Segmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CART

Descripción del Articulo

Ciclo Optativo de Especialización y Profesionalización en Marketing y Finanzas
Detalles Bibliográficos
Autores: Palomino Quispe, Jacqueline Roxana, Prado Pariona, Vanesa
Formato: tesis de grado
Fecha de Publicación:2015
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/2070
Enlace del recurso:https://hdl.handle.net/20.500.12996/2070
Nivel de acceso:acceso abierto
Materia:Algoritmo de arbol de clasificación Cart
Modelo de regresión logística
Telefonía móvil
Telecomunicaciones
Servicios
Bases de datos
Gestión
Grupos de interés
Modelos matemáticos
Modelos econométricos
Ventas
Evaluación
Perú
id UNAL_19cb2484716cd00922d980af75d49cae
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/2070
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.es_PE.fl_str_mv Segmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CART
title Segmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CART
spellingShingle Segmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CART
Palomino Quispe, Jacqueline Roxana
Algoritmo de arbol de clasificación Cart
Modelo de regresión logística
Telefonía móvil
Telecomunicaciones
Servicios
Bases de datos
Gestión
Grupos de interés
Modelos matemáticos
Modelos econométricos
Ventas
Evaluación
Perú
title_short Segmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CART
title_full Segmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CART
title_fullStr Segmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CART
title_full_unstemmed Segmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CART
title_sort Segmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CART
author Palomino Quispe, Jacqueline Roxana
author_facet Palomino Quispe, Jacqueline Roxana
Prado Pariona, Vanesa
author_role author
author2 Prado Pariona, Vanesa
author2_role author
dc.contributor.advisor.fl_str_mv Sotomayor Ruíz, Rino Nicanor
dc.contributor.author.fl_str_mv Palomino Quispe, Jacqueline Roxana
Prado Pariona, Vanesa
dc.subject.es_PE.fl_str_mv Algoritmo de arbol de clasificación Cart
Modelo de regresión logística
Telefonía móvil
Telecomunicaciones
Servicios
Bases de datos
Gestión
Grupos de interés
Modelos matemáticos
Modelos econométricos
Ventas
Evaluación
Perú
topic Algoritmo de arbol de clasificación Cart
Modelo de regresión logística
Telefonía móvil
Telecomunicaciones
Servicios
Bases de datos
Gestión
Grupos de interés
Modelos matemáticos
Modelos econométricos
Ventas
Evaluación
Perú
description Ciclo Optativo de Especialización y Profesionalización en Marketing y Finanzas
publishDate 2015
dc.date.accessioned.none.fl_str_mv 2017-01-10T18:22:40Z
dc.date.available.none.fl_str_mv 2017-01-10T18:22:40Z
dc.date.issued.fl_str_mv 2015
dc.type.en_US.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.other.none.fl_str_mv E70.P34-T BAN UNALM
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/2070
identifier_str_mv E70.P34-T BAN UNALM
url https://hdl.handle.net/20.500.12996/2070
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.en_US.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.en_US.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional Agraria La Molina
dc.source.es_PE.fl_str_mv Universidad Nacional Agraria La Molina
Repositorio institucional - UNALM
dc.source.none.fl_str_mv reponame:UNALM-Institucional
instname:Universidad Nacional Agraria La Molina
instacron:UNALM
instname_str Universidad Nacional Agraria La Molina
instacron_str UNALM
institution UNALM
reponame_str UNALM-Institucional
collection UNALM-Institucional
bitstream.url.fl_str_mv https://repositorio.lamolina.edu.pe/bitstreams/e9813ee2-859e-4117-992f-9d413ee7fe87/download
https://repositorio.lamolina.edu.pe/bitstreams/19ed0cc8-0aa4-41f5-ac7f-68c37774dec2/download
https://repositorio.lamolina.edu.pe/bitstreams/d80a19e9-2486-41f1-996c-3b4ac66215fd/download
https://repositorio.lamolina.edu.pe/bitstreams/d2fdf99e-127d-4085-abb1-d936d4f04241/download
https://repositorio.lamolina.edu.pe/bitstreams/954cbca7-4a2b-42fb-a9df-f7dcd4a9f0e4/download
https://repositorio.lamolina.edu.pe/bitstreams/21a772b1-e7e9-4064-af6f-d9a6521bfccb/download
bitstream.checksum.fl_str_mv b9a1b7738d0fe5cd3d5150aca499d341
b5d1f4cb467fb76f6e829bc426e98ca3
ef3bddab54d108cb115ecd44266b3248
641547874fb8c4cb0de534cd28fbace8
77b800e06a4f7c9a32141a8ca8d54831
bb036039a027f59e59144222c3623a80
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Nacional Agraria La Molina
repository.mail.fl_str_mv dspace@lamolina.edu.pe
_version_ 1846975254303342592
