Evolucionando la segmentación de clientes a través de machine learning
El artículo tiene como propósito analizar el uso de la inteligencia artificial, específicamente el aprendizaje automático, en la segmentación de clientes y su aplicación en estrategias de marketing. El estudio abarca el análisis del impacto de una segmentación inadecuada en las empresas, destacando...
- Autores:
-
Angel Peralta, Santiago
Gallardo Moncaleano, Andrés Alejandro
Giraldo Orozco, Sara Carolina
- Tipo de recurso:
- https://purl.org/coar/resource_type/c_7a1f
- Fecha de publicación:
- 2024
- Institución:
- Universidad El Bosque
- Repositorio:
- Repositorio U. El Bosque
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unbosque.edu.co:20.500.12495/13660
- Acceso en línea:
- https://hdl.handle.net/20.500.12495/13660
- Palabra clave:
- Análisis Cluster
Aprendizaje automático
Inteligencia artificial
Marketing
Segmentación del mercado
382
Cluster analysis
Machine learning
Artificial Intelligence
Marketing
Market segmentation
- Rights
- License
- Atribución-NoComercial-CompartirIgual 4.0 Internacional
| id |
UNBOSQUE2_23927badd5b8f654f66e07bb032442c3 |
|---|---|
| oai_identifier_str |
oai:repositorio.unbosque.edu.co:20.500.12495/13660 |
| network_acronym_str |
UNBOSQUE2 |
| network_name_str |
Repositorio U. El Bosque |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Evolucionando la segmentación de clientes a través de machine learning |
| dc.title.translated.none.fl_str_mv |
Evolving customer segmentation through machine learning |
| title |
Evolucionando la segmentación de clientes a través de machine learning |
| spellingShingle |
Evolucionando la segmentación de clientes a través de machine learning Análisis Cluster Aprendizaje automático Inteligencia artificial Marketing Segmentación del mercado 382 Cluster analysis Machine learning Artificial Intelligence Marketing Market segmentation |
| title_short |
Evolucionando la segmentación de clientes a través de machine learning |
| title_full |
Evolucionando la segmentación de clientes a través de machine learning |
| title_fullStr |
Evolucionando la segmentación de clientes a través de machine learning |
| title_full_unstemmed |
Evolucionando la segmentación de clientes a través de machine learning |
| title_sort |
Evolucionando la segmentación de clientes a través de machine learning |
| dc.creator.fl_str_mv |
Angel Peralta, Santiago Gallardo Moncaleano, Andrés Alejandro Giraldo Orozco, Sara Carolina |
| dc.contributor.advisor.none.fl_str_mv |
Rojas Sánchez, Germán Mauricio Gonzaléz Bríñez, Mario Hernán |
| dc.contributor.author.none.fl_str_mv |
Angel Peralta, Santiago Gallardo Moncaleano, Andrés Alejandro Giraldo Orozco, Sara Carolina |
| dc.subject.none.fl_str_mv |
Análisis Cluster Aprendizaje automático Inteligencia artificial Marketing Segmentación del mercado |
| topic |
Análisis Cluster Aprendizaje automático Inteligencia artificial Marketing Segmentación del mercado 382 Cluster analysis Machine learning Artificial Intelligence Marketing Market segmentation |
| dc.subject.ddc.none.fl_str_mv |
382 |
| dc.subject.keywords.none.fl_str_mv |
Cluster analysis Machine learning Artificial Intelligence Marketing Market segmentation |
| description |
El artículo tiene como propósito analizar el uso de la inteligencia artificial, específicamente el aprendizaje automático, en la segmentación de clientes y su aplicación en estrategias de marketing. El estudio abarca el análisis del impacto de una segmentación inadecuada en las empresas, destacando ejemplos de algunas campañas, y propone la implementación de técnicas de clustering para mejorar la segmentación de sus clientes, como es el caso de Yufun, una empresa de servicios de comercio logístico internacional. La metodología utilizada incluyó la limpieza de datos, el análisis descriptivo y la aplicación de modelos de clustering no supervisado y supervisado para agrupar a los clientes en diferentes segmentos. Los resultados mostraron que, mediante la personalización de servicios para cada grupo, como la oferta de tutoriales y la optimización de procesos logísticos, se logró una mejora en las tasas de retención y aumento de ingresos, lo que permite ajustar las estrategias de marketing y las ofertas de acuerdo con sus necesidades específicas. Se concluye que una segmentación eficaz, basada en el uso de inteligencia artificial, contribuye a tener mejores resultados con los clientes en un menor tiempo, recomendando estar en constante actualización, para mantenerse competitivos en el mercado. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-12-10T15:13:26Z |
| dc.date.available.none.fl_str_mv |
2024-12-10T15:13:26Z |
| dc.date.issued.none.fl_str_mv |
2024-11 |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.coar.none.fl_str_mv |
https://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coarversion.none.fl_str_mv |
https://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
https://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12495/13660 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad El Bosque |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad El Bosque |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.unbosque.edu.co |
| url |
https://hdl.handle.net/20.500.12495/13660 |
| identifier_str_mv |
instname:Universidad El Bosque reponame:Repositorio Institucional Universidad El Bosque repourl:https://repositorio.unbosque.edu.co |
| dc.language.iso.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Al Khaldy, M. A., Al-Obaydi, B. A. A., & al Shari, A. J. (2023, May). The impact of predictive analytics and AI on digital marketing strategy and ROI. In Conference on Sustainability and Cutting-Edge Business Technologies (pp. 367-379). Cham: Springer Nature Switzerland. Recuperado de: https://link.springer.com/chapter/10.1007/978-3-031-42455-7_31 Collica, R. S. (2017). Customer segmentation and clustering using SAS Enterprise Miner. Sas Institute. Dolnicar, S. (2003). Using cluster analysis for market segmentation-typical misconceptions, established methodological weaknesses and some recommendations for improvement. Recuperado de: https://www.researchgate.net/publication/284690668_Using_cluster_analysis_for_market_segmentation Ezenkwu, C. P., Ozuomba, S., & Kalu, C. (2015). Application of K-Means algorithm for efficient customer segmentation: A strategy for targeted customer services. International Journal of Advanced Research in Artificial Intelligence (IJARAI), 4(10), 40-44. Fisher, B. (2023, October 11). The real reason Pepsi A.M. disappeared. Mashed. https://www.mashed.com/224011/the-real-reason-pepsi-a-m-disappeared/ Géron, A. (2019). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow (2nd ed.). O'Reilly Media. Recuperado de: https://acortar.link/6kjfnQ Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer. Murty, M. N., & Raghava, R. (2016). Support vector machines and perceptrons: Learning, optimization, classification, and application to social networks. Springer. Recuperado de: https://acortar.link/zyddjn Ozan, Ş. (2018, September). A case study on customer segmentation by using machine learning methods. In 2018 International Conference on Artificial Intelligence and Data Processing (IDAP) (pp. 1-6). IEEE. Rathor, A. S., Agarwal, A., & Dimri, P. (2018). Comparative study of machine learning approaches for Amazon reviews. Procedia Computer Science, 132, 1552-1561. Recuperado de: https://www.sciencedirect.com/science/article/pii/S1877050918308512 Sullivan, R., & Sullivan, R. (2012). Machine-Learning Techniques. Introduction to Data Mining for the Life Sciences, 363-454. Recuperado de: https://acortar.link/8kN96r Wang, L. (Ed.). (2005). Support vector machines: Theory and applications. Springer. Wassan, S., Chen, X., Shen, T., Waqar, M., & Jhanjhi, N. Z. (2021). Amazon product sentiment analysis using machine learning techniques. Revista Argentina de Clínica Psicológica, 30(1), 695. Recuperado de: https://www.researchgate.net/profile/Sobia-Wassan-2/publication/349772322_Amazon_Product_Sentiment_Analysis_using_Machine_Learning_Techniques/links/60411e09a6fdcc9c78121992/Amazon-Product-Sentiment-Analysis-using-Machine-Learning-Techniques.pdf Wierzchoń, S. T., & Kłopotek, M. A. (2015). Algorithms of cluster analysis (Vol. 3). Warszaw, Poland: Institute of Computer Science Polish Academy of Sciences. Recuperado de: https://ipipan.waw.pl/pliki/wydawnictwo/Monografie_cz%203_Wierzchon_Klopotek.pdf. |
| dc.rights.en.fl_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.local.spa.fl_str_mv |
Acceso abierto |
| dc.rights.accessrights.none.fl_str_mv |
https://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ Acceso abierto https://purl.org/coar/access_right/c_abf2 http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.program.spa.fl_str_mv |
Marketing y Transformación Digital |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad El Bosque |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias Económicas y Administrativas |
| institution |
Universidad El Bosque |
| bitstream.url.fl_str_mv |
https://repositorio.unbosque.edu.co/bitstreams/0edb6d04-981a-4b11-9b64-8a1b97874d32/download https://repositorio.unbosque.edu.co/bitstreams/0cb16553-aed2-4e08-ab8f-6403de95ae16/download https://repositorio.unbosque.edu.co/bitstreams/f10d78eb-7665-4568-bc29-b4fe3d0af123/download https://repositorio.unbosque.edu.co/bitstreams/65539984-d58c-4748-aa38-b61a22ef5684/download https://repositorio.unbosque.edu.co/bitstreams/ed48d39b-c8f5-45c7-b4a8-2cadb23df56c/download https://repositorio.unbosque.edu.co/bitstreams/d6cc550e-c2ac-4aef-8ae3-5685705d3378/download https://repositorio.unbosque.edu.co/bitstreams/cb5ff636-055c-415e-86d6-3ccadbe7c65d/download |
| bitstream.checksum.fl_str_mv |
d93f5db78fcf73cec9795c8fea744a8b 17cc15b951e7cc6b3728a574117320f9 9558c9af7588a764c58b0e5c8671f274 9d57fa673c12eed0460bcb5b63e248e3 3ae270e57264be291bf794e66ce882e6 0a5596a28128c38d8ea03b7cdf895612 e331a3a2bc037b17662cb30e07dad97a |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad El Bosque |
| repository.mail.fl_str_mv |
bibliotecas@biteca.com |
| _version_ |
1828164400715923456 |
| spelling |
