Modelo de caracterización de la lealtad de clientes bancarios incorporando técnicas de Text Mining para una empresa de investigación de mercado
Professor Advisor
dc.contributor.advisor
Marín Vicuña, Pablo
Author
dc.contributor.author
Molina Bautista, Nicole Patricia
Associate professor
dc.contributor.other
Fuente Chandía, Alejandra
Associate professor
dc.contributor.other
Fritis Cofré, Nicolás
Admission date
dc.date.accessioned
2021-08-23T14:04:11Z
Available date
dc.date.available
2021-08-23T14:04:11Z
Publication date
dc.date.issued
2021
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/181378
General note
dc.description
Memoria para optar al título de Ingeniero Civil Industrial
es_ES
Abstract
dc.description.abstract
Ipsos, empresa líder en investigación de mercado en Chile, busca mantener su relevanciaadaptándose a las necesidades de su mercado. En esa búsqueda, se vió que existe la oportu-nidad de agregar valor a sus clientes de la industria bancaria, mediante la caracterización dela lealtad de los usuarios incorporando sus opiniones expresadas en encuestas. De esta forma,los bancos podrán entender a partir de la experiencia de sus usuarios, qué es lo que impactapositiva o negativamente su lealtad.En Ipsos el procesamiento de textos se realiza -principalmente- de forma manual lo queimplica un gasto aproximado de$32.400.000 al año por la contratación de equipo externo paratal labor. Actualmente, existen herramientas deText Miningque facilitan la tediosa labor decategorizar las respuestas abiertas de los clientes y que no han sido del todo exploradas porla empresa.Para llevar a cabo este objetivo se trabajó con las encuestas realizadas en un banco enparticular y el trabajo se dividió en dos partes. En primer lugar, el minado de textos, enel que se implementaron distintas herramientas para normalizar, limpiar y transformar lasverbalizaciones. Luego, se implementó un modelo de detección de tópicos LDA para conocerlos temas tratados por los comentarios de las encuestas mensuales del banco.Después, la categorización de los comentarios se incorporó como variable adicional en elmodelo de caracterización de lealtad. Se replicó el modelo de regresión actual de la empre-sa, para compararlo con cuatro modelosXGBoostque difieren en la inclusión o no de lostópicos entre sus variables independientes y si es que la variable dependiente es la nota derecomendación o el tipo de cliente: promotor, neutro o detractor.Comparando los resultados de los modelos se concluyó que el modeloXGBoostque in-corpora tópicos entre sus variables independientes y agrupa la variable dependiente entreclientes promotores, detractores y neutros, supera en un 21%el AUC del modelo base. Porotro lado, el mismo modelo sin incluir tópicos mejora el modelo base en un 16%.Gracias al análisis realizado a partir de ambos modelos, se sugiere a la empresa utilizarambos modelos para que se complementen entre sí. Por un lado, aprovechar el modelo queno incluye tópicos para monitorear la evolución de la satisfacción y la incidencia medidosobjetivamente y, por otra parte, implementar el modelo con tópicos para explorar nuevasfortalezas y debilidades y determinar cómo influyen estas en su fidelización.
Lenguage
dc.language.iso
es
es_ES
Publisher
dc.publisher
Universidad de Chile
es_ES
Type of license
dc.rights
Attribution-NonCommercial-NoDerivs 3.0 United States