Descripción:
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