Rojas Sánchez, Germán MauricioGonzaléz Bríñez, Mario HernánAngel Peralta, SantiagoGallardo Moncaleano, Andrés AlejandroGiraldo Orozco, Sara Carolina2024-12-10T15:13:26Z2024-12-10T15:13:26Z2024-11https://hdl.handle.net/20.500.12495/13660instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coEl artículo tiene como propósito analizar el uso de la inteligencia artificial, específicamente el aprendizaje automático, en la segmentación de clientes y su aplicación en estrategias de marketing. El estudio abarca el análisis del impacto de una segmentación inadecuada en las empresas, destacando ejemplos de algunas campañas, y propone la implementación de técnicas de clustering para mejorar la segmentación de sus clientes, como es el caso de Yufun, una empresa de servicios de comercio logístico internacional. La metodología utilizada incluyó la limpieza de datos, el análisis descriptivo y la aplicación de modelos de clustering no supervisado y supervisado para agrupar a los clientes en diferentes segmentos. Los resultados mostraron que, mediante la personalización de servicios para cada grupo, como la oferta de tutoriales y la optimización de procesos logísticos, se logró una mejora en las tasas de retención y aumento de ingresos, lo que permite ajustar las estrategias de marketing y las ofertas de acuerdo con sus necesidades específicas. Se concluye que una segmentación eficaz, basada en el uso de inteligencia artificial, contribuye a tener mejores resultados con los clientes en un menor tiempo, recomendando estar en constante actualización, para mantenerse competitivos en el mercado.Profesional en Marketing y Transformación DigitalPregradoThe purpose of this article is to analyze the use of artificial intelligence, specifically machine learning, in customer segmentation and its application in marketing strategies. The study covers the analysis of the impact of inadequate segmentation in companies, highlighting examples of some campaigns, and proposes the implementation of clustering techniques to improve the segmentation of its customers, as is the case of Yufun, an international logistics trade services company. The methodology used included data cleaning, descriptive analysis and the application of unsupervised and supervised clustering models to group customers into different segments. The results showed that by customizing services for each group, such as offering tutorials and optimizing logistics processes, improved retention rates and increased revenues were achieved, allowing marketing strategies and offers to be adjusted according to their specific needs. It is concluded that an effective segmentation, based on the use of artificial intelligence, contributes to have better results with customers in a shorter time, recommending to be constantly updated, to remain competitive in the market.application/pdfAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/Acceso abiertohttps://purl.org/coar/access_right/c_abf2http://purl.org/coar/access_right/c_abf2Análisis ClusterAprendizaje automáticoInteligencia artificialMarketingSegmentación del mercado382Cluster analysisMachine learningArtificial IntelligenceMarketingMarket segmentationEvolucionando la segmentación de clientes a través de machine learningEvolving customer segmentation through machine learningMarketing y Transformación DigitalUniversidad El BosqueFacultad de Ciencias Económicas y AdministrativasTesis/Trabajo de grado - Monografía - Pregradohttps://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesishttps://purl.org/coar/version/c_970fb48d4fbd8a85Al Khaldy, M. A., Al-Obaydi, B. A. A., & al Shari, A. J. (2023, May). The impact of predictive analytics and AI on digital marketing strategy and ROI. In Conference on Sustainability and Cutting-Edge Business Technologies (pp. 