Resumen:
Estimular el uso de la tarjeta de crédito es un tema muy crucial en una entidad bancaria para alcanzar dentro de su plan estratégico un objetivo primordial, el cual es, el incrementar las estrategias comerciales; sin embargo, realizarlo de manera muy tradicional como generalmente se hace, en la que no existe un sistema que pueda recomendar aquellos comercios más relevantes e idóneos y que el tarjetahabiente pueda ser estimulado para realizar una transacción con su tarjeta de crédito, es el reto en el cual se enmarca este trabajo de investigación. El objetivo que se persigue es crear un modelo de clustering y recomendador que permita estimular el uso de la tarjeta de crédito, y para ello, se realiza mediante la utilización de información propia del cliente, así como también, de la transaccionalidad histórica del uso de la tarjeta de crédito. Se aplican técnicas de inteligencia artificial como análisis de componentes principales para descubrir cuáles son las variables que discriminaran los grupos; además, se aplica el algoritmo de aprendizaje no supervisado clustering HCPC para crear una segmentación de aquellos clientes con características y patrones de consumo similares. Todo con el fin de aplicar el tipo de recomendación de filtrado colaborativo basado en ítem y usuario. Se realiza una evaluación del modelo tanto para el enfoque predictivo así como también, para el enfoque de recomendación, aplicando la técnica de validación cruzada k-fold y validar las recomendaciones que genera el algoritmo, con la finalidad de que los resultados sean precisos y eficientes a la hora de sugerir qué comercios son los más relevantes y estimular de esta manera, el uso de la tarjeta de crédito, concluyendo de forma significativa los objetivos que persigue este trabajo de investigación.
- Eje temático: Aplicaciones prácticas de la probabilidad, la estadística y el análisis de datos.
- Ponente: Welman Rosa Alvarado