Modelo de recomendación de nuevos productos a clientes actuales

Vista sencilla de ítem
dc.contributor.advisorSepúlveda Cano, Lina María
dc.contributor.authorIsaza Higuera, Pablo
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 degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailpisazah@eafit.edu.co
dc.date.accessioned2025-03-11T15:56:07Z
dc.date.available2025-03-11T15:56:07Z
dc.date.issued2024
dc.descriptionLa compañía DISAN se enfrenta al desafío de adaptar sus portafolios de productos de una región a otra, un proceso que actualmente toma alrededor de 5 meses. Esto ha generado la necesidad de desarrollar un sistema eficiente de recomendación de nuevos productos para sus clientes actuales. Este trabajo de grado busca abordar la problemática mencionada mediante la combinación de diferentes estrategias y técnicas de sistemas de recomendación. Se espera que este sistema permita sugerir productos nuevos incluso en situaciones donde no se disponga de información previa sobre las preferencias de los usuarios. Aunque existen sistemas de recomendación en el mercado, la adaptación específica de los productos a las preferencias de los usuarios en nuevas regiones presenta un desafío único para DISAN. Por lo tanto, existe un vacío en cuanto a la disponibilidad de un sistema que pueda abordar eficazmente esta necesidad específica de la empresa. En este trabajo de grado se desarrollará un sistema de recomendación que utiliza datos sobre el comportamiento de los usuarios, las características de los productos existentes y los nuevos productos a introducir. Este sistema puede predecir las preferencias de los usuarios y recomendar los mejores productos nuevos a cada usuario, teniendo en cuenta sus características individuales y sus preferencias históricas. Se espera que este sistema contribuya significativamente a mejorar la experiencia del usuario y fortalecer la fidelidad de los clientes hacia DISAN.
dc.identifier.urihttps://hdl.handle.net/10784/35489
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Ciencias Aplicadas e Ingeniería. Área Computación y Analíticaspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.relation.urihttps://github.com/pisazah/Trabajo_Grado_Pablo_Isaza.git
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectMachine Learning
dc.subjectSistemas de Recomendación (RS)
dc.subjectArranque en frio
dc.subjectRS Filtro colaborativo
dc.subjectRS Basado en contenido
dc.subjectArranque en frio
dc.subjectRS híbrido
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.subject.lembCOMPORTAMIENTO DEL CONSUMIDOR
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
dc.subject.lembANÁLISIS DE INFORMACIÓN
dc.titleModelo de recomendación de nuevos productos a clientes actuales
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaInforme

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
carta_aprobacion_proyecto_grado_eafit.pdf
Tamaño:
57.65 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
469.39 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
No hay miniatura disponible
Nombre:
Pablo_IsazaHiguera_2024.pdf
Tamaño:
916.27 KB
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:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)