spelling Sotomayor Ruíz, Rino Nicanord8548034-ab39-4c40-8e62-134178db90e6-125de2862-78ba-41ba-9903-5c260e4f004b-1Palomino Quispe, Jacqueline RoxanaPrado Pariona, Vanesa2017-01-10T18:22:40Z2017-01-10T18:22:40Z2015E70.P34-T BAN UNALMhttps://hdl.handle.net/20.500.12996/2070Ciclo Optativo de Especialización y Profesionalización en Marketing y FinanzasEl trabajo, consistió en detallar paso a paso la metodología (CRISP–DM) para poder identificar grupos óptimos de clientes más propensos a migrar de un plan prepago a postpago con el fin de formular un plan de mejora en la gestión de llamadas mediante la clasificación de la base de datos. Este trabajo ha sido motivado por que actualmente se ha visto una disminución de la tasa de efectividad y contactabilidad con los clientes, para esto se ha utilizado el software Rapid Miner ya que es más detallada la representación de flujos de manera gráfica y por su gran capacidad para trabajar con una amplia gama de bases de datos. Se aplicaron modelos de clasificación para analizar las características que genera la compra de los diferentes servicios. Se realizó la comparación del modelo de Regresión Logística y el algoritmo de Árbol de Clasificación CART, quedando como modelo más óptimo la Regresión Logística ya que ofreció mejores resultados y mayor efectividad. A partir de lo anterior, se encontraron grupos diferenciados por las probabilidades de éxito venta (Migrar de un plan prepago a postpago), segmentos que reflejan necesidades y características particulares, que permita diseñar acciones de marketing focalizado con el objetivo de incrementar la tasa de efectividad, contactabilidad e incrementar las ventas. Se realizaron recomendaciones para futuras acciones de marketing, un ejemplo es identificar grupos que se debe intentar desarrollar y otros grupos que sólo que se debe tratar de fidelizar, ya que han alcanzado gran parte de su potencial dentro de la empresa. Cómo trabajos futuros se recomienda replicar la metodología con mayor información demográfica, con el fin de aumentar los índices de desempeño de los modelos predictivos. Además de poder cuantificar el aumento de la efectividad debido a la aplicación de esta metodología, a través de una campaña real.Tesisapplication/pdfspaUniversidad Nacional Agraria La Molinainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional Agraria La MolinaRepositorio institucional - UNALMreponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMAlgoritmo de arbol de clasificación CartModelo de regresión logísticaTelefonía móvilTelecomunicacionesServiciosBases de datosGestiónGrupos de interésModelos matemáticosModelos econométricosVentasEvaluaciónPerúSegmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CARTinfo:eu-repo/semantics/bachelorThesisSUNEDUCiclo Optativo de Especialización y Profesionalización en Marketing y FinanzasMarketing y FinanzasCiclo Optativo de Especialización y Profesionalización en Marketing y FinanzasIngeniero Estadístico e InformáticoTítulo ProfesionalTHUMBNAILE70-P34-T.pdf.jpgE70-P34-T.pdf.jpgGenerated Thumbnailimage/jpeg3317https://repositorio.lamolina.edu.pe/bitstreams/e9813ee2-859e-4117-992f-9d413ee7fe87/downloadb9a1b7738d0fe5cd3d5150aca499d341MD55E70-P34-T-resumen.pdf.jpgE70-P34-T-resumen.pdf.jpgGenerated Thumbnailimage/jpeg3324https://repositorio.lamolina.edu.pe/bitstreams/19ed0cc8-0aa4-41f5-ac7f-68c37774dec2/downloadb5d1f4cb467fb76f6e829bc426e98ca3MD56ORIGINALE70-P34-T.pdfE70-P34-T.pdfTexto completoapplication/pdf2975749https://repositorio.lamolina.edu.pe/bitstreams/d80a19e9-2486-41f1-996c-3b4ac66215fd/downloadef3bddab54d108cb115ecd44266b3248MD51E70-P34-T-resumen.pdfE70-P34-T-resumen.pdfResumenapplication/pdf43551https://repositorio.lamolina.edu.pe/bitstreams/d2fdf99e-127d-4085-abb1-d936d4f04241/download641547874fb8c4cb0de534cd28fbace8MD52TEXTE70-P34-T.pdf.txtE70-P34-T.pdf.txtExtracted texttext/plain157864https://repositorio.lamolina.edu.pe/bitstreams/954cbca7-4a2b-42fb-a9df-f7dcd4a9f0e4/download77b800e06a4f7c9a32141a8ca8d54831MD53E70-P34-T-resumen.pdf.txtE70-P34-T-resumen.pdf.txtExtracted texttext/plain3040https://repositorio.lamolina.edu.pe/bitstreams/21a772b1-e7e9-4064-af6f-d9a6521bfccb/downloadbb036039a027f59e59144222c3623a80MD5420.500.12996/2070oai:repositorio.lamolina.edu.pe:20.500.12996/20702023-01-05 03:23:15.539https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.lamolina.edu.peRepositorio Universidad Nacional Agraria La Molinadspace@lamolina.edu.pe
score 12.847659
Segmentación de la base de datos de un call center para las ventas del servicio de telefonía móvil, usando el modelo de regresión logística y el algoritmo de árbol de clasificación CART
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).

Ejemplares Similares