Comparación de modelos predictivos para propensión de compra y su caracterización mediante análisis de datos textuales
View/
Date
2016-07-16Share
Metadata
Show full item recordCollections
- Pregrado Estadística [102]
Cita
Abstract
Recientemente las aplicaciones de CRM (customer relationship management) y los planes de lealtad se
han masi ficado, permitiendo a las empresas obtener mayor información de sus clientes y monitorear sus
transacciones. Está información además de mostrar cómo está el cliente actualmente, puede permitir
conocerlo a profundidad y con ello poder por ejemplo marcar a los clientes m as valiosos, segmentar la
población para crear productos llamativos, predecir algunos comportamientos futuros como la deserción,
establecer la próxima mejor oferta, defi nir las oportunidades de venta cruzada y el perfi l del cliente más
propenso en una determinada campa~na comercial. En este articulo se presenta el tema de la comparación
de modelos predictivos de la posibilidad de compra para un individuo en las campañas comerciales
y su caracterización mediante análisis de datos textuales. Se aplicaron métodos predictivos de Redes
Neuronales, Maquinas de Soporte Vectorial, Regresión Logística binomial, modelo Bayesiano y Árboles
de Clasi ficación. Se realiza la selección del mejor modelo mediante validación cruzada, su acuraccy,
precisión y el área bajo la curva ROC. Adicionalmente, se realizó un análisis de datos textuales para
relacionar las opiniones de los clientes y su posibilidad de compra.
Abstract
Recently CRM (customer relationship management) applications and loyalty schemes have become massive,
allowing companies to get more information about their customers and monitor their transactions.
It is information in addition to showing how is the current customer, you can allow to know in depth and
thus can for example mark the most valuable customers, segment the population to create eye-catching
products, predict some future behaviors such as desertion, set the next best deal , de ning cross-selling
opportunities and customer pro le more prone in a given marketing year. In this article the issue of
comparison of predictive models of the possibility of purchase for an individual in commercial campaigns
and their characterization is presented by analysis of textual data. predictive methods Neural Networks,
Support Vector Machines, Binomial Logistic Regression, Bayesian Model and Classi cation Trees were
applied. selecting the best model by cross-validation, your acuraccy, accuracy and area under the ROC
curve is performed. In addition, a textual data analysis was performed to relate the opinions of customers
and their ability to purchase.
PDF Documents
xmlui.custom.comments.form-panel-heading
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia
Indexado por:
