Segmentación de lectores digitales registrados de un sitio web informativo con el algoritmo de análisis Cluster k-means

Abstract

Debido a la gran diversidad de negocios de la empresa, un importante grupo de medios de comunicación, es que se genera mucha información, cada vez más específica y detallada; y es aquí en donde entra la gerencia de Inteligencia de Negocios, la cual centraliza todos estos datos provenientes de distintas fuentes y plataformas con la finalidad de analizarlos y brindar soporte a las diferentes áreas que requieran de algún análisis a detalle para sustentar una venta, una adquisición, el desarrollo de proyectos, etc. Una de estos requerimientos especializados tiene que ver con la integración de datos de distintos orígenes tanto digitales como los que se generan en los sitios web, las redes sociales; o las tradicionales como los ingresos que genera la publicidad para la compañía, base de datos de audiencia, entre otros, ya que permitirán abordar análisis más complejos para encontrar hallazgos más específicos, diferenciales y relevantes. La presente monografía aborda el desarrollo de una nueva metodología de segmentación de usuarios registrados en la página web, en la cual se ha planteado considerar el tipo de contenido que ellos visitan según la sección en la que están alojadas las notas y complementándolos con la información personal, sociodemográfica, de ubicación y otras disponibles en el negocio, todo esto apoyado en el análisis clúster, específicamente el algoritmo k-means. Para el preprocesamiento de datos, limpieza, construcción del conjunto de datos y ejecución de la metodología se utilizó el software R, que posee múltiples funciones que ayudaron con estas tareas. Estas seis agrupaciones encontradas permitirán ofrecer a los clientes un nuevo producto comercial, que además otorgará una ventaja para los clientes ya que podrán especificar la audiencia específica a la que quieren impactar mejorando significativamente los resultados que se obtendrían a diferencia del método tradicional de publicidad digital.

Due to the wide diversity of the company's business, an important group of media, a lot of information is generated, more specific and detailed each time; and this is where the Business Intelligence management comes in, which centralizes all these data from different sources and platforms in order to analyze them and provide support to the different areas that require a detailed analysis to support a sale, an acquisition, project development, etc. One of these specialized requirements has to do with the integration of data from different digital sources such as those generated on websites, social networks; or traditional ones such as advertising revenue generated for the company, audience database, among others, as they will allow to address more complex analysis to find more specific, differential and relevant findings. This monograph is about the development of a new methodology for segmentation of registered users on the website, in which it has been proposed to consider the type of content they visit according to the section in which the notes are hosted and complementing them with personal, sociodemographic, location and other information available in the business, all this supported by the cluster analysis, specifically the k-means algorithm. For data preprocessing, cleaning, construction of the data set and execution of the methodology, R software was used, which has multiple functions that helped with these tasks. These six clusterings found will allow offering clients a new sales product, which will also provide an advantage for consumers since they will be able to specify the specific audience they want to impact, significantly improving the results that would be obtained, unlike the traditional method of digital advertising.