367-379). Cham: Springer Nature Switzerland. Recuperado de: https://link.springer.com/chapter/10.1007/978-3-031-42455-7_31Collica, R. S. (2017). Customer segmentation and clustering using SAS Enterprise Miner. Sas Institute.Dolnicar, S. (2003). Using cluster analysis for market segmentation-typical misconceptions, established methodological weaknesses and some recommendations for improvement. Recuperado de: https://www.researchgate.net/publication/284690668_Using_cluster_analysis_for_market_segmentationEzenkwu, C. P., Ozuomba, S., & Kalu, C. (2015). Application of K-Means algorithm for efficient customer segmentation: A strategy for targeted customer services. International Journal of Advanced Research in Artificial Intelligence (IJARAI), 4(10), 40-44.Fisher, B. (2023, October 11). The real reason Pepsi A.M. disappeared. Mashed. https://www.mashed.com/224011/the-real-reason-pepsi-a-m-disappeared/Géron, A. (2019). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow (2nd ed.). O'Reilly Media. Recuperado de: https://acortar.link/6kjfnQHastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer.Murty, M. N., & Raghava, R. (2016). Support vector machines and perceptrons: Learning, optimization, classification, and application to social networks. Springer. Recuperado de: https://acortar.link/zyddjnOzan, Ş. (2018, September). A case study on customer segmentation by using machine learning methods. In 2018 International Conference on Artificial Intelligence and Data Processing (IDAP) (pp. 1-6). IEEE.Rathor, A. S., Agarwal, A., & Dimri, P. (2018). Comparative study of machine learning approaches for Amazon reviews. Procedia Computer Science, 132, 1552-1561. Recuperado de: https://www.sciencedirect.com/science/article/pii/S1877050918308512Sullivan, R., & Sullivan, R. (2012). Machine-Learning Techniques. Introduction to Data Mining for the Life Sciences, 363-454. Recuperado de: https://acortar.link/8kN96rWang, L. (Ed.). (2005). Support vector machines: Theory and applications. Springer.Wassan, S., Chen, X., Shen, T., Waqar, M., & Jhanjhi, N. Z. (2021). Amazon product sentiment analysis using machine learning techniques. Revista Argentina de Clínica Psicológica, 30(1), 695. Recuperado de: https://www.researchgate.net/profile/Sobia-Wassan-2/publication/349772322_Amazon_Product_Sentiment_Analysis_using_Machine_Learning_Techniques/links/60411e09a6fdcc9c78121992/Amazon-Product-Sentiment-Analysis-using-Machine-Learning-Techniques.pdfWierzchoń, S. T., & Kłopotek, M. A. (2015). Algorithms of cluster analysis (Vol. 3). Warszaw, Poland: Institute of Computer Science Polish Academy of Sciences. Recuperado de: https://ipipan.waw.pl/pliki/wydawnictwo/Monografie_cz%203_Wierzchon_Klopotek.pdf.spaCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81025https://repositorio.unbosque.edu.co/bitstreams/0edb6d04-981a-4b11-9b64-8a1b97874d32/downloadd93f5db78fcf73cec9795c8fea744a8bMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82000https://repositorio.unbosque.edu.co/bitstreams/0cb16553-aed2-4e08-ab8f-6403de95ae16/download17cc15b951e7cc6b3728a574117320f9MD54Anexo 1. Acta de aprobacion.pdfapplication/pdf249973https://repositorio.unbosque.edu.co/bitstreams/f10d78eb-7665-4568-bc29-b4fe3d0af123/download9558c9af7588a764c58b0e5c8671f274MD57Carta de