Presentación Anteproyecto

Precisión de las estimaciones en el comportamiento
del consumidor aplicando métodos estadísticos no

convencionales en comercio electrónico.
Universidad Santo Tomás – Facultad de estadística

Maestría en estadística aplicada - Seminario de investigación
Docente: Ph. D. Wilmer Pineda Ríos
1
FREDY ALEXANDER RIVERA GÓMEZ 12/7/21
Planteamiento del problema
¿Los métodos de machine learning y redes neuronales

pueden mejorar la precisión de las estimaciones sobre
el comportamiento y elección del consumidor?
FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 2

Objetivos
Objetivo General
Aplicar técnicas estadísticas no convencionales como aprendizaje automático y redes neuronales, para
obtener estimaciones más precisas sobre el comportamiento del consumidor y sus preferencias.
Objetivos específicos
Determinar la variables demográficas, económicas, sociales y políticas, entre otras que influyen en el
comportamiento del consumidor y sus preferencias en comercio electrónico en Colombia.
Evaluar el poder predictivo de diferentes técnicas de aprendizaje automático y redes neuronales, con el fin
de determinar, cual es la que mejor se adapta al comportamiento del consumidor y sus preferencias en
comercio electrónico en Colombia.
Comparar el desempeño de las técnicas estadísticas no convencionales planteadas, con los métodos
estadísticos tradicionales comúnmente utilizados para predecir el comportamiento del consumidor y sus
preferencias en comercio electrónico en Colombia.

Antecedentes - Comportamiento del
consumidor
¿Para que?
Busca evaluar el comportamiento de las personas cuando se ven enfrentadas a tomar decisiones sobre cómo
gastar sus recursos (tiempo, dinero y esfuerzo) para buscar, comprar, utilizar, evaluar y/o desechar
productos o servicios que ellos creen podrían satisfacer sus necesidades.
Enfoque económico.
Enfoque basado en psicología y

sociología.
Modelización del comportamiento del

consumidor.

Antecedentes – Comercio electrónico en Colombia
América latina tiene la segunda tasa mas baja. 11%
Colombia crecimiento del comercio electrónico en

un 25% en 2020 25,3, $17 bill. Enero a Agosto
Se realizan estimaciones que buscan predecir los

niveles de ventas y la transaccionalidad.
No se encontró en la bibliografía estudios que

estimen comportamiento del consumidor en
comercio electrónico en Colombia.
Porcentaje de la población que realiza compras por internet

Técnicas de predicción utilizadas en estimaciones de
comportamiento del consumidor
Tradicionales Aprendizaje automático
Redes neuronales
Regresión logística
• Redes neuronales adaptativas
• Redes neuronales difusas
Arboles de decisión
Análisis • Bagging
discriminante
Aprendizaje por transferencia

Metodología
El estudio a realizar se clasifica como:
• Etapa 1 Recolección de la información

Propósito: Práctico – científico
• Etapa 2.Preparación de la información
Profundización: Descriptivo
• Etapa 3.Análisis exploratorio de la información
Datos empleados: Naturaleza cuantitativa
• Etapa 4 Formulación de los modelos
Manipulación de variables: No experimental
• Etapa 5 Ejecución
Inferencia: Hipotética - deductiva • Etapa 6 Prueba
• Etapa 7 Comparación de resultados

