Análisis de efectividad de campañas en empresas de consumo masivo, mediante el uso de modelos probabilísticos de clasificación binaria

Abstract

El presente proyecto tiene como propósito principal realizar un análisis de la efectividad de campañas, que pueden ser de marketing o promocionales, para el caso de empresas de consumo masivo con enfoque al tipo de negocios retail supermercados. Esto por medio de la utilización de modelos probabilísticos de predicción binaria que representan el éxito o rechazo de estas campañas. Los datos para el análisis corresponden a un dataset obtenido en el repositorio público Kaggle, el cual contiene información acerca de una empresa de consumo con registros anonimizados de clientes, datos demográficos, históricos y preferencias de consumo de los mismos, finalizando con información de su aceptación o rechazo a determinada campaña. Se realiza un análisis de la correlación de las variables frente a la variable de respuesta que permiten entender el comportamiento del consumidor. Así también para predecir la probabilidad de que un cliente dé una respuesta positiva frente a una campaña, se hace uso de los modelos más comunes de clasificación algorítmica como son regresión logística, árboles decisión, random forest, entre otros para poder obtener el modelo y metodología de mayor precisión en la predicción de los datos. Adicionalmente, los resultados presentados en este proyecto permiten conocer cuáles son los factores que más inciden para el éxito de una campaña en este caso y poder extrapolar estos hallazgos para combinarlos con el conocimiento empresarial para establecer estrategias más generalizadas que permitan a las empresas dirigir mejor sus proyectos y que estos tengan un alcance eficiente ante los consumidores.