El modelo de up-lifting aplicado a un score de riesgo
La minería de datos se ha utilizado ampliamente para optimizar el manejo de los clientes, con el fín de maximizar el retorno de la inversión. En particular, este trabajo trata del uso de los modelos de scoring en las campañas de comercialización de un producto. Los modelos se desarrollan normalmente...
- Autores:
-
Argüello Niño, Carlos Abel
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2016
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/700
- Acceso en línea:
- https://hdl.handle.net/11634/700
- Palabra clave:
- scoring models,
data mining,
predictive modeling,
marketing campaign management,
client development,
upselling and cross-selling,
up-lifting,
model interactions.
Riesgo (Finanzas)
Instituciones financieras
Moratoria
modelos de puntuación,
minería de datos,
modelización predictiva,
gestión de campañas de marketing
desarrollo de clientes,
venta ascendente y venta cruzada,
aumento de la oferta
interacciones de modelos.
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SANTTOMAS2_e7fb8a31521870e4f67f75e107c1ae81 |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/700 |
| network_acronym_str |
SANTTOMAS2 |
| network_name_str |
Repositorio Institucional USTA |
| repository_id_str |
|
| dc.title.eng.fl_str_mv |
El modelo de up-lifting aplicado a un score de riesgo |
| dc.title.alternative.eng.fl_str_mv |
Uplifting model applied to a risk score |
| title |
El modelo de up-lifting aplicado a un score de riesgo |
| spellingShingle |
El modelo de up-lifting aplicado a un score de riesgo scoring models, data mining, predictive modeling, marketing campaign management, client development, upselling and cross-selling, up-lifting, model interactions. Riesgo (Finanzas) Instituciones financieras Moratoria modelos de puntuación, minería de datos, modelización predictiva, gestión de campañas de marketing desarrollo de clientes, venta ascendente y venta cruzada, aumento de la oferta interacciones de modelos. |
| title_short |
El modelo de up-lifting aplicado a un score de riesgo |
| title_full |
El modelo de up-lifting aplicado a un score de riesgo |
| title_fullStr |
El modelo de up-lifting aplicado a un score de riesgo |
| title_full_unstemmed |
El modelo de up-lifting aplicado a un score de riesgo |
| title_sort |
El modelo de up-lifting aplicado a un score de riesgo |
| dc.creator.fl_str_mv |
Argüello Niño, Carlos Abel |
| dc.contributor.advisor.none.fl_str_mv |
Pinzón, Luz Mary |
| dc.contributor.author.none.fl_str_mv |
Argüello Niño, Carlos Abel |
| dc.subject.keyword.none.fl_str_mv |
scoring models, data mining, predictive modeling, marketing campaign management, client development, upselling and cross-selling, up-lifting, model interactions. |
| topic |
scoring models, data mining, predictive modeling, marketing campaign management, client development, upselling and cross-selling, up-lifting, model interactions. Riesgo (Finanzas) Instituciones financieras Moratoria modelos de puntuación, minería de datos, modelización predictiva, gestión de campañas de marketing desarrollo de clientes, venta ascendente y venta cruzada, aumento de la oferta interacciones de modelos. |
| dc.subject.proposal.eng.fl_str_mv |
Riesgo (Finanzas) Instituciones financieras Moratoria |
| dc.subject.proposal.none.fl_str_mv |
modelos de puntuación, minería de datos, modelización predictiva, gestión de campañas de marketing desarrollo de clientes, venta ascendente y venta cruzada, aumento de la oferta interacciones de modelos. |
| description |
