Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las Ventas

Descripción del Articulo

El presente artículo abordó el desarrollo de un nuevo método de caracterización para los lectores registrados de un sitio web de noticias basado en su comportamiento de uso y temas de interés que leen con frecuencia para crear productos adicionales y encontrar oportunidades comerciales en una compañ...

Descripción completa

Detalles Bibliográficos
Autores: Soto Rodríguez, Iván, Clemente Rivera, Brian Erick
Formato: artículo
Fecha de Publicación:2021
Institución:Universidad Nacional Agraria La Molina
Repositorio:Revistas - Universidad Nacional Agraria La Molina
Lenguaje:español
OAI Identifier:oai:revistas.lamolina.edu.pe:article/1731
Enlace del recurso:https://revistas.lamolina.edu.pe/index.php/ne/article/view/1731
Nivel de acceso:acceso abierto
Materia:caracterización
audiencia digital
k-means
analítica web
google analytics
id REVUNALM_3f9769c99582d0be066057b1f7034752
oai_identifier_str oai:revistas.lamolina.edu.pe:article/1731
network_acronym_str REVUNALM
network_name_str Revistas - Universidad Nacional Agraria La Molina
repository_id_str
spelling Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las VentasSoto Rodríguez, IvánClemente Rivera, Brian Erickcaracterizaciónaudiencia digitalk-meansanalítica webgoogle analyticsEl presente artículo abordó el desarrollo de un nuevo método de caracterización para los lectores registrados de un sitio web de noticias basado en su comportamiento de uso y temas de interés que leen con frecuencia para crear productos adicionales y encontrar oportunidades comerciales en una compañía peruana de medios de comunicación. Se utilizaron variables del entorno digital como el tipo de notas a la que acceden según la sección en la que estas se encuentran alojadas, complementándose con datos no digitales como la información sociodemográfica (edad, género), de ubicación (país), entre otras que disponibles en la empresa. Se han considerado la información de 19,375 lectores correspondientes a un periodo de tres meses de análisis, y fueron obtenidos mediante las herramientas de Google, Analytics 360 y BigQuery. Para la generación de las agrupaciones se empleó el algoritmo k-means, un método de análisis clúster no jerárquico y una técnica de aprendizaje no supervisado; además, todos los cálculos computacionales, así como la construcción del conjunto de datos final se efectuaron con el software R, que contiene múltiples funciones que facilitaron estas actividades. Como conclusión se obtuvieron y definieron seis segmentos, los cuales permitieron ofrecer una ventaja competitiva a los clientes en términos de publicidad ya que podrán seleccionar la audiencia específica a la que quieran impactar, mejorando en gran medida los resultados que se obtendrían comparado con las estrategias digitales convencionales; además, se realizarán acciones para incrementar el número de suscriptores con el fin de repotenciar estos grupos e incrementar los ingresos obtenidos anualmente.Universidad Nacional Agraria La Molina2021-06-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.lamolina.edu.pe/index.php/ne/article/view/173110.21704/ne.v6i1.1731Natura@economía; Vol. 6 Núm. 1 (2021): Enero a Junio; 60-67Natura@economía; Vol. 6 No. 1 (2021): Enero a Junio; 60-672226-9479reponame:Revistas - Universidad Nacional Agraria La Molinainstname:Universidad Nacional Agraria La Molinainstacron:UNALMspahttps://revistas.lamolina.edu.pe/index.php/ne/article/view/1731/2276Derechos de autor 2021 Iván Soto Rodríguez, Brian Erick Clemente Rivera, Brian Erick Clemente Riverahttp://creativecommons.org/licenses/by-sa/4.0info:eu-repo/semantics/openAccessoai:revistas.lamolina.edu.pe:article/17312022-05-31T15:16:43Z
dc.title.none.fl_str_mv Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las Ventas
title Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las Ventas
spellingShingle Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las Ventas
Soto Rodríguez, Iván
caracterización
audiencia digital
k-means
analítica web
google analytics
title_short Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las Ventas
title_full Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las Ventas
title_fullStr Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las Ventas
title_full_unstemmed Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las Ventas
title_sort Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las Ventas
dc.creator.none.fl_str_mv Soto Rodríguez, Iván
Clemente Rivera, Brian Erick
author Soto Rodríguez, Iván
author_facet Soto Rodríguez, Iván
Clemente Rivera, Brian Erick
author_role author
author2 Clemente Rivera, Brian Erick
author2_role author
dc.subject.none.fl_str_mv caracterización
audiencia digital
k-means
analítica web
google analytics
topic caracterización
audiencia digital
k-means
analítica web
google analytics
description El presente artículo abordó el desarrollo de un nuevo método de caracterización para los lectores registrados de un sitio web de noticias basado en su comportamiento de uso y temas de interés que leen con frecuencia para crear productos adicionales y encontrar oportunidades comerciales en una compañía peruana de medios de comunicación. Se utilizaron variables del entorno digital como el tipo de notas a la que acceden según la sección en la que estas se encuentran alojadas, complementándose con datos no digitales como la información sociodemográfica (edad, género), de ubicación (país), entre otras que disponibles en la empresa. Se han considerado la información de 19,375 lectores correspondientes a un periodo de tres meses de análisis, y fueron obtenidos mediante las herramientas de Google, Analytics 360 y BigQuery. Para la generación de las agrupaciones se empleó el algoritmo k-means, un método de análisis clúster no jerárquico y una técnica de aprendizaje no supervisado; además, todos los cálculos computacionales, así como la construcción del conjunto de datos final se efectuaron con el software R, que contiene múltiples funciones que facilitaron estas actividades. Como conclusión se obtuvieron y definieron seis segmentos, los cuales permitieron ofrecer una ventaja competitiva a los clientes en términos de publicidad ya que podrán seleccionar la audiencia específica a la que quieran impactar, mejorando en gran medida los resultados que se obtendrían comparado con las estrategias digitales convencionales; además, se realizarán acciones para incrementar el número de suscriptores con el fin de repotenciar estos grupos e incrementar los ingresos obtenidos anualmente.
publishDate 2021
dc.date.none.fl_str_mv 2021-06-30
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://revistas.lamolina.edu.pe/index.php/ne/article/view/1731
10.21704/ne.v6i1.1731
url https://revistas.lamolina.edu.pe/index.php/ne/article/view/1731
identifier_str_mv 10.21704/ne.v6i1.1731
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistas.lamolina.edu.pe/index.php/ne/article/view/1731/2276
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-sa/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.source.none.fl_str_mv Natura@economía; Vol. 6 Núm. 1 (2021): Enero a Junio; 60-67
Natura@economía; Vol. 6 No. 1 (2021): Enero a Junio; 60-67
2226-9479
reponame:Revistas - Universidad Nacional Agraria La Molina
instname:Universidad Nacional Agraria La Molina
instacron:UNALM
instname_str Universidad Nacional Agraria La Molina
instacron_str UNALM
institution UNALM
reponame_str Revistas - Universidad Nacional Agraria La Molina
collection Revistas - Universidad Nacional Agraria La Molina
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1845795039703203840
score 13.04064
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).