MODELAMIENTO MATEMATICO DE UN SISTEMA

RECOMENDADOR GENERICO PARA AMBIENTE WEB

Abstract: El presente documento describe el proceso de anlisis y

planteamiento de un modelo matemtico, facilitando el proceso de
pronosticar
tendencias de clientes quienes interactan con una
aplicacin web, la cual busca vender una variedad de productos; por su
parte los diferentes sitios acomodaran las diferentes variables con el
objetivo de ofrecer publicidad de acuerdo a los productos consultados
con anterioridad.
El modelo planteado posteriormente permite optar por diferentes sitios
y diferentes ofertas de negocio desde plataformas para la adquisicin
de productos hasta sitios diseados para entretenimiento familiar
(sptimo arte). Cada uno de ellos buscara obtener el mejor resultado
optando por tres modelos sugeridos, cada uno enfocado en manejar
diferentes variables segn sea el caso y la permanencia de los tems
(Productos) en lnea.
Abstract: Sistema Re
Comercio electrnico.
I.

comendador,

INTRODUCCIN

En la actualidad el mundo se
encuentra gobernado por una
tendencia
netamente
capitalista, donde las diferentes
compaas
proveedoras
de
bienes y servicios tienen como
tarea principal atraer un mayor
numero
de
clientes
para
aumentar sus ganancias; por su
parte es responsabilidad de un
pequeo grupo, conocido como
innovadores correspondiente a
cada compaa el de buscar
nuevas tendencias ya sean de
tipo tradicional (Boca-Boca) o
altamente innovadoras ligado a
las nuevas tecnologas, para
poder ofrecer sus productos y
que estos sean adquiridos por

Modelos

matemticos,

un gran porcentaje de
poblacin consumidora [1].

la

Las
nuevas
tecnologas
resaltando sitios y aplicaciones
en la red han adquirido gran
importancia en la actualidad, tal
as que las diferentes compaas
deciden optar por estrategias a
nivel cientfico y tecnolgico que
les permita ofrecer cada da
mejores servicios a cada uno de
sus clientes; por ejemplo los
sistemas re comendadores de
productos
o
tems
como
tecnologa o libros buscan
variables que permitan obtener
el gusto de los clientes con el

objetivo de enviar publicidad a

partir de datos suministrados sin
que el cliente lo tenga en
cuenta.

II.

TAXONOMA DE LOS
SISTEMAS
RECOMENDADORES

Los sistemas recomendado res

estn directamente orientados a
diferentes
variables
que
interactan a diario con los
sistemas seis clasificaciones
esenciales se pueden observar a
continuacin [2]:
1. Basado en Contenido:
En este caso los diferentes
usuarios que interactan
con el sistema buscan le
dan un puntaje a cada
tem consultado, una vez
se
calculan
los
ponderados se relacionan
con otros productos de la
misma categora.
2. Filtrado
Colaborativo:
El filtrado colaborativo
esta considerado una de
las tcnicas mas utilizadas
en la actualidad, consiste
en sugerir una serie de
productos a diferentes
clientes tomando como
base los gustos de otros
clientes de acuerdo a las
diferentes
categoras
observadas.
3. Demogrfico:
Por su
parte este sistema se
encuentra basado en el
sitio demogrfico de cada

cliente,
suponiendo
diferentes tendencias y
diferentes mercados.
4. Basado
en
Conocimiento: Para este
tipo
de
filtrado
se
interpreta los diferentes
conocimientos
o
restricciones que tiene un
usuario sobre un producto,
obteniendo un ponderado
inicial bajo el cual el
sistema aprende y toma
decisiones
de
forma
inmediata.
5. Hbridos: Para este tipo
de sistema se hace una
combinacin
de
los
mencionados
con
anterioridad, optando por
obtener
los
mejores
puntajes para incorporar
sistemas
de
recomendacin
de
acuerdo
al
nicho
de
mercado
que
se
especifique.
III.
PROPIEDADES A
EVALUAR EN UN SISTEMA
RECOMENDADOR.
Al igual que cualquier modelo
los sistemas recomendadores
presentan
diferentes
propiedades que permiten su
evaluacin y rendimiento de
acuerdo
a
las
variables
incorporadas
por
cada
compaas.

Preferencia del Usuario: La

forma mas fcil de ofrecer tems
es realizando una pregunta
directa a cada usuario con el
objetivo de obtener gustos de
cada uno de ellos; pero se debe
pensar que cada usuario busca
una forma mas fcil y eficiente
de
comprar
o
obtener
resultados; es por eso que no se
realiza con mucha frecuencia
evitando la perdida de clientes y
o usuarios.
Exactitud de las predicciones:
Una caracterstica de gran
importancia en la elaboracin de
un sistema de comendador es la
validez de sus resultados, entre
mas exactos lleguen a ser
mejor rendimiento se obtendrn
para cada consulta de acuerdo a
alas
aplicaciones
que
lo
incorporen.
Cobertura
de
las
recomendaciones ofrecidas:
La minera de datos como rama
de la computacin dice que
entre mayor cantidad de datos
los resultados son mas precisos,
como aspecto de cobertura se
abarca la cantidad de tems
analizados [3].
MODELAMIENTO

Pendiente
(Regresion lineal)
Pronostico cuantitativo (A BUEN
SERVICIO Q TAL SOB LAS
VENTAS
)
DATOS HISTORICOS
Promedios
mmoviles
suvisamiento exponencial

Objetivos de Sistemas
Recomendadores para
comercio electrnico
Ayudar a los consumidores a
decidir qu productos comprar
Convertir
visitantes
en
compradores
El estado final es la compra del
producto
Incrementar las ventas cruzadas,
sugiriendo productos adicionales
a partir de los productos en el
Carrito de compra.
No puede recomendarse el
mismo producto que ya lleva
(ejemplo: el mismo libro con otra
encuadernacin).
Garantizarla
Lealtad
del
Comprador,
generando
una
relacin de confianza.
IV BIBLIOGRAFA
[1]http://imgbiblio.vaneduc.e
du.ar/fulltext/files/TC1146
81.pdf
[2]http://www.laclo.org/paper
s/index.php/laclo/article/vi
ewFile/226/209

[3]http://www.lcc.uma.es/con
tenidos/informacion_pfc.ac
tion?id=874