La minería de datos se ha utilizado ampliamente para optimizar el manejo de los clientes, con el fín de maximizar el retorno de la inversión. En particular, este trabajo trata del uso de los modelos de scoring en las campañas de comercialización de un producto. Los modelos se desarrollan normalmente para identificar las características de los clientes que tienen más probabilidades de incurrir en un evento (caer en mora, comprar un producto, retirar un producto, etc.). Si bien estos modelos son utiles para identificar los clientes a los que se va a dirigir una campaña de marketing, esta campaña puede ser dirigida a clientes que ya han decidido que acción tomar con respecto al evento en cuestión (en este caso, compra de un producto), independientemente de si reciben o no la campaña (por ejemplo, correo electrónico, llamada). Se propone la aplicación de una metodología para identicar a los clientes cuyas decisiones serán influenciados positivamente por campañas. La metodología propuesta es sencilla de implementar y se puede utilizar combinada con los algoritmos de aprendizaje supervisado más comúnmente utilizados. Esta metodología puede proporcionar al sector de telecomunicaciones una simple pero significativa mejora metodológica para optimizar sus acciones de marketing. |
| publishDate |
2016 |
| dc.date.accessioned.none.fl_str_mv |
2016-02-19T16:57:03Z 2017-02-13T19:31:03Z |
| dc.date.available.none.fl_str_mv |
2016-02-19T16:57:03Z 2017-02-13T19:31:03Z |
| dc.date.issued.none.fl_str_mv |
2016 |
| dc.date.accessioned.spa.fl_str_mv |
2017-06-24T16:19:04Z |
| dc.date.available.spa.fl_str_mv |
2017-06-24T16:19:04Z |
| dc.type.local.spa.fl_str_mv |
Trabajo de grado |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.none.fl_str_mv |
Argüello Niño, Carlos Abel. (2016). El modelo de up-lifting aplicado a un score de riesgo. Universidad Santo Tomás. Bogotá |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11634/700 |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
| identifier_str_mv |
Argüello Niño, Carlos Abel. (2016). El modelo de up-lifting aplicado a un score de riesgo. Universidad Santo Tomás. Bogotá reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
https://hdl.handle.net/11634/700 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Lo, V. S. Y., The true lift model -a novel data mining approach to response modeling in database marketing, SIGKDD Explorations, 4(2):78-86, (2002) Scott, Alastair , Fitting Logistic Regression Models in Case-Control Studies with Complex Sampling, R. L. Chambers and C. J. Skinner, (2003) Teresa Costa Cor, BONDAD DE AJUSTE Y ELECCI´ON DEL PUNTO DE CORTE EN REGRESI ´ON LOG´ISTICA BASADA EN DISTANCIAS. APLICACI´ON AL PROBLEMA DE CREDIT SCORING.,Anales del Instituto de Actuarios Espa˜noles, 3a ´epoca, 18, 2012/19-40, (2012) Naeem Siddiqi, Credit Risk scorecards. Developing and implementing intelligent credit scoring, John Wiley & Sons Inc., (2006) Naeem Siddiqi, Credit Risk scorecards. Developing and implementing intelligent credit scoring, John Wiley & Sons Inc., (2006) Raymond Anderson, The Credit Scoring Toolkit -Theory and Practice for Retail Credit Risk Management and Decision Automation, OXFORD, (2007) Goran Kraljevi, Modeling Data Mining Applications for Prediction of Prepaid Churn in Telecommunication Services, ATKAFF 51(3), 275?283, (2010) Philippe Jorion, Financial Risk Manager Handbook, John Wiley & Sons, (2003) Kotler P., Marketing Management, 8th edition., Prentice-Hall, chapter 24, (1994) Peppers, D. and Rogers, M. The One-to-One Fieldbook., Doubleday, (1999). Fabris, P. Advanced navigation: Marketing secrets from the financial sector show how data mining charts a profitable course to customer management., CIO magazine, 11, No.15, p.50-55., (1998). Almquist, E. and Wyner G. Boost your marketing ROI with experimental design., Harvard Business Review, Oct, p.135-141, (2001). Blattberg, R.C., Getz, G., and Thomas J.S. Customer Equity: Building and Managing Relationships As Valuable Assets., Harvard Business School Press, (2001). Schreiner, Mark Ventajas y Desventajas del Scoring Estad´ıstico para las Microfinanzas., Center for Social Development Washington University in St. Louis., (2002). Berson, A., Smith, S., and Thearling, K Building data mining applications for CRM., New York, NY: McGraw-Hill, (2000). |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Bogotá |
| dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Estadística |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Estadística |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/700/1/2016CarlosArg%c3%bcello.pdf https://repository.usta.edu.co/bitstream/11634/700/3/cartaderechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/700/4/cartadefacultad.pdf https://repository.usta.edu.co/bitstream/11634/700/2/license.txt https://repository.usta.edu.co/bitstream/11634/700/5/2016CarlosArg%c3%bcello.pdf.jpg https://repository.usta.edu.co/bitstream/11634/700/6/cartaderechosdeautor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/700/7/cartadefacultad.pdf.jpg |
| bitstream.checksum.fl_str_mv |
cc80b5f60284885f50ffa64bba31a2a0 31585b88bbc3c3ee617811f0bed18417 3851a0024453592bd1ceec56ad7a0aa7 8a4605be74aa9ea9d79846c1fba20a33 7b0afc9edb5270184075c3395aa01048 1bcf818bb3694c64d5408a0f9b33fd5e b6ddb200cd2d0f080c1b50a07f5c065b |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
repositorio@usantotomas.edu.co |
| _version_ |
1782026295261003776 |
| spelling |
Pinzón, Luz MaryArgüello Niño, Carlos Abel2016-02-19T16:57:03Z2017-02-13T19:31:03Z2017-06-24T16:19:04Z2016-02-19T16:57:03Z2017-02-13T19:31:03Z2017-06-24T16:19:04Z2016Argüello Niño, Carlos Abel. (2016). El modelo de up-lifting aplicado a un score de riesgo. Universidad Santo Tomás. Bogotáhttps://hdl.handle.net/11634/700reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coLa minería de datos se ha utilizado ampliamente para optimizar el manejo de los clientes, con el fín de maximizar el retorno de la inversión. En particular, este trabajo trata del uso de los modelos de scoring en las campañas de comercialización de un producto. Los modelos se desarrollan normalmente para identificar las características de los clientes que tienen más probabilidades de incurrir en un evento (caer en mora, comprar un producto, retirar un producto, etc.). Si bien estos modelos son utiles para identificar los clientes a los que se va a dirigir una campaña de marketing, esta campaña puede ser dirigida a clientes que ya han decidido que acción tomar con respecto al evento en cuestión (en este caso, compra de un producto), independientemente de si reciben o no la campaña (por ejemplo, correo electrónico, llamada). Se propone la aplicación de una metodología para identicar a los clientes cuyas decisiones serán influenciados positivamente por campañas. La metodología propuesta es sencilla de implementar y se puede utilizar combinada con los algoritmos de aprendizaje supervisado más comúnmente utilizados. Esta metodología puede proporcionar al sector de telecomunicaciones una simple pero significativa mejora metodológica para optimizar sus acciones de marketing.Data mining has been widely used to optimize customer management in order to maximize return on investment. In particular, this paper deals with the use of scoring models in product marketing campaigns. Models are typically developed to identify the characteristics of customers who are most likely to incur an event (default, purchase a product, withdraw a product, etc.). While these models are useful for identifying the customers to be targeted by a marketing campaign, this campaign can be targeted to customers who have already decided what action to take with respect to the event in question (in this case, purchase of a product), regardless of whether or not they receive the campaign (e.g., email, call). We propose the application of a methodology to identify customers whose decisions will be positively influenced by campaigns. The proposed methodology is simple to implement and can be used in combination with the most commonly used supervised learning algorithms. This methodology can provide the telecommunications sector with a simple but significant methodological improvement to optimize its marketing actions.Pregradoapplication/pdfspaUniversidad Santo TomásPregrado EstadísticaFacultad de EstadísticaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2El modelo de up-lifting aplicado a un score de riesgoUplifting model applied to a risk scorescoring