Sistema de recomendación de productos en manufactura utilizando filtrado colaborativo

Abstract

La personalización en la recomendación de productos representa un reto clave para empresas con un amplio catálogo y una base diversa de clientes. En este trabajo, se aborda el problema de identificar productos que podrían interesar a los clientes de una empresa mexicana dedicada a la fabricación y distribución de herrajes y accesorios para aluminio y vidrio, con base en su historial de compras del último semestre.

Actualmente, la empresa no emplea un sistema formal de recomendación, y las ventas se apoyan en la experiencia de los vendedores y en relaciones comerciales establecidas. Esto limita el alcance de posibles sugerencias personalizadas que podrían incrementar el volumen de ventas o generar retroalimentación valiosa por parte de los clientes.

La hipótesis de este trabajo plantea que un sistema de recomendación basado en filtrado colaborativo puede detectar afinidades entre clientes y productos no adquiridos previamente, mejorando así la oferta comercial. Para probar esta hipótesis, se analizó el historial de compras en unidades vendidas, clasificando los productos de forma ordinal por cliente y aplicando diferentes métricas de similitud para generar recomendaciones. Se compararon los diferentes métodos con base en precisión, recall, hit rate y MAE.

Los resultados muestran que es posible identificar productos relevantes para cada cliente con base en su comportamiento de compra y en las similitudes con otros clientes. Esta afirmación se respalda con la validación práctica del sistema, ya que las recomendaciones generadas fueron ofrecidas a clientes de prueba, logrando concretar ventas reales. Algunos algoritmos superaron a otros en términos de precisión y cobertura, evidenciando que la elección de la métrica de similitud y el enfoque colaborativo afectan directamente la calidad de las recomendaciones.

Se concluye que los sistemas de recomendación colaborativos pueden complementar la labor de la fuerza de ventas al ofrecer sugerencias personalizadas, generando oportunidades de negocio adicionales y abriendo la puerta a decisiones comerciales más informadas y orientadas por datos.