Optimización de campañas de marketing mediante técnicas de clasificación

Abstract

Este Trabajo Fin de Grado tiene como objetivo optimizar las campañas de marketing mediante el uso de técnicas de clasificación aplicadas a la base de datos Marketing Campaign disponible en Kaggle. A partir de información sobre el perfil sociodemográfico y los hábitos de consumo de 2.240 clientes, se pretende identificar los factores que influyen en la aceptación de las campañas y desarrollar modelos predictivos que ayuden a mejorar la segmentación y asignación de recursos publicitarios. Para ello, se aplican y comparan tres modelos de clasificación: regresión logística, Random Forest y Gradient Boosting. Los resultados muestran que el gasto en vinos, seguido de carnes y productos de oro, son factores clave para explicar la respuesta positiva de los clientes, mientras que ciertas variables sociodemográficas, como número de hijos, tienen menor relevancia. Entre los modelos evaluados, el Gradient Boosting ofrece el mejor equilibrio entre exactitud y capacidad discriminativa. En conjunto, el estudio demuestra que el aprendizaje automático permite identificar patrones de comportamiento más precisos que el análisis exploratorio, facilitando la implementación de campañas segmentadas, personalizadas y más efectivas.