Sistema de recomendación difuso de productos basado en lógica difusa

Resumen

Las tecnologías de la información son ampliamente reconocidas como instrumentos estratégicos, por su capacidad para modificar la estructura y los modelos de negocios de las organizaciones, en la actualidad la gran cantidad de información que debe manejar un individuo en su día a día lo imposibilitan optimizar tiempo en la búsqueda de información deseada, los sistemas de recomendaciones son en la actualidad una herramienta que ayuda a la toma de decisiones y que poco a poco se ha ido involucrando en el mercado y dándole las oportunidades a las empresas a ser más competitivas. El objetivo principal de esta investigación es diseñar un sistema de recomendaciones difuso para poder recomendar productos de la empresa Promyvent a sus clientes de acuerdo al perfil de cada uno de ellos. La metodología utilizada en esta investigación inicio con el pre procesamiento de la base de datos de entrada, se le aplico técnicas de preparación y limpieza además se aplicó un análisis exploratorio de Datos el cual permite realizar un análisis descriptivos, transformación y limpieza de datos, se le  aplico el método del codo de jambu y se estableció que el número de clústers adecuado eran tres, luego en la fase de modelado se aplicó el algoritmo KNN para clasificar cada uno de los datos según las compras de los clientes con menor distancia calculada, luego para aumentar el nivel de precisión en la clasificación de datos se aplicó el método C Means, de esta manera se obtiene una partición difusa optima otorgando un grado de membresía a cada punto de datos. Por ultimo como resultado la recomendación se genera a partir del perfil de cada cliente, la precisión del modelo parte en base a los registros históricos de compras de los clientes para poder identificar el grado de membresía que tiene cada cliente de acuerdo a su perfil y partiendo de estos datos el modelo generó el filtrado de un top de siete productos en las recomendaciones de principal interés. El modelo implementado beneficia a la empresa no solo a recomendar un top siete de productos de interés de acuerdo al perfil del cliente si no también identificar los productos que tienen mayor y menor rotación de inventario.