Análisis multivariante: Segmentación de clientes y estrategias de ventas de una Empresa de consumo masivo de Guayaquil

Quelal Robalino, Kevin Javier

DSpace Principal
→
Unidades Académicas
→
Facultad de Ciencias Naturales y Matemáticas
→
Tesis de Maestría en Estadística Aplicada
→
Ver ítem

dc.contributor.advisor	García Angulo, Andrea, Director
dc.contributor.author	Quelal Robalino, Kevin Javier
dc.creator	ESPOL.FCNM
dc.date.accessioned	2024-07-01T14:34:02Z
dc.date.available	2024-07-01T14:34:02Z
dc.date.issued	2024
dc.identifier.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 .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/61328
dc.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
dc.format	application/pdf
dc.format.extent	48 página
dc.language.iso	spa
dc.publisher	ESPOL.FCNM
dc.rights	openAccess
dc.subject	Segmentación de Clientes
dc.subject	Métodos Multivariantes
dc.subject	Clustering
dc.subject	Reglas de Asociación
dc.subject	FP-Growth
dc.subject	Canastas de Compra Personalizadas
dc.title	Análisis multivariante: Segmentación de clientes y estrategias de ventas de una Empresa de consumo masivo de Guayaquil
dc.type	Magister en Estadística Aplicada
dc.identifier.codigoespol	T-110586
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	POSTG031
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.