Modelo de predicción de fuga de clientes en empresa SaaS de inteligencia logística

Abstract

En estos tiempos donde procesos y la forma en que nos relacionamos se está trasladando a lo digital, donde se espera que el mercado latinoamericano de tecnología de la nube crezca en un 250 % en 3 años a partir de 2021 [Vota et al., 2020], empresas SaaS enfrentarán cada día más competencia, aumentando con esto su riesgo de perder clientes. En este escenario, contar con herramientas que permitan anticiparse a una fuga se vuelve cada vez más relevante. Esta memoria aborda la elaboración de un modelo de predicción de fuga de clientes y la interpretación de variables relevantes, en una empresa de inteligencia logística, con el objetivo de aportar con una herramienta a la organización. Esto se llevó a cabo utilizando técnicas de machine learning (XGBoost y Logit), interpretación de coeficientes de Logit y el análisis de shap values para la interpretación del efecto de variables en el modelo XGBoost. Vale destacar que para realizar este trabajo que se utilizó con una base de datos de 2372 instancias y 7 variables relevantes para la predicción. Los resultados de este estudio indican que el modelo XGBoost tiene un mejor desempeño en la predicción de fuga para este contexto (AUC = 0.76, precisión = 0.22, sensibilidad = 0.56) en comparación con el modelo logit (AUC = 0.72, precisión = 0.04,sensibilidad = 0.76). Por otro lado, en cuanto a la interpretación de variables, el análisis de shap values permitió identificar que en los primeros 7 meses de actividad, los clientes son más propensos a la fuga, y que usuarios que registran niveles bajos en una de las variables que miden la frecuencia de uso ( n_planes_mes ) tienden también a tener una probabilidad de fuga mayor. De esta última variable se destaca la capacidad de ser utilizada como clasificador simple a través de un árbol de decisión, donde clientes cuyas métricas estén bajo cierto umbral son clasificados como candidatos a la fuga, alcanzando un performance cercano al del modelo XGBoost (precisión = 0.14, sensibilidad = 0.55) con una implementación más sencilla. En conclusión, los resultados muestran que el modelo XGBoost es el que logra la mejor predicción con los datos disponibles. Por su parte, el estudio de los shap values no solo permitió entender como cada variable influye en la predicción, sino que además contribuyó a generar preguntas como por ejemplo el por qué en los primeros 7 meses se tiene una mayor propensión a la fuga, cuya respuesta podría ayudar a generar estrategias efectivas de retención de cliente y que se propone investigar en trabajos futuros.