Predecir qué es lo que los clientes quieren antes que ellos. Ver la charla :https://www.youtube.com/watch?v=eXtWRkfMisM

1. Kaggle: Coupon Purchase Prediction.
Predecir que es lo que los clientes quieren antes que ellos.
Alejandro Tobon
Karen Viviana Torres
Roby Rubiano

2. Sistemas de recomendación
El Premio Netflix era un concurso abierto para el mejor algoritmo
de recomendación.
Premio un millón de dólares.
Amazon cuenta con un algoritmo personalizado de recomendación
que ellos llaman filtrado colaborativo ítem a ítem.
Fue desarrollado en casa y esta patentado en los
Estados Unidos.
Los videos recomendados representaron aproximadamente el 60%
de los clics en la página principal.
Se encontró la tasa de clics (CTR) se incrementó en un 207% para
los videos recomendados.
Un sistema de recomendación es un sistema inteligente que
proporciona a los usuarios una serie de sugerencias
personalizadas

3. Contenido
 Antecedentes
 Solución propuesta

4. Contenido
 Antecedentes
 Solución propuesta

5. Antecedentes
 Ponpare es un sitio web muy parecido a
Groupon.
 Ponpane el es sitio web líder en Japón,
que ofrece grandes descuentos de todo
tipo, desde el yoga, hasta sushi gourmet
 Por medio del uso de la información
histórica de compras y el
comportamiento de navegación, se
quiere predecir que cupones el cliente
va a comprar en un período
determinado de tiempo
 Se utilizarán los modelos resultantes
para mejorar el sistema de
recomendación actual.

6. Contenido
 Antecedentes
 Solución propuesta

7. Solución propuesta:
Planteamiento
Clientes y
cupones
 Información Histórica de
compras.
 Información de histórica
de navegación.
 Información detallada
de los groupones
 Datos demográficos del
cliente
Modelo
Analítico
El modelo entrega como resultado por cada cliente la lista de los 10
cupones mas propensos a la compra.

8. Modelo Analítico Fases
Calculo de similitud de
usuarios.
Esta medida depende de los
productos que compren en
común.
Vector de preferencias de cada
usuario.
VP: vector que contiene la
proporción de cuponesque
compro o visito con sus
características
Se emiten recomendaciones
Se mide la calidad y efectividad
del modelo
1
2
3
4

9. Diana
Pilar
Modelo Analítico: Similitud
La medida de similitud es un indador de 0 a 1, donde 1 significa que
compraron lo mismo y 0 significa lo contrario

10. Modelo Analítico: Vector de
preferencias de su comunidad
Cada variable que se define en el vector tiene un peso.
Diana
• 20% de los cupones los compro en SPA
• 40% de los cupones los comro en restaurantes.
• 50% de los cupones los compro en Bogota
• 40% de los cupones costaban menos de 50.000
Pilar……..
Arturo ……..

11. Modelo Analítico: Calidad
 Se entrena con todos los registros que están entre
las fechas (2011-07-01 to 2012-06-16), casi un año.
 Se mide la calidad con las compras que se
efectuaron entre (2011-06-13 to 2012-06-23)
 Se debe encontrar la combinación de pesos en el
vector de preferencias que maximizan la métrica de
calidad del modelo
 La métrica que se utiliza es la MAP@10