Metodología para realizar predicción de fuga de clientes en una empresa de retail

Abstract

La industria del retail está compuesta por distintos tipos de locales, tales como las tiendas de especialidad, los supermercados y las tiendas por departamento. Esta memoria se desarrollará en un holding que posee locales de diferentes tipos, entre los cuales están los dos últimos mencionados. Por a la alta competitividad que existe en esta industria, es importante conocer el comportamiento de los clientes y realizar un programa de fidelización, con el objetivo de motivarlos a establecer o mantener una relación con la empresa, la cual se da de manera no contractual. Debido a esto último es que no se cuenta con herramientas que indiquen cuando los clientes se fugan, por lo que el objetivo principal de este trabajo será predecir cuando esto ocurre. Lo primero será definir un criterio mediante el cual se considere a un cliente como fugado, como una forma de trabajar con la relación no contractual entre los clientes y la empresa. Esto se realizará con datos transaccionales, basándose en las variables RFM. Luego se aplicarán una modificación del modelo Pareto/NBD y las Cadenas de Markov Ocultas para definir un conjunto de clientes sobre los cuales es conveniente aplicar acciones de marketing porque se encuentran en vías de fugarse. El modelo Pareto/NBD estimará la probabilidad que éstos poseen de permanecer activos, teniéndose la ventaja de que el modelo fue adaptado según el criterio de fuga definido y que se ha usado una variación de él, de modo que se simplifiquen los cálculos computacionales. Sin embargo, se tiene la desventaja de tener que definir de manera manual los estados con los cuales se identifica a los clientes que requieren acciones de marketing, en base a la probabilidad calculada, lo cual puede resultar poco exacto. Por su lado, las Cadenas de Markov Ocultas estimarán las probabilidades de que los clientes se encuentren en los diferentes estados, lo cual es una ventaja, ya que éstos quedan definidos por el modelo y mediante ellos se identifican los clientes a los que hay que aplicar acciones de marketing. Sin embargo, se tiene la desventaja de que, como estos estados son ocultos, sólo se cuenta con una probabilidad de que los clientes pertenezcan a ellos, lo cual podría hacer que se les clasifique erróneamente. Al comparar los errores absolutos, se tiene que éstos son cercanos al 30% en promedio en las Cadenas de Markov Ocultas mientras que en Pareto/NBD se acercan al 10% en promedio. Además, las Cadenas de Markov clasifican a la mayoría de los clientes en un sólo estado, lo cual es poco discriminador para identificar a aquellos próximos a fugarse. Por esto, la caracterización de los clientes se realizó en base a Pareto/NBD, obteniendo que cerca del 15% de ellos debieran ser abordados para evitar su fuga. Por otro lado, se tiene que una de las principales razones de la fuga de los clientes es que sus necesidades no son atendidas, por lo tanto, la recomendación es preocuparse de esto, ya que cuando sienten que los están considerando, el porcentaje de clientes que se fuga disminuye. Luego, las acciones de marketing para aplicar al 15% de los clientes seleccionados deberían ir enfocadas a mejorar la satisfacción de ellos. Finalmente, un trabajo futuro interesante sería calcular el valor de los clientes y compararlo con la probabilidad que poseen de fugarse, para medir que tan conveniente es retenerlos, en cuanto al valor que le entrega a la empresa.