Cronograma

Referencias
1. E. Alfaro-Cortés, N. Rubio, M. Gámez, and Editors. Ensemble Classification Methods with Applications in R. 10 2018. ISBN 978-1-
119-42109-2.
2. R. Briesch and P. Rajagopal. Neural network applications in consumer behavior. Journal of Consumer Psychology, 20(3):381–389,
2010. ISSN 10577408. URL http://www.jstor.org/stable/20778651.
3. C. C. de comercio electrónico. Boletín económico sobre comercio electrónico. 2, 10 2019. URL www.ccce .org.co.
4. C. C. de comercio electrónico. Comportamiento del ecommerce en Colombia durante 2020 y perspectivas para 2021. 2020. URL
www.ccce.org.co.
5. X. F. Du, S. C. Leung, J. L. Zhang, and K. K. Lai. Demand forecasting of perishable farm products using support vector machine.
International journal of systems Science, 44(3):556–567, 2013.
6. F. J. M. P. G. B. P. . Q. J. M. González-Revaldería, J. Curso de estadística para el laboratorio clíınico. módulo 3: Regresíon
logística. 2007.
7. M. N. Greene, P. H. Morgan, and G. R. Foxall. Neural networks and consumer behavior: Neural models, logistic regression, and the
behavioral perspective model. The Behavior Analyst, 40(2):393–418, 2017.
8. Y. Hayashi, M.-H. Hsieh, and R. Setiono. Predicting consumer preference for fast-food franchises: A data mining approach. The
Journal of the Operational Research Society, 60(9):1221–1229, 2009. ISSN 01605682, 14769360. URL
http://www.jstor.org/stable/40295615.
9. C. López. Técnicas de análisis multivariante: Aplicaciones con SPSS. Pearson, 01 2004. ISBN 978-84- 205-4104-4.
10. A. Mayoral and J. Morales. Modelos lineales generalizados. Universidad Miguel Hernández, 01 2001. ISBN 84-95893-01-0.
11. J. J. Mora. Introducción a la Teor´ıa del Consumidor de la Preferencia a la estimación. Juan Carlos Martínez Coll, 2002.
12. I. Q. Pardo, G. B. Contrı, and M. A. G. Borja. Comportamiento del consumidor. Editorial Uoc, 2014.
13. K. Quero Virla, MiltonInciarte Pirela. Clasificación de las técnicas estadísticas multivariantes. Telos, 2012. ISSN 1317-0570. URL
https://www.redalyc.org/articulo.oa?id=99323311009.

Referencias
1. S. Raschka, V. Mirjalili, and Editors. Python Machine Learning. Aprendizaje automático y aprendizaje profundo con Python, scikit-
learn y TensorFlow. 02 2019. ISBN 978-84-267-2720-6.
2. L. G. Schiffman and L. L. Kanuk. Comportamiento del consumidor. Pearson educaci´on, 2005.
3. P. M. West, P. L. Brockett, and L. L. Golden. A comparative analysis of neural networks and statistical methods for predicting
consumer choice. Marketing Science, 16(4):370–391, 1997. ISSN 07322399, 1526548X. URL http://www.jstor.org/stable/184232.
4. B. Zhu, C. He, and X. Jiang. Customer choice prediction based on transfer learning. The Journal of the Operational Research
Society, 66(6):1044–1051, 2015. ISSN 01605682, 14769360. URL http:// www.jstor.org/stable/24505229.

0
Gracias

Presentación Anteproyecto

Cargado por

Copyright:

Formatos disponibles

Presentación Anteproyecto

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Presentación Anteproyecto

Cargado por

Copyright:

Formatos disponibles

Precisión de las estimaciones en el comportamiento

del consumidor aplicando métodos estadísticos no

Universidad Santo Tomás – Facultad de estadística

Docente: Ph. D. Wilmer Pineda Ríos

¿Los métodos de machine learning y redes neuronales

FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 2

FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 3

Enfoque basado en psicología y

Modelización del comportamiento del

FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 4

América latina tiene la segunda tasa mas baja. 11%

Colombia crecimiento del comercio electrónico en

Se realizan estimaciones que buscan predecir los

No se encontró en la bibliografía estudios que

Porcentaje de la población que realiza compras por internet

FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 5

Tradicionales Aprendizaje automático

FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 6

El estudio a realizar se clasifica como:

• Etapa 1 Recolección de la información

• Etapa 7 Comparación de resultados

FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 7

FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 8

FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 9

FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 1

FREDY ALEXANDER RIVERA GÓMEZ 12/7/21 11

También podría gustarte