top of page

Sistema de Recomendación basado en ML_shopmyseke

⭐ Tipo

Machine Learning

Mi proyecto:

Imagina dirigir una tienda en línea donde el stock acumulado estaba en constante peligro de expirar.
Los productos permanecían en los estantes fisico nada de estantes VIRTUALES durante largos períodos sin encontrar el camino hacia los carritos de compra.
Las estrategias de recomendación tradicionales no parecían despegar y la tienda estaba en un dilema constante: ¿cómo hacer que los productos SE VENDAN y eviten la obsolescencia?

Resumen Ejecutivo

Fue en este punto que la tienda tomó una decisión audaz: implementar un sistema de recomendación avanzado.

¿Cuáles fueron los motivos detrás de esta decisión?

 

Maximizar el Valor de los Carritos de Compra:


Uno de los desafíos más críticos era lograr que los clientes agregaran más productos a sus carritos. El sistema de recomendación ayudó a crear una experiencia de compra personalizada, sugiriendo productos relacionados basados en las preferencias y el historial de compra de los clientes. Esto resultó en un aumento notable en la cantidad de productos en cada carrito de compra, pasando de un promedio de 1 producto por compra a 2.

 

Optimizar las Promociones:


Las promociones y descuentos son una parte esencial del atractivo de una tienda online. Sin embargo, la tienda solía enfrentar dificultades para determinar qué productos incluir en sus promociones. El sistema de recomendación analizó datos históricos y el comportamiento del cliente, lo que permitió una selección más inteligente de productos para promocionar. Como resultado, las promociones se volvieron más efectivas y orientadas, atrayendo a más clientes.

 

Banner de Productos Relacionados:


Saber qué productos destacar en la página de inicio y en los banners de la tienda es un arte en sí mismo. El sistema de recomendación brindó información valiosa sobre qué productos debían presentarse de manera prominente, aumentando la visibilidad y las ventas de estos productos relacionados.


Explora mi Poderosa App Streamlit 🤩 para Recomendaciones Personalizadas 😉

Trabajo Realizado

Importación de Datos


df = pd.read_excel(ruta_completa, sheet_name = "Sheet1")
df.head()

Calidad de Datos


import missingno as msno
msno.bar(df)
df.dtypes
df.nunique().sort_values()

Transformación de Variables


df.rename(columns = {'product_name':'producto',
                     'total_paid':'importe_total_pagado',
                     'product_quantity':'cantidad_comprada'}, inplace=True)
df.head(5)

Modelización


model=NearestNeighbors(metric='cosine',algorithm='brute')
pivot_table.shape[0]
distances,indices=model.kneighbors(pivot_table.iloc[query_ind,:].values.reshape(1,-1),n_neighbors=8)

Test al Modelo


muestra = []
producto = query_ind
for i in id_customer:
    alea = randint(0,3)
    muestra.append(diccionario[producto][i][alea])

Sistema de Recomendación


nombres = {}
lista = list(diccionario.keys())
for i in range(0, len(lista)):
    for j in df.index:
        aux = df.loc[j, "product_id"]
        if(aux == lista[i]):
            nombres[lista[i]] = df.loc[j,"name"]
nombres
{368: 'Harina de Bellota pelada, TERRIUS, 1Kg.',
 313: 'Amendoa Amarga Amarguinha licor, Xarão 700ml',
 153: 'Bellota Tostada Pelada, TERRIUS, 200 gr.',
 305: 'Mejillón en escabeche con aceite de Oliva, Pescamar Gourmet, 111 gr.',
 322: 'Paté de Centollo, 100gr. , MareTerra Deluque',
 299: 'Flor de Sal Limón, Algarve, Salmarim 100g',
 315: 'Muralhas de Monção, Vino Verde 750ml'}

Los beneficios fueron notables con la aplicación del Sistema de Recomendación:

  • El stock obsoleto disminuyó poco a poco y los productos comenzaron a moverse más rápido.

  • Los clientes se beneficiaron de una experiencia de compra más personalizada y atractiva, lo que se tradujo en carritos de compra más grandes.

  • Las promociones se volvieron más efectivas y los banners de productos relacionados generaron un mayor interés y ventas.

 

Este caso es un testimonio de cómo un sistema de recomendación inteligente no solo resolvió los problemas de stock, sino que también mejoró la experiencia del cliente y aumentó significativamente las ventas.


En un mercado en constante evolución, la capacidad de comprender y satisfacer las necesidades del cliente de manera proactiva se ha convertido en un diferenciador clave para el éxito en el comercio electrónico.

bottom of page