03-Champo Carpets (Python)

Análisis de Champo Carpets: Clustering y Predicción de Conversión

Introducción

Este proyecto analiza los retos de Champo Carpets en la conversión de clientes que reciben muestras de alfombras. Mediante técnicas de clustering no supervisado, análisis exploratorio y modelos de clasificación, nuestro objetivo es optimizar la selección de clientes y abordar los problemas de baja conversión.

Metodología

• Clustering No Supervisado: Segmentación de clientes basada en características similares para comprender sus patrones de compra.
• Análisis Exploratorio de Datos: Investigación de los datos para descubrir tendencias y anomalías.
• Modelos de Machine Learning: Aplicación de diversos modelos para predecir y clasificar a los clientes según su probabilidad de conversión, enfocándonos en aquellos con alto potencial.

Resultados

• Identificación efectiva de clientes con bajo nivel de conversión.
• Desarrollo de estrategias para mejorar la eficiencia en la distribución de recursos y muestras de alfombras.
• Detección de factores clave que impactan negativamente en la conversión.

Contenido del Repositorio

• Bussines Case.PDF: Descripción detallada del desafío empresarial.
• Champo Carpets - Business Analytics.pdf: Informe con los resultados y conclusiones del análisis.

---

Champo Carpets Analysis: Clustering and Conversion Prediction

Introduction

This project focuses on the analysis of Champo Carpets, addressing challenges in converting customers who receive carpet samples. Through unsupervised clustering, exploratory analysis, and classification models, we aim to improve customer targeting efficiency and tackle low conversion issues.

Methodology

• Unsupervised Clustering: Customer segmentation based on similar characteristics to understand their purchasing patterns.
• Exploratory Data Analysis: Data exploration to identify trends and anomalies.
• Machine Learning Models: Using various models to predict and classify customers based on their conversion probability, focusing on those with high potential.

Results

• Effective identification of customers with low conversion rates.
• Development of strategies to increase resource allocation and carpet sample distribution efficiency.
• Identification of key factors influencing low conversion rates.

Repository Contents

• Bussines Case.PDF: Detailed description of the business challenge.
• Champo Carpets - Business Analytics.pdf: Report with the findings and conclusions of the analysis.