Modelado Causal en Marketing mediante Aprendizaje no Supervisado de Reglas de Asociación Difusas

Abstract

En marketing es habitual que se haga uso de modelos complejos, con múltiples relaciones de dependencia, para aproximarse al entendimiento diversos fenómenos de su interés. Este tipo de modelos son especialmente utilizados en la disciplina del comportamiento del consumidor. Están formados por lo que se conoce como variables latentes o constructos, esto es, variables que tienen un nivel de abstracción tal que no permiten medirse de manera unívoca por una única evaluación del consumidor, sino que precisan ser medidas por varias evaluaciones a través de escalas multi ítem. Este hecho añade incertidumbre a las variables. Recientemente, algunos autores han planteado soluciones metodológicas basadas en inteligencia artificial que permiten trabajar con este tipo de dato, permitiendo, por tanto, aplicarse en el modelado de marketing. El trabajo pre-sente sigue esta l´ınea y propone afrontar el problema con Fuzzy-CSar, un sistema clasi-ficador que extrae reglas de asociaci´on di-fusas para el modelado del comportamiento del consumidor. La novedad de nuestra aproximación con respecto a técnicas existentes es que no se presupone ningún modelo causal previo, sino que se buscan relaciones fuertes entre las variables del sistema. Fuzzy-CSar se aplica a un problema de marketing real y los resultados se comparan con los obtenidos con un sistema GCCL diseñado expresamente para el mismo problema. Los resultados muestran las ventajas de evolu-cionar reglas de asociación y la competitividad de Fuzzy-CSar en general.