Predicción del éxito del telemarketing bancario mediante el uso de árboles de decisión
El telemercadeo es una técnica interactiva de mercadeo directo en la que un agente de telemercadeo solicita clientes potenciales a través del teléfono para realizar una venta de mercadería o servicio. Uno de los grandes problemas del telemarketing es especificar la lista de clientes que p...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad La Salle
2023-03-01
|
| Series: | Innovación y Software |
| Online Access: | https://revistas.ulasalle.edu.pe/innosoft/article/view/84 |
| _version_ | 1797821060507238400 |
|---|---|
| author | Rony Tito Ventura Ramos Andrew Pold Jacobo Castillo Jesus Begazo Ticona Brian Jhosep Gomez Velasco |
| author_facet | Rony Tito Ventura Ramos Andrew Pold Jacobo Castillo Jesus Begazo Ticona Brian Jhosep Gomez Velasco |
| author_sort | Rony Tito Ventura Ramos |
| collection | DOAJ |
| description |
El telemercadeo es una técnica interactiva de mercadeo directo en la que un agente de telemercadeo solicita clientes potenciales a través del teléfono para realizar una venta de mercadería o servicio. Uno de los grandes problemas del telemarketing es especificar la lista de clientes que presentan una mayor probabilidad de comprar el producto que se ofrece. En este artículo proponemos un sistema de apoyo en la toma de decisiones personalizado que puede predecir automáticamente la decisión del público objetivo luego de realizar una llamada de telemarketing, con el fin de aumentar la efectividad de las campañas publicitarias directas y en consecuencia reducir el costo y tiempo de la campaña. El método de inteligencia artificial utilizado en este trabajo es el árbol de decisión evaluado con las métricas de precisión, exactitud y exhaustividad. Luego de aplicar el método de inteligencia artificial obtenemos una exactitud, precisión y exhaustividad mayor al 80%. Las conclusiones a los que el equipo llegó son que para mejorar el modelo de árbol de decisión es importante realizar un análisis previo de los datos mediante técnicas estadísticas o diagramas, para obtener referencia de los datos y aplicar técnicas de balanceo para obtener el mejor modelo posible. |
| first_indexed | 2024-03-13T09:47:12Z |
| format | Article |
| id | doaj.art-14dad71662174f6ca38cbaa71d49e68a |
| institution | Directory Open Access Journal |
| issn | 2708-0927 2708-0935 |
| language | English |
| last_indexed | 2024-03-13T09:47:12Z |
| publishDate | 2023-03-01 |
| publisher | Universidad La Salle |
| record_format | Article |
| series | Innovación y Software |
| spelling | doaj.art-14dad71662174f6ca38cbaa71d49e68a2023-05-24T20:55:46ZengUniversidad La SalleInnovación y Software2708-09272708-09352023-03-014112213710.48168/innosoft.s11.a84Predicción del éxito del telemarketing bancario mediante el uso de árboles de decisiónRony Tito Ventura Ramos0https://orcid.org/0000-0002-2170-9217Andrew Pold Jacobo Castillo1Jesus Begazo Ticona2Brian Jhosep Gomez Velasco3Universidad Nacional de San AgustínUniversidad Nacional de San AgustínUniversidad Nacional de San AgustínUniversidad Nacional de San Agustín El telemercadeo es una técnica interactiva de mercadeo directo en la que un agente de telemercadeo solicita clientes potenciales a través del teléfono para realizar una venta de mercadería o servicio. Uno de los grandes problemas del telemarketing es especificar la lista de clientes que presentan una mayor probabilidad de comprar el producto que se ofrece. En este artículo proponemos un sistema de apoyo en la toma de decisiones personalizado que puede predecir automáticamente la decisión del público objetivo luego de realizar una llamada de telemarketing, con el fin de aumentar la efectividad de las campañas publicitarias directas y en consecuencia reducir el costo y tiempo de la campaña. El método de inteligencia artificial utilizado en este trabajo es el árbol de decisión evaluado con las métricas de precisión, exactitud y exhaustividad. Luego de aplicar el método de inteligencia artificial obtenemos una exactitud, precisión y exhaustividad mayor al 80%. Las conclusiones a los que el equipo llegó son que para mejorar el modelo de árbol de decisión es importante realizar un análisis previo de los datos mediante técnicas estadísticas o diagramas, para obtener referencia de los datos y aplicar técnicas de balanceo para obtener el mejor modelo posible.https://revistas.ulasalle.edu.pe/innosoft/article/view/84 |
| spellingShingle | Rony Tito Ventura Ramos Andrew Pold Jacobo Castillo Jesus Begazo Ticona Brian Jhosep Gomez Velasco Predicción del éxito del telemarketing bancario mediante el uso de árboles de decisión Innovación y Software |
| title | Predicción del éxito del telemarketing bancario mediante el uso de árboles de decisión |
| title_full | Predicción del éxito del telemarketing bancario mediante el uso de árboles de decisión |
| title_fullStr | Predicción del éxito del telemarketing bancario mediante el uso de árboles de decisión |
| title_full_unstemmed | Predicción del éxito del telemarketing bancario mediante el uso de árboles de decisión |
| title_short | Predicción del éxito del telemarketing bancario mediante el uso de árboles de decisión |
| title_sort | prediccion del exito del telemarketing bancario mediante el uso de arboles de decision |
| url | https://revistas.ulasalle.edu.pe/innosoft/article/view/84 |
| work_keys_str_mv | AT ronytitoventuraramos predicciondelexitodeltelemarketingbancariomedianteelusodearbolesdedecision AT andrewpoldjacobocastillo predicciondelexitodeltelemarketingbancariomedianteelusodearbolesdedecision AT jesusbegazoticona predicciondelexitodeltelemarketingbancariomedianteelusodearbolesdedecision AT brianjhosepgomezvelasco predicciondelexitodeltelemarketingbancariomedianteelusodearbolesdedecision |