Mapas Auto-Organizados aplicados a la segmentación de clientes en entornos empresariales

Roberth Figueroa-Diaz, Sairy Fernanda Chamba-Jimenez, Rene Guaman-Quinche, Mario Cueva

Resumen


Este artículo se ha enfocado en la aplicación de técnicas de Minería de Datos para segmentación de clientes, sobre datos reales de una empresa dedicada a la comercialización de productos tecnológicos de la región sur del Ecuador. Se aplicó la metodología CRISP-DM para el proceso de Minería de Datos, y en base al modelo Recencia, Frecuencia, Monto (RFM), se aplicaron algoritmos de clustering: k-means y Mapas Auto-Organizados (SOM en inglés Self-Organizing Map). Para validar el resultado de los algoritmos de clustering y seleccionar el que proporcione grupos de mejor calidad, se usó la técnica de evaluación en cascada, para ello se aplicó un algoritmo de clasificación, colocando como etiqueta de clase a los grupos encontrados por los algoritmos de clustering, y luego se midió la precisión de predicción con respecto a estos grupos. El algoritmo SOM fue el que proporcionó los mejores resultados. El proceso mencionado se llevó a cabo utilizando el lenguaje R a través de R-Studio.


Palabras clave


Mapas auto-organizados

Texto completo:

PDF

Enlaces refback

  • No hay ningún enlace refback.


Una publicación de la Escuela Superior Politécnica del Litoral (ESPOL).

Revista Tecnológica ESPOL - ISSN 1390-3659