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...
Autores: | , |
---|---|
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).
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).