Publicación: Modelos de aprendizaje automático para el pronóstico de la demanda en eventos promocionales en el comercio electrónico : un estudio aplicado a ventas minoristas
Fecha
2026-02-05
Autores
Duque Giraldo, Tomás
dc.contributor.advisor
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
The growing importance of e-commerce has intensified the need for accurate demand forecasts, especially during promotional events that generate abnormal consumption peaks such as Black Friday or Christmas. These events lead to sudden increases in sales that traditional statistical methods fail to anticipate adequately. As a result, stock shortages or overstocking may occur. To address this problem, this paper applies advanced machine learning techniques capable of incorporating nonlinear patterns and contextual variables, with the aim of improving the accuracy of demand estimates in such scenarios. In particular, a tree-based machine learning predictive model known as LightGBM is evaluated against traditional forecasting methods, using a public dataset of US retail sales. This identifies the most effective approach under conditions of high volatility and examines its relevance during holiday and promotional periods when consumer behavior changes significantly.
Descripción
La creciente relevancia del comercio electrónico ha intensificado la necesidad de pronósticos de demanda precisos, especialmente durante eventos promocionales que generan picos anómalos de consumo como Black Friday o Navidad. Estos eventos conducen a incrementos súbitos en las ventas que los métodos estadísticos tradicionales no logran anticipar adecuadamente. Como consecuencia, pueden producirse quiebres de stock o sobreinventarios. Para abordar este problema, el presente trabajo aplica técnicas avanzadas de aprendizaje automático, capaces de incorporar patrones no lineales y variables contextuales, con el objetivo de mejorar la exactitud de las estimaciones de demanda en dichos escenarios. En particular, se evalúa un modelo predictivo de aprendizaje automático basado en arboles conocido como LightGBM con métodos de pronóstico tradicionales, empleando un conjunto de datos público de ventas minoristas de Estados Unidos. De este modo se identifica el enfoque más efectivo bajo condiciones de alta volatilidad y se examina su pertinencia durante períodos festivos y promocionales en los que el comportamiento del consumidor se altera significativamente.
Citación
dc.relation.uri
dc.identifier.doi
dc.rights
Todos los derechos reservados