1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ciencias Naturales y Matemáticas
4. Tesis de Maestría en Estadística Aplicada

Title:	Análisis multivariante: Segmentación de clientes y estrategias de ventas de una Empresa de consumo masivo de Guayaquil
Authors:	García Angulo, Andrea, Director Quelal Robalino, Kevin Javier
Keywords:	Segmentación de Clientes Métodos Multivariantes Clustering Reglas de Asociación FP-Growth Canastas de Compra Personalizadas
Issue Date:	2024
Publisher:	ESPOL.FCNM
Citation:	Quelal Robalino, K. J. (2024). Análisis multivariante: Segmentación de clientes y estrategias de ventas de una Empresa de consumo masivo de Guayaquil. [Proyecto de Titulacion]. ESPOL.FCNM .
Description:	En el contexto actual de transformación digital, las empresas del sector de consumo masivo están experimentando un cambio paradigmático hacia la utilización de datos para la toma de decisiones estratégicas. Se introduce una herramienta analítica basada en métodos multivariantes y aprendizaje estadístico para la segmentación eficiente de clientes y la optimización de portafolios de productos. Mediante el uso de algoritmos de clustering y técnicas de minería de datos como FP-Growth para el análisis de reglas de asociación, esta investigación propone una metodología para generar recomendaciones de compra personalizadas, buscando mejorar la eficacia de la fuerza de ventas y fortalecer la lealtad del cliente. El objetivo es evaluar la viabilidad de clasificar a los clientes según perfiles de compra específicos y desarrollar canastas de compras personalizadas que respondan a sus necesidades únicas. Este proyecto detalla la aplicación de estas técnicas para analizar datos de ventas y clientes de 2021, con el fin de ofrecer estrategias de marketing más dirigidas y efectivas en el competitivo mercado de consumo masivo
metadata.dc.description.abstractenglish:	In the current context of digital transformation, mass consumption sector companies are experiencing a paradigm shift towards the use of data for strategic decision-making. An analytical tool based on multivariate methods and statistical learning is introduced for efficient customer segmentation and product portfolio optimization. Through the use of clustering algorithms and data mining techniques like FP-Growth for association rule analysis, this research proposes a methodology for generating personalized purchase recommendations, aiming to improve the effectiveness of the sales force and strengthen customer loyalty. The goal is to assess the feasibility of classifying customers according to specific purchase profiles and developing personalized shopping baskets that meet their unique needs. This project details the application of these techniques to analyze sales and customer data from 2021, in order to offer more targeted and effective marketing strategies in the competitive mass consumption market.
URI:	http://www.dspace.espol.edu.ec/handle/123456789/61328
metadata.dc.identifier.codigoproyectointegrador:	POSTG031
Appears in Collections:	Tesis de Maestría en Estadística Aplicada

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.