Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreo

Descripción del Articulo

Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informática
Detalles Bibliográficos
Autor: Tasayco Silva, Carlos Marcial
Formato: tesis de grado
Fecha de Publicación:2021
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/4945
Enlace del recurso:https://hdl.handle.net/20.500.12996/4945
Nivel de acceso:acceso abierto
Materia:Empresas
Sitio web
Segmentación de usuarios
Comportamiento del consumidor
Técnicas de mercadeo
Métodos estadísticos
Métodos
Análisis de datos
Modelos de predicción
Regresión logística
https://purl.org/pe-repo/ocde/ford#4.05.00
id UNAL_6384c6704b870ab6b087d08324fdee75
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/4945
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.es_PE.fl_str_mv Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreo
title Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreo
spellingShingle Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreo
Tasayco Silva, Carlos Marcial
Empresas
Sitio web
Segmentación de usuarios
Comportamiento del consumidor
Técnicas de mercadeo
Métodos estadísticos
Métodos
Análisis de datos
Modelos de predicción
Regresión logística
https://purl.org/pe-repo/ocde/ford#4.05.00
title_short Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreo
title_full Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreo
title_fullStr Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreo
title_full_unstemmed Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreo
title_sort Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreo
author Tasayco Silva, Carlos Marcial
author_facet Tasayco Silva, Carlos Marcial
author_role author
dc.contributor.advisor.fl_str_mv Chue Gallardo, Jorge
dc.contributor.author.fl_str_mv Tasayco Silva, Carlos Marcial
dc.subject.es_PE.fl_str_mv Empresas
Sitio web
Segmentación de usuarios
Comportamiento del consumidor
Técnicas de mercadeo
Métodos estadísticos
Métodos
Análisis de datos
Modelos de predicción
Regresión logística
topic Empresas
Sitio web
Segmentación de usuarios
Comportamiento del consumidor
Técnicas de mercadeo
Métodos estadísticos
Métodos
Análisis de datos
Modelos de predicción
Regresión logística
https://purl.org/pe-repo/ocde/ford#4.05.00
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#4.05.00
description Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informática
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-09-29T18:59:41Z
dc.date.available.none.fl_str_mv 2021-09-29T18:59:41Z
dc.date.issued.fl_str_mv 2021
dc.type.en_US.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.en_US.fl_str_mv info:eu-repo/semantics/publishedVersion
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/4945
url https://hdl.handle.net/20.500.12996/4945
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.publisher.country.es_PE.fl_str_mv PE
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/73f496c7-08f8-419b-a0f3-a3dd7ba6347e/download
https://repositorio.lamolina.edu.pe/bitstreams/0e8d81f5-182a-41ca-a6cd-2872a287fd03/download
https://repositorio.lamolina.edu.pe/bitstreams/97b85570-7381-43ea-8f73-7defd4547207/download
https://repositorio.lamolina.edu.pe/bitstreams/403a5242-5d3f-475b-b89f-7b0a1da83f33/download
bitstream.checksum.fl_str_mv 1f1f1dbf61de9157669e398c970bb8fe
97c5bee00fbb4c4f8867bd742b579336
8c33a07ce39267a924d80a4863345d01
3c9054d0776e79a0fce671fbbe8170ef
bitstream.checksumAlgorithm.fl_str_mv 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_ 1853317471680856064
spelling Chue Gallardo, Jorge769d4b62-ab9a-48d9-a723-0dc75f455b67Tasayco Silva, Carlos Marcial2021-09-29T18:59:41Z2021-09-29T18:59:41Z2021https://hdl.handle.net/20.500.12996/4945Universidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e InformáticaEl trabajo de monografía se desarrolló en una empresa consultora líder en Latinoamérica especializada en soluciones analíticas para las áreas de marketing digital de empresas multinacionales. El trabajo consistió en la implementación y automatización de un modelo de regresión logística binaria para determinar los segmentos de los usuarios que visitan la Web de la empresa. Para realizar el modelo estadístico mencionado se empezó desde el análisis univariante de cada variable independiente, seguido por una técnica de sobremuestreo “SMOTE” para evitar el desbalance de las clases en la variable dependiente, se realizó además una matriz de confusión en la cual se obtuvo una precisión del 76%, hasta finalmente validar la predictibilidad analizando la curva ROC. Los