Portoviejo, Ecuador
Las tecnologías de la información son ampliamente reconocidas como instrumentos estratégicos, por su capacidad para modificar la estructura y los modelos de negocios de las organizaciones, en la actualidad la gran cantidad de información que debe manejar un individuo en su día a día lo imposibilitan optimizar tiempo en la búsqueda de información deseada, los sistemas de recomendaciones son en la actualidad una herramienta que ayuda a la toma de decisiones y que poco a poco se ha ido involucrando en el mercado y dándole las oportunidades a las empresas a ser más competitivas. El objetivo principal de esta investigación es diseñar un sistema de recomendaciones difuso para poder recomendar productos de la empresa Promyvent a sus clientes de acuerdo al perfil de cada uno de ellos. La metodología utilizada en esta investigación inicio con el pre procesamiento de la base de datos de entrada, se le aplico técnicas de preparación y limpieza además se aplicó un análisis exploratorio de Datos el cual permite realizar un análisis descriptivos, transformación y limpieza de datos, se le aplico el método del codo de jambu y se estableció que el número de clústers adecuado eran tres, luego en la fase de modelado se aplicó el algoritmo KNN para clasificar cada uno de los datos según las compras de los clientes con menor distancia calculada, luego para aumentar el nivel de precisión en la clasificación de datos se aplicó el método C Means, de esta manera se obtiene una partición difusa optima otorgando un grado de membresía a cada punto de datos. Por ultimo como resultado la recomendación se genera a partir del perfil de cada cliente, la precisión del modelo parte en base a los registros históricos de compras de los clientes para poder identificar el grado de membresía que tiene cada cliente de acuerdo a su perfil y partiendo de estos datos el modelo generó el filtrado de un top de siete productos en las recomendaciones de principal interés. El modelo implementado beneficia a la empresa no solo a recomendar un top siete de productos de interés de acuerdo al perfil del cliente si no también identificar los productos que tienen mayor y menor rotación de inventario.
Information technologies are widely recognized as strategic instruments, due to their ability to modify the structure and business models of organizations, currently the large amount of information that an individual must handle in their day to day makes it impossible to optimize time In the search for desired information, recommendation systems are currently a tool that helps decision-making and that little by little has been involved in the market and giving companies opportunities to be more competitive. The main objective of this research is to design a diffuse recommendation system to be able to recommend products from the company Promyvent to its clients according to the profile of each one of them. The methodology used in this research began with the pre-processing of the input database, preparation and cleaning techniques were applied, and an exploratory data analysis was applied, which allows a descriptive analysis, transformation and cleaning of data. I applied the jambu elbow method and it was established that the appropriate number of clusters was three, then in the modeling phase the KNN algorithm was applied to classify each of the data according to the purchases of the customers with the least calculated distance, then To increase the level of precision in data classification, the C Means method was applied, in this way an optimal fuzzy partition is obtained, granting a degree of membership to each data point. Finally, as a result, the recommendation is generated from the profile of each client, the accuracy of the model is based on the historical records of customer purchases in order to identify the degree of membership that each client has according to their profile and starting From this data, the model generated the filtering of a top seven products in the recommendations of main interest. The implemented model benefits the company not only by recommending a top seven products of interest according to the customer's profile, but also by identifying the products that have the highest and lowest inventory turnover.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados