Diseño de un Modelo matemático para la predicción de fuga de clientes en el área de telefonía

Hoy en día, debido a la necesidad de estar comunicados telefónicamente y a la gran cantidad de empresas que ofrecen este servicio en Colombia, la telefonía móvil enfrenta una feroz competencia por retener usuarios, buscando evitar la fuga de sus clientes a otras entidades y no incurrir en costos adicionales al tratar de atraer a nuevos clientes. Por lo que es de suma importancia para las empresas de este sector, el predecir si un usuario abandonará sus servicios. Como solución a esta problemática, se propone el diseño de modelos matemáticos que predigan intención de fuga de clientes mediante el uso de técnicas clasificadoras de minería de datos (Naïve Bayes, Random Forest, Redes Neuronales y Regresión Logística). Para ello, se recurrió a una base de datos históricos perteneciente a una empresa de telefonía, la cual contenía información de tipo demográfica y conductual de alrededor de 7000 clientes. Así, luego de analizar y tratar estos datos, fue posible determinar las variables explicativas y su respectivo impacto sobre la variable respuesta. Posteriormente tales variables servirían como entrada para el diseño de los modelos mediante el software R. Finalmente, se evaluó el desempeño de cada uno de los modelos propuestos, al aplicar el análisis ROC (Receiver Operating Characteristic) tanto para la fase de entrenamiento como para la de validación. Reflejando, que aún con presencia de sobreajuste en esta última etapa, los modelos de Random Forest y de Redes Neuronales resultaron ser significativos, dado a que el valor de la exactitud en ambos casos (77.76% y 76,7% respectivamente) fue mayor al No Information Rate (NIR) de los datos, a diferencia de los otros modelos que no lo fueron. Lo que indica que estas dos técnicas, muestran ser alternativas atractivas para emplearlas al seguimiento de clientes y disminuir cifras de fuga.

• Autores: Camargo Ramos, Juan José; Morales Cotes, Eduardo Alberto; Orozco Polo, Ivan Andrés
• Fecha de publicación: 2020
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/8881
• Acceso en línea: http://hdl.handle.net/10584/8881
• Palabra clave: Fuga; Clientes; Técnicas Clasificadoras; Minería de datos; Variables Explicativas; Customers; Classificatory Techniques; Data mining; Explanatory Variables; Churn
• License: Universidad del Norte