Técnicas de machine learning aplicadas al análisis de intención de compra online

Abstract

En la actualidad, se presenta un continuo auge en lo que refiere a la compra online debido a que los clientes encuentran este método más cómodo y a su vez, es más factible localizar entre una gran diversidad de productos lo que concretamente se desea. Es por ello, que los comercios deben actualizar ininterrumpidamente su plataforma digital con ayuda de los datos más importantes sobre su comercio, como puede ser la cantidad de clientes que visitan su página web o los ingresos que generan de manera online. Todo lo anteriormente mencionado, se refleja en la analítica web, una disciplina que actualmente se encuentra en continuo crecimiento. En ella, se recogen todos los datos de interés para una página web, destacando la función influyente en la misma, de la herramienta Google Analytics. Muchos datos de interés para la página web de un negocio se obtienen gracias a la analítica web, permitiéndose así conocer el comportamiento del cliente que acceda a la misma. En el presente informe y mediante la aplicación de diferentes técnicas de Machine Learning, como Componentes Principales y diversas técnicas de clasificación de observaciones, en concreto, Análisis Cluster, K-Nearest Neigbour y Support Vector Machine, cuya finalidad consiste en la simplificación de la base de datos, así como de enriquecer la competencia y la profesionalidad del negocio online en el mercado, se desarrolla un análisis sobre las compras adquiridas por los clientes que inician sesión en cierto negocio web durante un año, con el fin de evaluar que método de los empleados, proporciona un mayor nivel de fiabilidad, mediante la división de los datos en dos, la mitad utilizados como datos de entrenamiento, y el resto de ellos, para tratamiento de prueba, de tal forma que se genere un modelo apto, que permita estudiar futuros datos que recoja la empresa, incluso predecir las futuras compras llevadas a cabo por clientes que acceden a la página web.

Nowadays, a continuous boom of online shopping is shown due to the fact that customers find this method more comfortable and at the same time, they find a great diversity of products. For this reason, businesses must continuosly update their digital platform with the help of the most important data about their business, such as the number of customers visiting their website or the revenue they generate online. Al lof above is reflected in web analytics, a discipline that is in continuous growth. In it, all the data of interest to a website are collected, highlighting the influential role in it, the Google Analytics tool. Many interesting data for the website of a business are obtained thanks to web analytics, thus allowing to know the behaviour of the customer who accesses it. In this report and though the application of the different Machine Learning techniques, like Principal Components, and several classification techniques, in particular, Cluster Analysis, K-Nearest Neigbour and Support Vector Machine, whose purpose is to simplify the database, as well as to enrich the competence and professionalism of the online business in the market, an analysis is developed on the purchases made by customers who log in to a certain web business during a year, in order to evaluate which of the methods used, provides a higher level of reliability, by diving the data in two, half of them, for test treatment, in such a way that a suitable model is generated, through which, it is possible to study future data collected by the company, even to predict future purchases made by future customers of the website.