Modelos de propensión integrados para la optimización de campañas de marketing
Professor Advisor
dc.contributor.advisor
Weber Haas, Richard
Author
dc.contributor.author
Wilson Matthey, Daniel
Staff editor
dc.contributor.editor
Facultad de Ciencias Físicas y Matemáticas
Staff editor
dc.contributor.editor
Departamento de Ingeniería Industrial
Associate professor
dc.contributor.other
Bravo Román, Cristián
Associate professor
dc.contributor.other
Aburto Lafourcade, Luis Alberto
Associate professor
dc.contributor.other
Lara Rodríguez, Verónica
Admission date
dc.date.accessioned
2014-01-02T13:28:30Z
Available date
dc.date.available
2014-01-02T13:28:30Z
Publication date
dc.date.issued
2013
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/115005
General note
dc.description
Magíster en Gestión de Operaciones
General note
dc.description
Ingeniero Civil Industrial
Abstract
dc.description.abstract
Las campañas de marketing son una herramienta fundamental con la cual las empresas afianzan la relación con sus clientes. Mediante la realización de ofertas atractivas a través del canal apropiado, se busca incrementar la satisfacción de los consumidores y por ende la utilidad de la compañía. Sin embargo, el proceso de asignación de ofertas y canales a clientes no es trivial, debido a la existencia de restricciones del negocio tales como: presupuesto disponible, capacidad de los canales, máximo de ofertas por cliente, entre otras.
El presente trabajo de título tuvo como objetivo la construcción de un modelo de optimización para campañas de marketing, decidiendo qué ofertas realizar, a qué clientes enviarlas y a través de qué canal de venta. La metodología desarrollada se centra en la integración de modelos de propensión, que determinan la probabilidad de que un cliente responda positivamente a una oferta específica. Considerando dichas probabilidades, el modelo busca maximizar la utilidad esperada de la campaña, sujeto a restricciones del negocio.
Dado que el problema es NP-completo, se propuso un enfoque heurístico para resolver la optimización. La metodología desarrollada consiste en separar la resolución del problema en tres etapas: selección de las ofertas a activar, asignación factible de canales y asignación factible de clientes. Cada solución encontrada se somete a la búsqueda de vecinos y posteriormente a un proceso de mutación. Además se desarrolló una etapa previa de clusterización, en la cual se disminuye el tamaño de la instancia y por ende los tiempos de ejecución.
Se comparó el algoritmo propuesto con otros métodos desarrollados en la literatura, obteniéndose como resultado un mejor rendimiento en términos de la calidad de la solución y tiempos de ejecución. También se realizó una aplicación real del algoritmo a una empresa chilena perteneciente a la industria del retail financiero. En ella se comparó la metodología propuesta con otras tres más básicas, obteniéndose resultados favorables en términos de venta incremental, utilidad y clientes estimulados.