Desarrollo de un sistema de recomendaciones para un sitio de comercio electrónico

Abstract

Resumen Desde el inicio de internet, el comercio electrónico ha estado creciendo de forma significativa, aprovechando todas las tecnologías que mejoren el negocio y tengan como fin que el usuario haga compras a través del sistema y se sienta más satisfecho con el proceso. Debido a la alta competencia que existe entre comercios electrónicos (conocido por su denominación en inglés como ecommerce), estos se ven en la necesidad de implementar soluciones que mejoren significativamente la experiencia de usuario, con el objetivo, de aumentar la intención de compra e incrementar sus ventas. Dejar de lado la atención de mejorar la satisfacción y personalización del usuario, puede tener un impacto negativo en el negocio y un bajo posicionamiento a diferencia de quienes sí lo tienen.En el marco de los grandes volúmenes de datos, la ciencia de datos y el aprendizaje automático, una de las soluciones posibles para ofrecer una buena experiencia de usuario, es el desarrollo de un sistema de recomendación; con base en el comportamiento del usuario, sus compras, sus visitas y sus opiniones, se busca crear una experiencia más personalizada para el comprador y así incrementar las ventas. El objetivo de este proyecto es desarrollar un sistema de recomendación para el e-commerce Aprovecha.com.Para lograr esto, se utilizó el lenguaje de programación Python, MongoDB como almacén de datos y siguiendo la metodología para la ciencia de datos de IBM. El problema fue analizado, los datos fueron recolectaros, preparados y así se realizó la predicción de las recomendaciones, mediante un filtrado colaborativo; se implementaron dos propuestas de algoritmos para las recomendaciones y cada uno fue evaluado con métricas de precisión estadística, siendo elegido como sistema recomendación el más preciso de ambos.Finalmente, el sistema de recomendación fue desarrollado y evaluado,quedando para la integración con el e-commerce Aprovecha.com Palabras Clave:ciencias de datos, minería de datos, machine learning,aprendizaje automático, comercio electrónico, e-commerce, sistema de recomendación.