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

Vista sencilla de ítem
dc.contributor.advisorArbeláez, Juan Carlos
dc.contributor.authorVergara Marín, Natalia Andrea
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees
dc.creator.emailnvergar1@eafit.edu.co
dc.date.accessioned2026-05-11T20:04:34Z
dc.date.available2026-05-11T20:04:34Z
dc.date.issued2025-11-20
dc.descriptionEste 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.
dc.description.abstractThis 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.
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Ingenieríaspa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad EAFIT
dc.identifier.reponamereponame:Repositorio Institucional Universidad EAFIT
dc.identifier.repourlrepourl:https://repository.eafit.edu.co
dc.identifier.urihttps://hdl.handle.net/10784/37655
dc.language.isospa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentÁrea Ciencias Fundamentalesspa
dc.publisher.facultyEscuela de Ciencias Aplicadas e Ingenieríaspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Ingenieríaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAcceso abierto
dc.subjectAnalítica
dc.subjectBanca
dc.subjectExperiencia de usuario
dc.subjectData
dc.subjectInteligencia artificial
dc.subjectAprendizaje de máquinas
dc.subjectPerfilamiento
dc.subjectIA
dc.subjectUX
dc.subjectML
dc.subjectPersonalización
dc.subjectPatrones de comportamiento
dc.subject.keywordAnalytics
dc.subject.keywordBanking
dc.subject.keywordUser Experience
dc.subject.keywordUX
dc.subject.keywordData
dc.subject.keywordArtificial Intelligence
dc.subject.keywordAI
dc.subject.keywordMachine Learning
dc.subject.keywordML
dc.subject.keywordProfiling
dc.subject.keywordPersonalization
dc.subject.keywordBehavior Patterns
dc.subject.lembINGENIERÍA - INVESTIGACIONES
dc.subject.lembBÚSQUEDAS EN BASES DE DATOS
dc.subject.lembMINERÍA DE DATOS - METODOLOGÍA
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
dc.subject.lembCOMPORTAMIENTO DEL CONSUMIDOR - COLOMBIA
dc.titleAproximación para personalización de interfaces basado en datos históricos en un caso aplicado de la banca
dc.typeinfo:eu-repo/semantics/masterThesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.localTesis de Maestríaspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
dc.type.spaCaso
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dspace.entity.typePublication

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit_Natalia_Vergara.pdf
Tamaño:
70.05 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras_biblioteca_Natalia.pdf
Tamaño:
530.33 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
No hay miniatura disponible
Nombre:
NataliaAndrea_VergaraMarin_2025.pdf
Tamaño:
2.08 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.74 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ingeniería (tesis)