proyecto
Smart Followup
Registro en:
18COTE-98095
2018-98095-INNOVA_PRODUCCION
Autor
Manuel Patricio Neira Cardenas
Jach Technology Spa
Institución
Resumen
Automatizar el Análisis de Tráfico de Llegada y los Efectos de Promociones con Llegadas Individuales. Desarrollo de Modelos para Tiempos entre Eventos Consecutivos Luego Realizar los Ajustes al Sistema Anteriormente Realizado para que Pueda Trabajar con Eventos Individuales y los Inputs Previamente Descritos. Automatizar el Análisis de Tráfico de Llegada y los Efectos de Promociones con Recuentos en Bandas Horarias. Para el Caso de los Algoritmos de Predicción de los Efectos de las Promociones en el Recuento de Llegada de Clientes en Bandas Horarias se Desarrollará un Método que Permita en Forma Automática Ajustar los Parámetros del Modelo Utilizando Técnicas de Optimización como el Conocido como Método del Gradiente o Enjambre de Partículas. Luego se Aplicará Machine Learning para la Selección Automática de Distribuciones Dentro de la Clase Gamlss de Variables para el Modelo y Evaluación Automática de Diagnósticos (construcción Automática) Finalmente se Utilizarán Modelos de Interpretación de Lenguaje Natural sobre los Eventos que Ingresan los Colaboradores del Retailer para Clasificarlos y Alimentar el Algoritmo. Automatizar la Predicción de Tasa de Conversión y los Efectos de Promociones en el Comportamiento de Dicha Tasa. Realizar los Ajustes Necesarios al Modelo de Tráfico Junto con las Pruebas y Mejoras que Nos Permitan Estimar los Casos Basales y Reales del Indicador Conversión Entendiendo que este Incluye al Análisis la Cantidad de Boletas que se Generaron Respecto del Tráfico que Ingreso a la Tienda en el Mismo Periodo Automatizar la Predicción de Ventas por Boleta. Este Modelo en Conjunto con los Modelos Anteriores Nos Permitirá Realizar Estimaciones de Venta Final Dado que Esta se Compone de la Cantidad de Entradas la Tasa de Conversión de la Tienda y su Ticket Promedio por lo que Comprende Realizar los Ajustes Necesarios para que los Modelos Puedan Estimar el Comportamiento de este Indicador y Luego Incluirlos en el Análisis Final. Este Objetivo También Incluye la Realización de Reportería que Nos Permita Mostrar los Resultados de los Algoritmos y Métodos de Machine Learning al Cliente Final El Objetivo General de este Proyecto es Aprovechar de Mejor Manera la Gran Cantidad de Data con la que Contamos y a Través de Modelos Predictivos Poder Entregarle de Forma Automatizada Mejores Recomendaciones a nuestros Clientes. Por un Lado esto Ayudará a que ellos Logren Tomar Decisiones Más Acertadas en Cuanto a la Gestión en Tienda y de Esta Manera Obtengan Mejores Resultados y por Otro Lado También Ayudará a que nuestro Servicio de Post Venta Sea Mucho Más Eficiente Logrando Entregar Recomendaciones a un Volumen de Tiendas Mucho Más Alto al que se le Entrega Hoy en Día y Ahorrando Horas Hombre las Cuales Pueden Ser Destinadas a Otras Tareas. En Followup Somos una Empresa Experta en Custome Experience para Retail Extraemos Información de Cómo los Clientes Interactúan con la Tienda Usando Tecnología para Luego Cruzar Esa Información con las Ventas Crm Wfm Etc del Cliente para Generar Kpis Orientados a Mejorar su Gestión de Ventas lo cual se Logra a Través del Trabajo Conjunto con las Diferentes Áreas de la Organización (marketing Rr. Hh Comercial Etc. ) a Través de Estas Tecnologías la Información Recolectada durante los Años que Llevamos Operando es Muy Valiosa y la Base de Datos con la que Contamos es Muy Extensa por lo cual el Proyecto Busca Utilizar Dicha Información en Conjunto con Métodos Estadísticos y el Uso de Machine Learning o Redes Neuronales para Generar Recomendaciones y Predicciones Automatizadas que Nos Permitan Ampliar nuestro Impacto en los Clientes Alcanzando a Toda la Organización. Corporación de Fomento de la Producción