Segmentación de participantes en una maratón en Madrid mediante enfoque data-driven y aprendizaje no supervisado

Abstract

El presente estudio analiza la satisfacción de los corredores de una maratón de Madrid (2024) y los segmenta mediante técnicas de aprendizaje automático no supervisado. Tras recopilar 3.668 encuestas y depurarlas hasta una muestra válida de 2.960 participantes, se evaluaron 46 variables relacionadas con la satisfacción antes, durante y después de la carrera, así como con la intención de volver o recomendar el evento. El análisis factorial y el clustering K-means permitieron identificar dos perfiles diferenciados: corredores de entretenimiento, con mayor satisfacción general del evento pero menor valoración de aspectos logísticos, y corredores de rendimiento, más críticos con elementos como la seguridad o la música. Los resultados confirman correlaciones moderadas entre la experiencia en carrera y la satisfacción global, subrayando la importancia de la vivencia durante la prueba. El trabajo evidencia el potencial del enfoque data-driven para diseñar estrategias adaptadas a distintos tipos de participantes.