La empresa de telecomunicaciones busca segmentar a sus clientes y desarrollar un sistema de recomendación de aplicaciones mediante el análisis de los registros de uso (logs) de los clientes. Esto permitirá a la empresa conocer mejor los intereses y comportamientos de los clientes para ofrecer productos personalizados y aumentar las ventas y la fidelización. La empresa utilizará algoritmos de clustering y collaborative filtering para segmentar a los clientes y generar recomendaciones.
0 calificaciones0% encontró este documento útil (0 votos)
21 vistas17 páginas
La empresa de telecomunicaciones busca segmentar a sus clientes y desarrollar un sistema de recomendación de aplicaciones mediante el análisis de los registros de uso (logs) de los clientes. Esto permitirá a la empresa conocer mejor los intereses y comportamientos de los clientes para ofrecer productos personalizados y aumentar las ventas y la fidelización. La empresa utilizará algoritmos de clustering y collaborative filtering para segmentar a los clientes y generar recomendaciones.
La empresa de telecomunicaciones busca segmentar a sus clientes y desarrollar un sistema de recomendación de aplicaciones mediante el análisis de los registros de uso (logs) de los clientes. Esto permitirá a la empresa conocer mejor los intereses y comportamientos de los clientes para ofrecer productos personalizados y aumentar las ventas y la fidelización. La empresa utilizará algoritmos de clustering y collaborative filtering para segmentar a los clientes y generar recomendaciones.
La empresa de telecomunicaciones busca segmentar a sus clientes y desarrollar un sistema de recomendación de aplicaciones mediante el análisis de los registros de uso (logs) de los clientes. Esto permitirá a la empresa conocer mejor los intereses y comportamientos de los clientes para ofrecer productos personalizados y aumentar las ventas y la fidelización. La empresa utilizará algoritmos de clustering y collaborative filtering para segmentar a los clientes y generar recomendaciones.
Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
Descargar como pptx, pdf o txt
Está en la página 1/ 17
“La segmentación de clientes y el
recomendador de aplicaciones”
Contexto
La atención a los clientes es más eficiente cuando se tiene mayor
conocimiento sobre su comportamiento, pues esto permite personalizar el tratamiento y las ofertas para ellos.
Con Big Data, la posibilidad de analizar grandes volúmenes de datos y
nuevos tipos de datos permite que la segmentación sea más detallada, consiguiendo más información por grupo y un número de grupos mayor, es decir, Big Data permite hacer una microsegmentación.
1 Una empresa de telecomunicaciones gestiona las conexiones de Smartphone a su red de comunicación e Internet y dispone de datos del uso que hacen sus clientes de las aplicaciones de la empresa. Para poder ofrecerles productos a medida de sus necesidades e intereses, la empresa se plantea construir grupos de clientes, para mejorar su conocimiento sobre los mismos y, de esta forma, personalizar su oferta de aplicaciones. Por lo tanto, el principal objetivo de la empresa 1 es segmentar a los clientes en grupos.
2 ¿Cómo lograr el objetivo?
Para alcanzar su objetivo, la empresa utilizará el análisis de los “logs”. Los
“logs” son el registro de todos los eventos o acciones producidos por los clientes durante la navegación web o utilización de una aplicación de la empresa.
Una vez realizado el análisis y la segmentación, se pretende
desarrollar un “motor de recomendación sobre aplicaciones”,
3 Consideraciones técnicas para lograr el objetivo
Con el fin de desarrollar la segmentación para detectar tendencias de consumo y
tendencias del tipo de contenido consumido, la empresa debe ejecutar algoritmos de diversos tipos. En el caso de las tendencias de consumo, se utilizan algoritmos de clustering, en cambio para segmentar a los clientes en función de los tipos de contenidos que consumen se utiliza otro algoritmo. Finalmente, una vez que ya se ha hecho el análisis de logs mediante los algoritmos, se elabora el sistema de recomendación. Para ello, se utiliza la técnica de collaborative filtering.
4 ¿Cuál es el valor de esta solución para el negocio de la empresa?
La microsegmentación realizada en este caso de uso trata de obtener el
máximo valor de los logs de navegación para mejorar el conocimiento que la empresa tiene sobre sus clientes y sus comportamientos.
Además, gracias a estos datos, la empresa podrá realizar ofertas
personalizadas a sus clientes en el momento y lenguaje más adecuados, permitiendo materializar sus beneficios como un aumento en las ventas y en la fidelización de los clientes
5 Creación de un lago de datos
Análisis de datos Consideraciones para predecir y técnicas detectar anomalías
Visualización de los diferentes KPIs
6 Valor de negocio al La nueva Optimizar los implementar un disponibilidad de procesos de gestión panel de control de información de mantenimiento fallos
Reducir los tiempos
El servicio ofrecido sin servicio, al mejora: por una acelerar la tolerancia mayor a asignación de tareas fallos u órdenes de trabajo
7 CASO 3
8 Segmentación de clientes y predicción consumo y demanda de servicios
9 Contexto del caso Una gran compañía de telecomunicaciones se plantea utilizar los datos de consumo de sus clientes, los que provienen del uso que ellos hacen de sus teléfonos móviles, para configurar tipos de productos y/o servicios y tarifas que se adapten mejor a la demanda de sus clientes.
10 Situación Empresa necesita adaptar sus servicios Requiere entender en qué actividades sus clientes consumen más datos de sus teléfonos móviles Logrará comprender su comportamiento (clientes) y necesidades
11 Objetivo: identificar los patrones principales de consumo de los clientes en los siguientes aspectos:
Horarios de llamadas Cantidad de llamadas Destino de las llamadas Duración de las llamadas Cantidad de mensajes de texto. Consumo de datos
12 ¿Cómo lograr el objetivo? Para encontrar los patrones: La empresa debe analizar los registros de llamada y registros de conexión de datos de las líneas de teléfono móvil de clientes específicos. Mediante el análisis y registro: La empresa podrá categorizar a los clientes en grupos y luego, incluso, predecir el consumo que harán en sus teléfonos móviles y la demanda de servicios en los mismos.
13 Consideraciones técnicas para lograr el objetivo
Identificar el destino de la llamada o proveedores de
servicios que se han consumido a través de las conexiones de datos. Realizar analítica predictiva sobre las variables relevantes como coste, duración de las llamadas y consumo de datos en bytes. Segmentar las líneas de teléfono acorde a sus comportamientos
14 ¿Cuál es el valor de esta solución para el negocio de la empresa?
Entender los diferentes usos de las líneas.
Identificar grupos de clientes con comportamientos parecidos. Predecir futuros usos de servicios y costes. Recomendar tarifas ajustadas a las necesidades de los clientes.
15 Conclusiones Gracias al Big Data vemos como las empresas pueden afrontar nuevos retos y dar respuesta a las nuevas necesidades de negocio, mejorando los procesos de la toma de decisiones y adaptándose a un consumidor cada vez más exigente. El uso del Big Data y las técnicas de analítica avanzada, ayudan a alcanzar los objetivos de cada empresa y que estos a su vez aporten valor a su negocio, ayudándoles a adquirir una ventaja competitiva en el mercado.
