Análisis de patrones de movimiento de clientes en supermercados utilizando machine learning

Abstract

El análisis del comportamiento de los clientes en supermercados representa un desafío para optimizar la experiencia del consumidor y la gestión operativa. Esta tesis combina enfoques tradicionales y avanzados para estudiar patrones de movimiento mediante modelos de regresión y aprendizaje automático, utilizando datos capturados a través de tecnología Wi- Fi. El objetivo principal es identificar los factores que influyen en las trayectorias y proponer estrategias basadas en los hallazgos. En la metodología, se desarrolló un exhaustivo proceso de limpieza y preparación de datos para garantizar la calidad del análisis. Además, se segmentó a los clientes en dos perfiles principales (exploradores y enfocados), lo que permitió identificar diferencias significativas en sus comportamientos. Las trayectorias se analizaron con métricas derivadas como distan- cias entre puntos consecutivos, tiempo total de permanencia y frecuencia de observaciones, integrando variables contextuales como congestión y temperatura. Los modelos de regresión lineal, con y sin efectos fijos, revelaron que factores como la hora del día, el día de la semana y la congestión impactan significativamente la velocidad de desplazamiento de los clientes. Las áreas del supermercado, como Frutas y Verduras o Congelados, promovieron movimientos más dinámicos, mientras que secciones como Electro ralentizaron el flujo. Estos hallazgos destacan la importancia de ajustar estrategias operativas según las dinámicas de los clientes. Por otro lado, el uso de XGBoost permitió capturar relaciones no lineales y mejorar la precisión de las predicciones. Mediante análisis de interpretabilidad con valores SHAP, se identificaron las variables más influyentes en la velocidad y el tiempo restante en sala de ven- tas, como la congestión, las distancias entre puntos consecutivos y el tiempo restante en la trayectoria. Además, se evaluaron velocidades futuras y tiempos de permanencia, demostran- do que el modelo es eficaz para predecir dinámicas de corto plazo, aunque con limitaciones en horizontes más lejanos. Esta investigación confirma que factores temporales, espaciales y de densidad son determi- nantes en el comportamiento de los clientes y destaca el potencial de herramientas avanzadas para optimizar el diseño del espacio y la gestión operativa en supermercados. Estos hallazgos sientan las bases para futuras investigaciones y aplicaciones prácticas en entornos comerciales complejos.