autorizacion.pdfapplication/pdf199401https://repositorio.unbosque.edu.co/bitstreams/65539984-d58c-4748-aa38-b61a22ef5684/download9d57fa673c12eed0460bcb5b63e248e3MD58ORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf183723https://repositorio.unbosque.edu.co/bitstreams/ed48d39b-c8f5-45c7-b4a8-2cadb23df56c/download3ae270e57264be291bf794e66ce882e6MD56TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain24806https://repositorio.unbosque.edu.co/bitstreams/d6cc550e-c2ac-4aef-8ae3-5685705d3378/download0a5596a28128c38d8ea03b7cdf895612MD59THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg5411https://repositorio.unbosque.edu.co/bitstreams/cb5ff636-055c-415e-86d6-3ccadbe7c65d/downloade331a3a2bc037b17662cb30e07dad97aMD51020.500.12495/13660oai:repositorio.unbosque.edu.co:20.500.12495/136602024-12-11 03:02:20.982http://creativecommons.org/licenses/by-nc/4.0/Atribución-NoComercial-CompartirIgual 4.0 Internacionalopen.accesshttps://repositorio.unbosque.edu.coRepositorio Institucional Universidad El Bosquebibliotecas@biteca.comTGljZW5jaWEgZGUgRGlzdHJpYnVjacOzbiBObyBFeGNsdXNpdmEKClBhcmEgcXVlIGVsIFJlcG9zaXRvcmlvIGRlIGxhIFVuaXZlcnNpZGFkIEVsIEJvc3F1ZSBhIHB1ZWRhIHJlcHJvZHVjaXIgeSBjb211bmljYXIgcMO6YmxpY2FtZW50ZSBzdSBkb2N1bWVudG8gZXMgbmVjZXNhcmlvIGxhIGFjZXB0YWNpw7NuIGRlIGxvcyBzaWd1aWVudGVzIHTDqXJtaW5vcy4gUG9yIGZhdm9yLCBsZWEgbGFzIHNpZ3VpZW50ZXMgY29uZGljaW9uZXMgZGUgbGljZW5jaWE6CgoxLiBBY2VwdGFuZG8gZXN0YSBsaWNlbmNpYSwgdXN0ZWQgKGVsIGF1dG9yL2VzIG8gZWwgcHJvcGlldGFyaW8vcyBkZSBsb3MgZGVyZWNob3MgZGUgYXV0b3IpIGdhcmFudGl6YSBhIGxhIFVuaXZlcnNpZGFkIEVsIEJvc3F1ZSBlbCBkZXJlY2hvIG5vIGV4Y2x1c2l2byBkZSBhcmNoaXZhciwgcmVwcm9kdWNpciwgY29udmVydGlyIChjb21vIHNlIGRlZmluZSBtw6FzIGFiYWpvKSwgY29tdW5pY2FyIHkvbyBkaXN0cmlidWlyIHN1IGRvY3VtZW50byBtdW5kaWFsbWVudGUgZW4gZm9ybWF0byBlbGVjdHLDs25pY28uCgoyLiBUYW1iacOpbiBlc3TDoSBkZSBhY3VlcmRvIGNvbiBxdWUgbGEgVW5pdmVyc2lkYWQgRWwgQm9zcXVlIHB1ZWRhIGNvbnNlcnZhciBtw6FzIGRlIHVuYSBjb3BpYSBkZSBlc3RlIGRvY3VtZW50byB5LCBzaW4gYWx0ZXJhciBzdSBjb250ZW5pZG8sIGNvbnZlcnRpcmxvIGEgY3VhbHF1aWVyIGZvcm1hdG8gZGUgZmljaGVybywgbWVkaW8gbyBzb3BvcnRlLCBwYXJhIHByb3DDs3NpdG9zIGRlIHNlZ3VyaWRhZCwgcHJlc2VydmFjacOzbiB5IGFjY2Vzby4KCjMuIERlY2xhcmEgcXVlIGVsIGRvY3VtZW50byBlcyB1biB0cmFiYWpvIG9yaWdpbmFsIHN1eW8geS9vIHF1ZSB0aWVuZSBlbCBkZXJlY2hvIHBhcmEgb3RvcmdhciBsb3MgZGVyZWNob3MgY29udGVuaWRvcyBlbiBlc3RhIGxpY2VuY2lhLiBUYW1iacOpbiBkZWNsYXJhIHF1ZSBzdSBkb2N1bWVudG8gbm8gaW5mcmluZ2UsIGVuIHRhbnRvIGVuIGN1YW50byBsZSBzZWEgcG9zaWJsZSBzYWJlciwgbG9zIGRlcmVjaG9zIGRlIGF1dG9yIGRlIG5pbmd1bmEgb3RyYSBwZXJzb25hIG8gZW50aWRhZC4KCjQuIFNpIGVsIGRvY3VtZW50byBjb250aWVuZSBtYXRlcmlhbGVzIGRlIGxvcyBjdWFsZXMgbm8gdGllbmUgbG9zIGRlcmVjaG9zIGRlIGF1dG9yLCBkZWNsYXJhIHF1ZSBoYSBvYnRlbmlkbyBlbCBwZXJtaXNvIHNpbiByZXN0cmljY2nDs24gZGVsIHByb3BpZXRhcmlvIGRlIGxvcyBkZXJlY2hvcyBkZSBhdXRvciBwYXJhIG90b3JnYXIgYSBsYSBVbml2ZXJzaWRhZCBFbCBCb3NxdWUgbG9zIGRlcmVjaG9zIHJlcXVlcmlkb3MgcG9yIGVzdGEgbGljZW5jaWEsIHkgcXVlIGVzZSBtYXRlcmlhbCBjdXlvcyBkZXJlY2hvcyBzb24gZGUgdGVyY2Vyb3MgZXN0w6EgY2xhcmFtZW50ZSBpZGVudGlmaWNhZG8geSByZWNvbm9jaWRvIGVuIGVsIHRleHRvIG8gY29udGVuaWRvIGRlbCBkb2N1bWVudG8gZW50cmVnYWRvLgoKNS4gU2kgZWwgZG9jdW1lbnRvIHNlIGJhc2EgZW4gdW5hIG9icmEgcXVlIGhhIHNpZG8gcGF0cm9jaW5hZGEgbyBhcG95YWRhIHBvciB1bmEgYWdlbmNpYSB1IG9yZ2FuaXphY2nDs24gZGlmZXJlbnRlIGRlIGxhIFVuaXZlcnNpZGFkIEVsIEJvc3F1ZSwgc2UgcHJlc3Vwb25lIHF1ZSBzZSBoYSBjdW1wbGlkbyBjb24gY3VhbHF1aWVyIGRlcmVjaG8gZGUgcmV2aXNpw7NuIHUgb3RyYXMgb2JsaWdhY2lvbmVzIHJlcXVlcmlkYXMgcG9yIGVzdGUgY29udHJhdG8gbyBhY3VlcmRvLgoKNi4gVW5pdmVyc2lkYWQgRWwgQm9zcXVlIGlkZW50aWZpY2Fyw6EgY2xhcmFtZW50ZSBzdS9zIG5vbWJyZS9zIGNvbW8gZWwvbG9zIGF1dG9yL2VzIG8gcHJvcGlldGFyaW8vcyBkZSBsb3MgZGVyZWNob3MgZGVsIGRvY3VtZW50bywgeSBubyBoYXLDoSBuaW5ndW5hIGFsdGVyYWNpw7NuIGRlIHN1IGRvY3VtZW50byBkaWZlcmVudGUgYSBsYXMgcGVybWl0aWRhcyBlbiBlc3RhIGxpY2VuY2lhLgo= |