Implementación y desarrollo de sistemas de recomendación para profundización de clientes y cruce de productos en un banco de retail
El presente trabajo tiene como objetivo desarrollar un sistema de recomendación híbrido, que funcione como herramienta de soporte para el área de mercadeo y producto en cuanto a la optimización de los indicadores de profundización de clientes y cruce de productos en un banco de retail. Para lo cual,...
- Autores:
-
Oliva García, Sebastián
- Tipo de recurso:
- Fecha de publicación:
- 2017
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/34320
- Acceso en línea:
- http://hdl.handle.net/1992/34320
- Palabra clave:
- Comportamiento del consumidor
Bancos
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| Summary: | El presente trabajo tiene como objetivo desarrollar un sistema de recomendación híbrido, que funcione como herramienta de soporte para el área de mercadeo y producto en cuanto a la optimización de los indicadores de profundización de clientes y cruce de productos en un banco de retail. Para lo cual, se utiliza toda la información disponible de cada cliente en cuanto a datos demográficos, transaccionales, hábitos de consumo y comportamiento con productos en otras entidades del sector, con el fin de entrenar modelos de inteligencia artificial para predecir el comportamiento de los clientes con los productos del banco. Al mismo tiempo que se busca identificar la propensión de cada cliente a adquirir cada uno de estos productos. En este orden de ideas, se compara el desempeño de dos metodologías basadas en ensamblaje de árboles de decisión como lo son: Random Forest y Gradient Boosting Models (GBM). |
|---|