Chaparro Cruz, Israel NazarethCabana Yupanqui, Silvana Beatriz2026-09-032026-09-032026https://repositorio.unjbg.edu.pe/handle/20.500.12510/6210El estudio fue de tipo aplicado, con enfoque cuantitativo y diseño no experimental de corte transversal, desarrollado bajo el enfoque de Design Science Research. Se trabajó con una base de datos de 400 clientes de la empresa D&C Comunicaciones, considerando variables como edad, monto de operaciones y número de visitas. Se aplicaron algoritmos de aprendizaje no supervisado, específicamente K-Means, Bisecting K-Means y DBSCAN, con el objetivo de generar segmentaciones de clientes. La evaluación de los resultados se realizó mediante métricas de clusterización como el índice de Silhouette, Davies-Bouldin, Calinski-Harabasz e inercia, complementadas con pruebas estadísticas para comparar el desempeño de los algoritmos. Asimismo, se utilizó un método de evaluación multicriterio para seleccionar la segmentación más adecuada. Los resultados evidenciaron diferencias significativas entre los algoritmos evaluados, permitiendo identificar una segmentación óptima. Finalmente, los segmentos obtenidos fueron interpretados mediante un modelo de árbol de decisión, generando reglas comprensibles para su aplicación en la empresa.application/pdfspainfo:eu-repo/semantics/openAccessSegmentación de clientesClusteringInteligencia artificialinfo:eu-repo/semantics/masterThesishttps://purl.org/pe-repo/ocde/ford#5.06.02