En los últimos años, el comercio electrónico y la transformación digital han presentado
un auge, han experimentado un crecimiento exponencial impulsado por la pandemia del
COVID-19 debido a que en todo el mundo se vivieron las restricciones de movilidad que
generaron que tanto las empresas como las personas se “digitalicen” y por lo tanto
proporcionen y compren, respectivamente, cada vez más productos y servicios en línea
(UNCTAD, 2021). Es así que las entidades bancarias, vieron aquí una oportunidad de
crecimiento, ya que ellas brindan a los clientes tarjetas de crédito con las que se pueden realizar
consumos de forma digital y con las que, a su vez, por cada consumo ganan una comisión.
Diferentes empresas han logrado incrementar sus ventas o los consumos de sus clientes
significativamente gracias a la implementación de estrategias de comercio electrónico efectivas
utilizando la herramienta de Machine Learning. Según Vlačić et al. (2021), la Inteligencia
artificial (IA) se utiliza cada vez más para enriquecer las estrategias de marketing mediante el
análisis de las relaciones entre los consumidores y las marcas. Una gran variedad de empresas
utiliza la IA y Machine Learning (ML) con el fin de buscar entender mejor las necesidades de
los consumidores, predecir la demanda a futuro y optimizar el servicio que se brinda a los
clientes (De Mauro et al., 2022).
El presente informe describe un proyecto en el que se utilizó la tecnología de Machine
Learning para predecir la propensión al consumo e-commerce con tarjeta de crédito de los
clientes de una entidad bancaria. El objetivo del proyecto es incrementar dos indicadores clave
del negocio: el porcentaje de clientes que consumen de forma digital con su tarjeta de crédito
en el mes y la facturación, es decir, el monto total consumido por los clientes; para ello, se desarrollaron modelos de Machine Learning con los que se predice qué clientes son los más
propensos al consumo e-commerce con tarjeta de crédito (TC) y quienes los menos propensos,
logrando así que el negocio pueda usar esta valiosa información para el rediseño, mejora y
optimización de sus estrategias de incentivo y lanzamiento de campañas a los clientes TC.
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/27128 |
| Date | 19 February 2024 |
| Creators | Diestra Ñañez, Joselin Rosemary |
| Contributors | Carbajal López, Eduardo |
| Publisher | Pontificia Universidad Católica del Perú, PE |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf, application/pdf |
| Rights | info:eu-repo/semantics/closedAccess |
Page generated in 0.0163 seconds