resultados de la investigación ayudaron a demostrar y concluir que existen variables que son significativas para determinar si un usuario que visita la Web realiza una transacción. Por ejemplo: Los usuarios que usan canales orgánicos sin medios publicitarios como referencia y directo o pagados como las redes sociales contribuyen negativamente a la probabilidad de que el usuario haga la transacción, así como también se observó que tanto el tiempo de la visita o si el usuario visita la Web recurrentemente contribuyen a que la probabilidad de hacer la transacción se incremente. Finalmente, la segmentación que se realizó basado en las puntuaciones calculadas por la regresión logística binaria para tener tres segmentos bien diferenciadas que son alto, medio y bajo probabilidad. Al final del trabajo, la empresa aceptó y mostró su satisfacción con los resultados obtenidos.The monograph work was developed in a leading consulting company in Latin America specialized in analytical solutions for the digital marketing areas of multinational companies. The work consisted in the implementation and automation of a binomial logistic regression model to describe the segments of users who visit one of the client's website. Therefore, to perform the aforementioned statistical model, it started from the univariate analysis of each independent variable, followed by a “SMOTE” oversampling technique to avoid the imbalance of classes in the dependent variable, then with a matrix confusion with an accurate of 76% until finally validating the predictability by analyzing the ROC curve. The results of the research helped to demonstrate and conclude that there are variables that are significant in determining whether a user visiting the Web makes a transaction. Users who use organic channels without advertising media as a reference and direct or paid such as social networks negatively contribute to the likelihood of the user making the transaction. It was also observed that both the time of the visit or if the user visits the Web recurrently contribute to the probability of making the transaction is increased. Finally, the segmentation was performed based on the scores calculated by the binomial logistic regression to have three welldifferentiated segments that are high, medium and low probability. At the end of the work, the company accepted and showed its satisfaction with the results obtainedapplication/pdfspaUniversidad Nacional Agraria La MolinaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/EmpresasSitio webSegmentación de usuariosComportamiento del consumidorTécnicas de mercadeoMétodos estadísticosMétodosAnálisis de datosModelos de predicciónRegresión logísticahttps://purl.org/pe-repo/ocde/ford#4.05.00Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionreponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMSUNEDUEstadística e InformáticaUniversidad Nacional Agraria La Molina. Facultad de Economía y PlanificaciónIngeniero Estadístico Informático45558477https://orcid.org/0000-0002-8576-341508425706https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionalhttps://purl.org/pe-repo/renati/level#tituloProfesional542026Maehara Oyata, Víctor ManuelPorras Cerrón, Jaime CarlosMenacho Chiok, César HiginioORIGINALtasayco-silva-carlos-marcial.pdftasayco-silva-carlos-marcial.pdfTexto completoapplication/pdf2060318https://repositorio.lamolina.edu.pe/bitstreams/73f496c7-08f8-419b-a0f3-a3dd7ba6347e/download1f1f1dbf61de9157669e398c970bb8feMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81664https://repositorio.lamolina.edu.pe/bitstreams/0e8d81f5-182a-41ca-a6cd-2872a287fd03/download97c5bee00fbb4c4f8867bd742b579336MD52TEXTtasayco-silva-carlos-marcial.pdf.txttasayco-silva-carlos-marcial.pdf.txtExtracted texttext/plain66853https://repositorio.lamolina.edu.pe/bitstreams/97b85570-7381-43ea-8f73-7defd4547207/download8c33a07ce39267a924d80a4863345d01MD53THUMBNAILtasayco-silva-carlos-marcial.pdf.jpgtasayco-silva-carlos-marcial.pdf.jpgGenerated Thumbnailimage/jpeg3571https://repositorio.lamolina.edu.pe/bitstreams/403a5242-5d3f-475b-b89f-7b0a1da83f33/download3c9054d0776e79a0fce671fbbe8170efMD5420.500.12996/4945oai:repositorio.lamolina.edu.pe:20.500.12996/49452023-01-05 04:19:37.857https://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.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
score 12.691733
Segmentación de usuarios que visitan el sitio web de una empresa utilizando la regresión logística con la técnica de sobremuestreo
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