Publicación:
Aproximación para personalización de interfaces basado en datos históricos en un caso aplicado de la banca

Fecha

2025-11-20

Autores

Vergara Marín, Natalia Andrea

dc.contributor.advisor

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad EAFIT

Proyectos de investigación

Unidades organizativas

Número de la revista

Resumen

This project proposes an approach to generate personalization proposals through a user grouping model based on pattern identification in transaction history, with the aim of improving each user's experience by allowing them to view options that suit their particular needs. The project has two stages: the development of the user grouping model using machine learning (ML) algorithms through the CRISP-DM methodology, achieving a result of six user clusters with a silhouette coefficient of 64%, which represents adequate cohesion and distinguishable patterns; and secondly, the development of personalized proposals using the design thinking methodology. This was the result of a case study applied to a digital channel of a financial institution in Colombia, where, based on customer validations, a 90% favorability rating was obtained in terms of the perceived value of the proposal made for the specific cluster of each group, with an average of 30% more compared to the control variants.

Descripción

Este proyecto propone una aproximación para generar propuestas de personalización a través de un modelo de agrupación de usuarios basados en identificación de patrones en el histórico de transacciones, esto con el objetivo de mejorar la experiencia de cada usuario, permitiéndoles visualizar opciones que se acomoden a sus particularidades. El proyecto cuenta con dos etapas, el desarrollo del modelo de agrupación de usuarios usando algoritmos de aprendizaje de máquinas (ML) por medio de la metodología CRISP-DM, logrando un resultado de 6 agrupaciones de usuarios (clusters) con un coeficiente de silueta de 64% lo que representa una adecuada cohesión y patrones diferenciables, y en segunda instancia, el desarrollo de propuestas personalizadas usando la metodología de desing thinking. Esto fue el resultado de un caso aplicado a un canal digital de una entidad financiera de Colombia, donde a partir de validaciones con clientes, se obtuvo un porcentaje del 90% de favorabilidad en cuanto a la percepción de valor de la propuesta realizada para el cluster especifico de cada grupo, con un 30% promedio más en comparación a las variantes de control.

Citación

dc.relation.uri

dc.identifier.doi

dc.rights

Todos los derechos reservados