Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11531/88959
Título : | Estrategias de fidelización en aplicaciones de delivery internacionales. ODS nº 9: “Estrategias globales de fidelización en apps de delivery: Un análisis comparativo de retención y rentabilidad” |
Autor : | Martín Rodrigo, María José Sol Arce, Jaime Universidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresariales |
Fecha de publicación : | 2025 |
Resumen : | Este Trabajo de Fin de Grado analiza el impacto de las estrategias promocionales —en particular los descuentos— y de las comisiones cobradas a los restaurantes sobre la fidelización de clientes y la rentabilidad de las plataformas de food delivery. Para ello, se emplea una metodología mixta: un enfoque cualitativo basado en entrevistas con expertos del sector y una revisión de literatura, junto con un análisis cuantitativo basado en modelos de regresión con validación cruzada aplicados a datos transaccionales de Zomato en Nueva Delhi. Los resultados revelan que, si bien los descuentos pueden atraer usuarios a corto plazo, no garantizan su fidelización y, en algunos casos, reducen los márgenes de beneficio. Asimismo, las comisiones —tanto fijas como porcentuales— afectan significativamente la rentabilidad, con un impacto desigual según el valor del pedido. La aplicación de modelos predictivos (Random Forest, XGBoost, LightGBM y Redes Neuronales) permitió identificar las variables clave para definir descuentos y comisiones óptimos, aportando evidencia para una gestión más dinámica y segmentada. En conjunto, el estudio destaca la necesidad de evolucionar hacia estrategias personalizadas de fidelización, como programas de suscripción y el uso de inteligencia artificial para predecir la demanda. Estas herramientas permiten a las plataformas de food delivery optimizar sus costes sin comprometer la experiencia del usuario, mejorando así la retención de clientes y la rentabilidad a largo plazo. This Bachelor’s Thesis analyzes the impact of promotional strategies—particularly discounts—and the commission fees charged to restaurants on customer retention and profitability within food delivery platforms. A mixed-methods approach was adopted, combining a qualitative analysis based on expert interviews and a literature review, with a quantitative analysis using regression models with cross-validation applied to transactional data from Zomato in New Delhi. The results show that although discounts can be effective in attracting users in the short term, they do not guarantee long-term customer loyalty and may, in some cases, reduce profit margins. Likewise, commission fees—both fixed and percentage-based—have a significant effect on profitability, with a differentiated impact depending on order value and transaction size. The implementation of predictive models (Random Forest, XGBoost, LightGBM, and Neural Networks) made it possible to identify the key variables involved in determining optimal discount and commission levels, offering strong evidence to support more dynamic and segmented decision-making. Overall, the study highlights the need to shift toward personalized customer retention strategies, such as subscription programs and the application of artificial intelligence for demand forecasting. These tools enable food delivery platforms to optimize their cost structures without compromising the user experience, ultimately enhancing customer retention and ensuring long-term financial sustainability. |
Descripción : | Grado en Administración y Dirección de Empresas y Grado en Análisis de Negocios/Business Analytics |
URI : | http://hdl.handle.net/11531/88959 |
Aparece en las colecciones: | KBA-Trabajos Fin de Grado |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Propuesta TFG-BA.pdf | PREC | 144,33 kB | Adobe PDF | ![]() Visualizar/Abrir |
TFG - Sol Arce, Jaime Ramon.pdf | Trabajo Fin de Grado | 3,6 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.