Publicado
El uso de la analítica de datos para la segmentación y predicción del comportamiento de los clientes
Palabras clave:
. (es)Descargas
.
Referencias
Cadavid, L., Awad, G. y Franco, C. (2012). Análisis
bibliométrico del campo modelado de difusión de
innovaciones. Estudios Gerenciales, 28, 213-236. http://
www.scielo.org.co/pdf/eg/v28nspe/v28nspea12.pdf.
Chatterjee, S., Rana, N. P., Tamilmani, K. y Sharma,
A. (2021). The effect of AI-based CRM on organization
performance and competitive advantage: An empirical
analysis in the B2B context. Industrial Marketing
Management, 97, 205-219. https://doi.org/10.1016/j.
indmarman.2021.07.013.
Chen, D. (2019). Online Retail II Data Set. https://archive.
ics.uci.edu/ml/datasets/Online+Retail+II.
Google Architecture Center (2021). https://cloud.
google.com/architecture?hl=es-419.
Heldt, R., Silveira, C. S. y Luce, F. B. (2021). Predicting
customer value per product: From RFM to RFM/P.
Journal of Business Research, 127, 444-453. https://doi.
org/10.1016/j.jbusres.2019.05.001.
Mosquera-González, D. (2022). Método para la
segmentación de clientes incorporando la predicción del valor
monetario del cliente como una variable de segmentación.
[Tesis de maestría]. Universidad Nacional de Colombia,
Medellín, Colombia. https://repositorio.unal.edu.co/
handle/unal/81631.
Rathi, T. y Ravi, V. (2017). Customer lifetime value
measurement using machine learning techniques.
En Artificial Intelligence: Concepts, methodologies, tools, and
applications (pp. 3013-3022). https://doi.org/10.4018/978-
1-5225-1759-7.ch124.
Tsai, T., Lin, C. y Prasad, M. (2019). An Intelligent
customer churn prediction and response framework.
2019 IEEE 14th International Conference on Intelligent Systems
and Knowledge Engineering (ISKE), 928-935. https://doi.
org/10.1109/ISKE47853.2019.9170380.
