Especialización en Machine Learning · 2025
Segmentación de clientes en empresa comercializadora de equipos biomédicos: estrategias de marketing basadas en clusterización
El este documento aborda la problemática de segmentación de clientes en una empresa de venta de equipos biomédicos en Colombia cuyas estrategias de marketing y perfilamiento de clientes carece de un respaldo analítico robusto que le permita generar planes personalizados para aumentar la venta y la rentabilidad del negocio. Lo anterior, sumado al incremento de la competencia en el sector, dado que para 2022 se presentó un incremento de 8% de las importaciones de este tipo de productos. Por lo cual, el objetivo será desarrollar un modelo de clusterización que soporte la toma de decisiones del negocio.
Texto completo 66 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- CAPÍTULO 1p. 6
- 1. PLANTEAMIENTO DEL PROBLEMAp. 6
- 1.1 Antecedentes del Problemap. 6
- 1.2 Descripción del problemap. 7
- 2. PREGUNTA DE INVESTIGACIÓNp. 8
- 3. OBJETIVOSp. 8
- Objetivo generalp. 8
- Objetivos específicosp. 8
- 4. CONVENIENCIA DE LA INVESTIGACIÓNp. 9
- 5. JUSTIFICACIÓNp. 9
- 6. MARCO TEORICOp. 10
- Clientesp. 34
- 6.1. Método K-meansp. 11
- 6.2. Método K-Medoidsp. 12
- 6.3. Análisis ABCp. 13
- 6.4. Customer Lifetime Value (CLV)p. 14
- 6.5. Clustering Jerárquicop. 16
- 6.6. DBSCANp. 17
- 6.7. Modelo RFMp. 18
- CAPÍTULO 2p. 19
- MODELO A IMPLEMENTARp. 19
- 7. MARCO INSTITUCIONALp. 21
- CAPÍTULO 3p. 22
- 8. METODOLOGÍAp. 22
- Primer nivelp. 22
- Enfoque de la investigaciónp. 22
- Alcance de la investigaciónp. 23
- Diseño de la investigaciónp. 23
- Pseudocódigop. 35
- CAPÍTULO 4p. 37
- 9. ANÁLISIS Y DISCUSIÓN DE RESULTADOSp. 37
- Desarrollo de los Modelos de Segmentaciónp. 37
- Filtrado y Análisis Exploratorio de Datosp. 37
- Modelo RFM – Enfoque Cuantilesp. 44
- Modelo RFM – Enfoque Clústeresp. 48
- Normalización de datosp. 49
- Número óptimo de clústeresp. 50
- Desarrollo del Algoritmo K-meansp. 51
- Análisis de Resultadosp. 54
- Elección de Enfoquep. 56
- Validación y Adaptabilidad del Modelop. 57
- Estrategias de Marketing Recomendadasp. 58
- CAPITULO 5p. 59
- 10. CONCLUSIONESp. 59
- REFERENCIASp. 61
- Tabla 1 Criterios de Evaluación de Modelosp. 20
- Tabla 2 Presentación general de la Compañíap. 21
- Colombiap. 21
- Tabla 4 Técnica de Análisis de Datosp. 33
- Tabla 5 Comparativo de Productos más rentables VS más vendidosp. 41
- Tabla 6 Resultados pruebas de normalidadp. 50
- Tabla 7 Cantidad de observaciones por clústerp. 51
- Tabla 8 Descripción de Clústeres k-meansp. 54
- Tabla 9 Estrategias de Marketingp. 58
- Ilustración 1 Instrumentos para Recolección de Informaciónp. 30
- Ilustración 2 Proceso para Efectuar Análisis Estadísticop. 31
- Ilustración 3 Pseudocódigo Modelo RFM (dos enfoques)p. 36
- Ilustración 4 Proceso de Transformación de Datos en Resultadosp. 37
- Ilustración 5 Cantidad de clientes por tipop. 39
- Ilustración 6 Cantidad de clientes Únicos por Zonas vs Top 20 Lugares con más Ventasp. 39
- Ilustración 7 Top 20 productos más vendidosp. 40
- Ilustración 8 Top 20 Productos más rentables económicamentep. 40
- Ilustración 9 Top 20 Clientes más compradoresp. 42
- Ilustración 10 Top 20 Clientes Que más Ingresos Dejan a la Empresap. 42
- Ilustración 11 Análisis de tendencias temporalesp. 43
- Ilustración 12 Comparación de ventas y montos entre los periodos de tiempo establecidosp. 44
- Ilustración 13 Número de Ventas Mensual 2019 (con Tendencia, Picos y Valles)p. 44
- Ilustración 14 Número de Ventas Mensual 2023-2024 (con Tendencia, Picos y Valles)p. 45
- Ilustración 15 Distribución de Fechas de Comprap. 46
- Ilustración 16 Distribución de Recencia de Visitas de los Clientesp. 46
- Ilustración 17 Distribución Monetaria de los Clientesp. 47
- Ilustración 18 Número de Clientes por Segmentop. 48
- Ilustración 19 Histogramas de variables RFMp. 49
- Ilustración 20 Método del codo y Método de Siluetap. 51
- Ilustración 21 Observaciones antes y después de clasificaciónp. 52
- Ilustración 22 Calificación promedio de variables por clústerp. 52