la población para crear productos llamativos, predecir algunos comportamientos futuros como la deserción, establecer la próxima mejor oferta, defi nir las oportunidades de venta cruzada y el perfi l del cliente más propenso en una determinada campa~na comercial. En este articulo se presenta el tema de la comparación de modelos predictivos de la posibilidad de compra para un individuo en las campañas comerciales y su caracterización mediante análisis de datos textuales. Se aplicaron métodos predictivos de Redes Neuronales, Maquinas de Soporte Vectorial, Regresión Logística binomial, modelo Bayesiano y Árboles de Clasi ficación. Se realiza la selección del mejor modelo mediante validación cruzada, su acuraccy, precisión y el área bajo la curva ROC. Adicionalmente, se realizó un análisis de datos textuales para relacionar las opiniones de los clientes y su posibilidad de compra.Recently CRM (customer relationship management) applications and loyalty schemes have become massive, allowing companies to get more information about their customers and monitor their transactions. It is information in addition to showing how is the current customer, you can allow to know in depth and thus can for example mark the most valuable customers, segment the population to create eye-catching products, predict some future behaviors such as desertion, set the next best deal , de ning cross-selling opportunities and customer pro le more prone in a given marketing year. In this article the issue of comparison of predictive models of the possibility of purchase for an individual in commercial campaigns and their characterization is presented by analysis of textual data. predictive methods Neural Networks, Support Vector Machines, Binomial Logistic Regression, Bayesian Model and Classi cation Trees were applied. selecting the best model by cross-validation, your acuraccy, accuracy and area under the ROC curve is performed. In addition, a textual data analysis was performed to relate the opinions of customers and their ability to purchase.Profesional en estadísticahttp://unidadinvestigacion.usta.edu.coPregradoapplication/pdfspaUniversidad Santo TomásPregrado EstadísticaFacultad de EstadísticaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textualesbachelor thesisTesis de pregradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisPredictive modelsSegmentationTextual dataModelos lineales (Estadística)Comportamiento del consumidor -- Métodos estadísticosProbabilidadesModelos predictivosSegmentaciónDatos textualesCRAI-USTA BogotáBaath, R. (2014), ‘Peter norvig’s spell checker in two lines of base r’. *http://www.sumsar.net/blog/2014/12/peter-norvigs-spell-checker-in-two-lines-of-r/Bécue, M., Lebart, L. & Rajadell, N. (1992), ‘El análisis estadístico de datos textuales, la lectura según los escolares de enseñanza primaria.’, Anuario de Psicología . Facultad de Psicología U.B (55), 7–22.Betancourt, G. (2005.), ‘Las máquinas de soporte vectorial (svms)’, Scientia Et Technica pp. 67–72.Estadística Aplicada. Universidad de Salamanca., G. (2006), ‘Regresión y correlación. introducción a la estadística.’. *http://biplot.usal.es/problemas/libro/index.htmlFagerland, M., Hosmer, D. & Bofin, A. (2008), ‘Multinomial goodness-of-fit tests for logistic regression models.’, Statist Med. 27, 38–53.Flórez, A., Gutiérrez, A. & Zea, J. (2015), ‘Estimación por muestreo del índice de Gini para las localidades de Bogotá D.C. usando funciones en r’, Comunicaciones en Estadística 8(1), 59–79.García, J. (2006), ‘Efectos de la colinealidad en el modelado de la regresión y su solución’, Cultura Científica y Tecnológica 16, 23–34.Hosmer, DW, J. & Lemeshow, S. (1980), ‘Goodness-of-fit tests for the multiple logistic regression model.’, Communications in Statistics -Theory and Methods 9, 1043–1069.Lebart, L., Salem, A. & Bécue, M. (2000), Análisis Estadístico de Textos, Vol. 2, ilustrada ed, Colección Educación. Serie Instrumentos.Norvig, P. (2007), ‘How to write a spelling corrector’. *http://norvig.com/spell-correct.htmlPardo, C. E., Ortíz, J. E. & Cruz, D. L. (2012), Análisis de datos textuales con dtmvic, in ‘XXII Simposio Internacional de Estadística, Bucaramanga.’Vélez, M., Egurrola, J. & Barragán, F. (2012), ‘Uso de la puntuación de propensión (propensity score) en estudios no experimentales’.THUMBNAIL2016PaulaJimenez.pdf.jpg2016PaulaJimenez.pdf.jpgIM Thumbnailimage/jpeg7998https://repository.usta.edu.co/bitstream/11634/3849/5/2016PaulaJimenez.pdf.jpg5824f16e9452d232bb097e7f1cee671bMD55open accesscartadefacultad.pdf.jpgcartadefacultad.pdf.jpgIM Thumbnailimage/jpeg6470https://repository.usta.edu.co/bitstream/11634/3849/6/cartadefacultad.pdf.jpgbfd07904094c8b62dbcdd07a997f3eabMD56open accesscartaderechosdeautor.pdf.jpgcartaderechosdeautor.pdf.jpgIM Thumbnailimage/jpeg7600https://repository.usta.edu.co/bitstream/11634/3849/7/cartaderechosdeautor.pdf.jpgf6a3c23f464a79f66fe499c8a781d6d5MD57open accessORIGINAL2016PaulaJimenez.pdf2016PaulaJimenez.pdfapplication/pdf1218070https://repository.usta.edu.co/bitstream/11634/3849/1/2016PaulaJimenez.pdf45dc098b5cc11f5a05e750bd533c281cMD51open accesscartadefacultad.pdfcartadefacultad.pdfapplication/pdf254426https://repository.usta.edu.co/bitstream/11634/3849/3/cartadefacultad.pdf4918436c959a4de018d635ea8bc0b5ceMD53metadata only accesscartaderechosdeautor.pdfcartaderechosdeautor.pdfapplication/pdf342037https://repository.usta.edu.co/bitstream/11634/3849/4/cartaderechosdeautor.pdfd5c03c56970058bfd9c603ff7cedec78MD54metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repository.usta.edu.co/bitstream/11634/3849/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52open access11634/3849oai:repository.usta.edu.co:11634/38492023-07-19 20:05:34.509open accessRepositorio Universidad Santo Tomásnoreply@usta.edu.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 |