Predicción de colorimetría de cabello mediante machine learning para mejorar la eficiencia del salón Glow Studio

Abstract

El presente trabajo de investigación se centra en el desarrollo de una aplicación de predicción de colorimetría de cabello mediante técnicas de Machine Learning para mejorar la eficiencia operativa del salón Glow Studio. Los procesos manuales en la selección de color de tinte afectan la precisión y satisfacción del cliente. La aplicación propuesta utiliza datos históricos y preferencias de los clientes para optimizar la selección de productos y reducir errores. La investigación, con un diseño pre-experimental de pre-test y post-test, involucró a los cinco empleados de Glow Studio y utilizó cuestionarios para recolectar datos antes y después de la implementación de la web. Los resultados mostraron mejoras en: Eficiencia Operativa: Aumento en la capacidad de atención y reducción de tiempos de servicio. Optimización del Proceso: Mejora en la precisión y velocidad de las evaluaciones de color. Costos Operativos: Reducción en la percepción de costos operativos elevados. Satisfacción del Cliente: Incremento en la satisfacción y retención de clientes. Confianza en Resultados: Aumento en la confianza de los clientes, reduciendo errores y retrabajos. Se concluyó que la aplicación puede transformar significativamente la eficiencia operativa y la satisfacción del cliente en los salones de belleza. Se recomienda capacitación continua para los estilistas, análisis periódico de costos y programas de fidelización de clientes.