Diagnóstico de modelo y selección de variables para métodos de aprendizaje estadístico aplicados a efectividad promocional

Abstract

La inestabilidad económica de los últimos años está produciendo una disminución generalizada de las ventas y en concreto de los productos de alimentación. Esta situación ha hecho que muchos distribuidores minoristas hayan puesto en marcha acciones promocionales como el descuento directo y las promociones en cantidad (3x2 ). La información digital disponible hoy en día ha provocado una evolución en el desarrollo de estas actividades, y debido a su potencial, los métodos de aprendizaje estadístico han empezado a cobrar verdadera importancia para conseguir aumentar el volumen de ventas. En el presente proyecto se utilizan los métodos de aprendizaje estadístico para analizar el comportamiento de las promociones en términos de unidades vendidas, realizando una comparación estadística detallada entre diferentes métodos para determinar de forma objetiva cuál de ellos ofrece mejores prestaciones. La nalidad de este trabajo es proponer un procedimiento operativo para el diagnóstico de modelo y la selección de variables utilizando técnicas estadísticas en aplicaciones de efectividad promocional. En concreto, se han analizado las promociones realizadas por un distribuidor minorista en 6 productos de la categoría de leche y en 14 productos de la categoría de cerveza durante un año, y para ello se han realizado diferentes experimentos. El primero ha consistido en comparar las prestaciones de cuatro métodos de aprendizaje estadístico: k-NN (k-Nearest Neighbors), GRNN (General Regression Neural Network), MLP (Multi Layer Perceptron) y SVM (Support Vector Machine) en términos absolutos utilizando el MAE (Mean Absolute Error) como gura de mérito. Se ha contrastado si algún método es signi cativamente mejor que otro mediante un test estadístico no paramétrico, basado en remuestreo bootstrap. Esta metodología se ha utilizado posteriormente para contrastar las prestaciones del esquema -SVM diseñado con núcleo RBF y con núcleo semiparamétrico, para analizar los elementos de diseño del MLP y comprobar la conveniencia de incluir determinadas variables (en general de naturaleza dicotómica) en los modelos promocionales. En conclusión, las técnicas de aprendizaje estadístico y la utilización del test bootstrap propuesto permiten extraer información relevante en el análisis de la efectividad promocional.