Recomendador de Vinos con Machine Learning

Proyecto Final de Martín Gutierrez
Diplomatura en Ciencia de Datos con R y Python

En el mundo de la ciencia de datos aplicada al comercio electrónico, uno de los retos más interesantes es personalizar la experiencia del usuario a partir de datos reales. Martín Gutiérrez, estudiante de la Diplomatura en Ciencia de Datos con Python y R del Instituto Data Science Argentina, nos muestra cómo se puede lograr esto con un proyecto innovador: un recomendador de vinos interactivo.

El proyecto en cifras

Martín trabajó con un dataset de 13.000 compras de usuarios, que contenía más de 120 variables, seleccionando 10 de ellas como variables objetivo para su modelo. El objetivo era recomendar los mejores vinos según:

• La comida que el usuario iba a consumir.
• Sus preferencias personales de sabor, dulzura, acidez y taninos.
• El presupuesto disponible.

El modelo elegido fue Random Forest, tras evaluar otras opciones como KNN y Regresión Logística, considerando no solo la precisión sino también la ganancia económica estimada para la empresa. Los resultados fueron sorprendentes: el sistema incrementa hasta un 55% el valor por usuario, con una ganancia estimada de 21% por cliente.

Cómo funciona la aplicación interactiva

La aplicación desarrollada permite al usuario:

1. Seleccionar la comida que va a consumir.
2. Definir su presupuesto para los vinos.
3. Personalizar el perfil del vino deseado (cuerpo, taninos, dulzura, acidez).
4. Elegir variedades de uva si lo desea.

A partir de estos datos, el modelo Random Forest genera recomendaciones personalizadas, mostrando la probabilidad de match, métricas de popularidad, rating y precio del vino. Además, incluye un feedback loop, donde la opinión del usuario sobre los vinos consumidos ayuda a mejorar la precisión de futuras recomendaciones.

Claves del éxito del proyecto

• La personalización aumenta la satisfacción del usuario y la rentabilidad para la empresa.
• Los usuarios valoran los vinos con rating alto y características similares a sus preferencias.
• El análisis económico del modelo demuestra cómo aplicar machine learning puede generar impacto directo en ventas y experiencia de usuario.

Este proyecto es un ejemplo claro de cómo la ciencia de datos aplicada a la vida real puede transformar la manera en que interactuamos con productos y servicios. La combinación de análisis de datos, modelado predictivo y desarrollo de aplicaciones interactivas permite ofrecer soluciones personalizadas, precisas y económicamente efectivas.

LinkedIn de Martín Gutierrez: https://www.linkedin.com/in/martin-gutierrez-data-analyst/

Si te interesa aprender más sobre Ciencia de Datos y proyectos aplicados con Python y R 👇👇