Transformación de datos en estrategias personalizadas: Análisis predictivo para la optimización del Customer Lifetime Value en una compañía del sector retail en Bogotá, a partir de información histórica
Cargando...
Archivos
Fecha
Director de trabajo de grado
Título de la revista
ISSN de la revista
Título del volumen
Editor
Altmetric
Código QR
Resumen
Objetivo: Proponer un modelo predictivo aplicable al valor de vida del cliente (CLV) que permite identificar y analizar los factores claves que influyen en el comportamiento de la métrica para una empresa del sector retail especializada en la venta de morrales, accesorios y ropa. Diseño/metodología/enfoque: Esta investigación examina los registros de ventas de 38 tiendas en Bogotá de los años 2015 a 2023. Se realizó procesos de calidad de datos que redujo la base a cinco millones de registros. Se compararon 4 modelos de regresión: Regresión lineal múltiple, árboles de decisión, bosques aleatorios y XGBoost a fin de seleccionar la herramienta de pronóstico con mejor desempeño. Estos fueron evaluados a través de métricas como el error cuadrático medio (RMSE), el error absoluto medio (MAE), y el coeficiente de determinación (R²).
Abstract
Purpose: To propose a predictive model applicable to Customer Lifetime Value (CLV) that identifies and analyzes the key factors influencing the behavior of this metric for a retail company specializing in the sale of backpacks, accessories, and clothing. Design/Methodology/Approach: This research examines sales records from 38 stores in Bogotá spanning the years 2015 to 2023. Data quality processes were applied, reducing the dataset to five million records. Four regression models were compared: Multiple Linear Regression, Decision Trees, Random Forests, and XGBoost, to select the best-performing forecasting tool. These models were evaluated using metrics such as Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and the coefficient of determination (R²).
Palabras clave
Customer Lifetime Value, Modelos de regresión, Perfilamiento de cliente, Personalización de estrategias, Sostenibilidad financiera, Investigación de mercados, Customer Lifetime Value, Regression models, Customer profiling, Prediction, Strategy personalization