Caracterización de los Lectores Registrados de una Web Informativa con el algoritmo K-Means para Incrementar las Ventas

Abstract

El presente artículo abordó el desarrollo de un nuevo método de caracterización para los lectores registrados de un sitio web de noticias basado en su comportamiento de uso y temas de interés que leen con frecuencia para crear productos adicionales y encontrar oportunidades comerciales en una compañía peruana de medios de comunicación. Se utilizaron variables del entorno digital como el tipo de notas a la que acceden según la sección en la que estas se encuentran alojadas, complementándose con datos no digitales como la información sociodemográfica (edad, género), de ubicación (país), entre otras que disponibles en la empresa. Se han considerado la información de 19,375 lectores correspondientes a un periodo de tres meses de análisis, y fueron obtenidos mediante las herramientas de Google, Analytics 360 y BigQuery. Para la generación de las agrupaciones se empleó el algoritmo k-means, un método de análisis clúster no jerárquico y una técnica de aprendizaje no supervisado; además, todos los cálculos computacionales, así como la construcción del conjunto de datos final se efectuaron con el software R, que contiene múltiples funciones que facilitaron estas actividades. Como conclusión se obtuvieron y definieron seis segmentos, los cuales permitieron ofrecer una ventaja competitiva a los clientes en términos de publicidad ya que podrán seleccionar la audiencia específica a la que quieran impactar, mejorando en gran medida los resultados que se obtendrían comparado con las estrategias digitales convencionales; además, se realizarán acciones para incrementar el número de suscriptores con el fin de repotenciar estos grupos e incrementar los ingresos obtenidos anualmente.