models,data mining,predictive modeling,marketing campaign management,client development,upselling and cross-selling,up-lifting,model interactions.Riesgo (Finanzas)Instituciones financierasMoratoriamodelos de puntuación,minería de datos,modelización predictiva,gestión de campañas de marketingdesarrollo de clientes,venta ascendente y venta cruzada,aumento de la ofertainteracciones de modelos.Trabajo de gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáLo, V. S. Y., The true lift model -a novel data mining approach to response modeling in database marketing, SIGKDD Explorations, 4(2):78-86, (2002)Scott, Alastair , Fitting Logistic Regression Models in Case-Control Studies with Complex Sampling, R. L. Chambers and C. J. Skinner, (2003)Teresa Costa Cor, BONDAD DE AJUSTE Y ELECCI´ON DEL PUNTO DE CORTE EN REGRESI ´ON LOG´ISTICA BASADA EN DISTANCIAS. APLICACI´ON AL PROBLEMA DE CREDIT SCORING.,Anales del Instituto de Actuarios Espa˜noles, 3a ´epoca, 18, 2012/19-40, (2012)Naeem Siddiqi, Credit Risk scorecards. Developing and implementing intelligent credit scoring, John Wiley & Sons Inc., (2006)Naeem Siddiqi, Credit Risk scorecards. Developing and implementing intelligent credit scoring, John Wiley & Sons Inc., (2006)Raymond Anderson, The Credit Scoring Toolkit -Theory and Practice for Retail Credit Risk Management and Decision Automation, OXFORD, (2007)Goran Kraljevi, Modeling Data Mining Applications for Prediction of Prepaid Churn in Telecommunication Services, ATKAFF 51(3), 275?283, (2010)Philippe Jorion, Financial Risk Manager Handbook, John Wiley & Sons, (2003)Kotler P., Marketing Management, 8th edition., Prentice-Hall, chapter 24, (1994)Peppers, D. and Rogers, M. The One-to-One Fieldbook., Doubleday, (1999).Fabris, P. Advanced navigation: Marketing secrets from the financial sector show how data mining charts a profitable course to customer management., CIO magazine, 11, No.15, p.50-55., (1998).Almquist, E. and Wyner G. Boost your marketing ROI with experimental design., Harvard Business Review, Oct, p.135-141, (2001).Blattberg, R.C., Getz, G., and Thomas J.S. Customer Equity: Building and Managing Relationships As Valuable Assets., Harvard Business School Press, (2001).Schreiner, Mark Ventajas y Desventajas del Scoring Estad´ıstico para las Microfinanzas., Center for Social Development Washington University in St. Louis., (2002).Berson, A., Smith, S., and Thearling, K Building data mining applications for CRM., New York, NY: McGraw-Hill, (2000).ORIGINAL2016CarlosArgüello.pdfapplication/pdf8179080https://repository.usta.edu.co/bitstream/11634/700/1/2016CarlosArg%c3%bcello.pdfcc80b5f60284885f50ffa64bba31a2a0MD51open accesscartaderechosdeautor.pdfcartaderechosdeautor.pdfapplication/pdf301673https://repository.usta.edu.co/bitstream/11634/700/3/cartaderechosdeautor.pdf31585b88bbc3c3ee617811f0bed18417MD53metadata only accesscartadefacultad.pdfcartadefacultad.pdfapplication/pdf394836https://repository.usta.edu.co/bitstream/11634/700/4/cartadefacultad.pdf3851a0024453592bd1ceec56ad7a0aa7MD54metadata only accessLICENSElicense.txttext/plain1748https://repository.usta.edu.co/bitstream/11634/700/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52open accessTHUMBNAIL2016CarlosArgüello.pdf.jpg2016CarlosArgüello.pdf.jpgIM Thumbnailimage/jpeg7900https://repository.usta.edu.co/bitstream/11634/700/5/2016CarlosArg%c3%bcello.pdf.jpg7b0afc9edb5270184075c3395aa01048MD55open accesscartaderechosdeautor.pdf.jpgcartaderechosdeautor.pdf.jpgIM Thumbnailimage/jpeg7036https://repository.usta.edu.co/bitstream/11634/700/6/cartaderechosdeautor.pdf.jpg1bcf818bb3694c64d5408a0f9b33fd5eMD56open accesscartadefacultad.pdf.jpgcartadefacultad.pdf.jpgIM Thumbnailimage/jpeg9004https://repository.usta.edu.co/bitstream/11634/700/7/cartadefacultad.pdf.jpgb6ddb200cd2d0f080c1b50a07f5c065bMD57open access11634/700oai:repository.usta.edu.co:11634/7002023-02-25 03:11:51.542open accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.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 |