| dc.contributor | Sotomayor Ruíz, Rino Nicanor | |
| dc.creator | Palomino Quispe, Jacqueline Roxana | |
| dc.creator | Prado Pariona, Vanesa | |
| dc.date | 2017-01-10T18:22:40Z | |
| dc.date | 2017-01-10T18:22:40Z | |
| dc.date | 2015 | |
| dc.date.accessioned | 2018-04-02T19:39:20Z | |
| dc.date.available | 2018-04-02T19:39:20Z | |
| dc.identifier | E70.P34-T BAN UNALM | |
| dc.identifier | http://repositorio.lamolina.edu.pe/handle/UNALM/2070 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/1369488 | |
| dc.description | Ciclo Optativo de Especialización y Profesionalización en Marketing y Finanzas | |
| dc.description | El 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. | |
| dc.description | Tesis | |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Universidad Nacional Agraria La Molina | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.source | Universidad Nacional Agraria La Molina | |
| dc.source | Repositorio institucional - UNALM | |
| dc.subject | Algoritmo de arbol de clasificación Cart | |
| dc.subject | Modelo de regresión logística | |
| dc.subject | Telefonía móvil | |
| dc.subject | Telecomunicaciones | |
| dc.subject | Servicios | |
| dc.subject | Bases de datos | |
| dc.subject | Gestión | |
| dc.subject | Grupos de interés | |
| dc.subject | Modelos matemáticos | |
| dc.subject | Modelos econométricos | |
| dc.subject | Ventas | |
| dc.subject | Evaluación | |
| dc.subject | Perú | |
| dc.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 | |
| dc.type | Tesis | |
