Análisis del manejo de la relación con los clientes de la plaza de comida rápida “Village Food Trucks Mobile Plaza” en la ciudad de Quito y propuesta para un programa de fidelización
Bibliographic record
Abstract
El presente trabajo de titulación denominado: Análisis del manejo de la relación con los clientes de la plaza de comida rápida “Village Food Trucks Mobile Plaza” en la Ciudad de Quito y propuesta para un Programa de Fidelización, tiene por objeto conocer y analizar el manejo de la relación con los clientes de la Plaza de comida rápida “Village Food Trucks Mobile Plaza”, esto mediante la determinación de los perfiles de los consumidores actuales y potenciales, para posteriormente proponer un programa de fidelización de acuerdo a los clúster que se establecerán con los datos obtenidos. La investigación se baso en teorías de Fidelización y del Comportamiento del Consumidor. Para obtener los resultados necesarios se realizo una encuesta tomando en cuenta como universo a la población que vive en lugares aledaños a las Plazas de Food Trucks. Los resultados obtenidos permitieron establecer los perfiles de los clientes y proponer las diferentes estrategias diferenciadas para cada uno de los grupos establecidos y así lograr la fidelización de los clientes que actualmente poseen estas plazas, y atraer a los clientes potenciales. Se definieron conclusiones respecto los resultados obtenidos en la investigación, así como las recomendaciones de la investigación y de la propuesta del programa de fidelización para que sea mucho más fácil su implementación.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".