Skip navigation
Please use this identifier to cite or link to this item: http://uvadoc.uva.es/handle/10324/27668
Title: Desarrollo de un modelo predictivo de la probabilidad de compra de un consumidor en el canal digital de un e-commerce retail
Authors: González Cea, José Marcial
Editors: Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
Tutor: Jiménez Cuadrillero, Miguel Ángel
Miguel Jiménez, Ignacio de
Issue Date: 2017
Degree : Máster en Ingeniería de Telecomunicación
Abstract: En este proyecto se presenta una prueba de concepto del despliegue de un modelo de aprendizaje automático, desde la implementación de la arquitectura siguiendo los principios de la metodología CRISP-DM hasta el desarrollo concreto del algoritmo predictivo mediante técnicas de clasificación, que ofrece la probabilidad de compra de un usuario de un e-commerce retail a partir de su interacción en el canal digital. Se trata del trabajo realizado durante unas prácticas en la empresa Luce IT. La primera parte de la definición y preparación de la infraestructura necesaria se ha llevado a cabo conjuntamente con otro alumno, Diego Alonso Manzano. La herramienta de análisis de experiencia de usuario existente en el cliente se configura adecuadamente para la extracción de los datos definidos del contexto de la navegación de los usuarios. En Splunk se recogen y almacenan esos datos, los cuales son exportados a R, donde se realiza la generación del modelo predictivo. El despliegue final del modelo es conseguido mediante OpenCPU, ofreciéndose como un servicio web accesible de forma remota para su consulta. La parte central del proyecto sobre el desarrollo del algoritmo se ha hecho de manera individual. Árboles de decisión, redes neuronales artificiales y máquinas de vectores de soporte (SVM) son las técnicas elegidas para tratar de modelar el objetivo, siguiendo una metodología de desarrollo concisa y detallada haciéndose uso de la potencia del paquete caret de R. Una división de los datos en conjunto de entrenamiento y test, y el empleo de validación cruzada aseguran la validez y correcta generalización de los resultados obtenidos. El mejor modelo es finalmente elegido utilizando la métrica del área bajo la curva ROC. Complementariamente una página web de ejemplo para la consulta de ese modelo tras su despliegue se ha desarrollado.
Classification: Arboles de decisión
CRISP-DM
Curva ROC
Redes neuronales
Departament : Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
Language: spa
URI: http://uvadoc.uva.es/handle/10324/27668
Rights: info:eu-repo/semantics/embargoedAccess
Appears in Collections:Trabajos Fin de Máster UVa

Files in This Item:
File Description SizeFormat 
TFM-G811.pdf96,35 kBAdobe PDFThumbnail
View/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Suggestions
University of Valladolid
Powered by MIT's. DSpace software, Version 5.5
UVa-STIC