Optimización predictiva de promociones y asignación de presupuestos para restaurantes en App de Delivery
Date
2024
Type:
Thesis
item.page.extent
30 p.
item.page.accessRights
Privado
Authors
item.contributor.advisor
ORCID:
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad del Desarrollo. Facultad de Ingeniería
item.page.isbn
item.page.issn
item.page.issne
item.page.doiurl
item.page.other
item.page.references
Abstract
Este estudio propone el desarrollo de un sistema automatizado para optimizar la asignación de presupuestos promocionales en Uber Eats, mejorando la participación de los restaurantes y maximizando el retorno de inversión en campañas de oferta.
Actualmente, el proceso de selección y financiamiento se realiza manualmente, lo que limita la eficiencia y personalización de las promociones.
Para abordar esta problemática, se implementó un modelo predictivo que permite estimar el Promo Spend Total, facilitando una distribución más estratégica de los recursos. A través del análisis de diferentes modelos de Machine Learning, Random Forest demostró ser la mejor opción para realizar estas predicciones con un desempeño competitivo.
Los resultados obtenidos permitirán mejorar la gestión de las campañas promocionales, optimizando la asignación del presupuesto y asegurando una distribución más efectiva de las invitaciones a los restaurantes. Con futuras mejoras, este modelo podrá integrarse en otros procesos estratégicos dentro de Uber Eats, impulsando la eficiencia y la rentabilidad del sistema promocional.
Description
Proyecto de grado presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data Science
item.page.coverage.spatial
Temuco
item.page.sponsorship
Citation
Keywords
070037S, Machine learning, Optimización presupuestaria, Promoción en ventas