Modelos de propensión de fuga y relación de las interacciones con clientes en una empresa de Telecomunicaciones

Abstract

La retención de clientes es un aspecto clave para la sobrevivencia de las empresas, especialmente considerando que la adquisición de un cliente es más costosa que retener uno ya existente. Por esta razón, es necesario identificar a los clientes que cancelarán el servicio con el fin de caracterizarlos y poder ejercer campañas de retención proactivas sobre los mismos. En el presente trabajo de título se realizan modelos de predicción de fuga de clientes en una empresa de telecomunicaciones para el servicio de internet fibra óptica. Para esto se utiliza la metodología Cross Industry Standard Process for Data Mining y se entrenan 5 modelos de machine learning: Gradient Boosting Machine, Random Forest, Extremely Randomized Tress, Stacked Ensemble Best of Family y Stacked Ensemble All Models. Además, para solucionar el problema de clases desbalanceadas, cada modelo se entrena con 3 bases de datos distintas: una simple, una con algoritmo de random oversampling y una con algoritmo de random undersampling. Los modelos que obtienen un mejor desempeño para la problemática planteada fueron los modelos de Random Forest y Stacked Ensemble. Por otro lado, los algoritmos de balanceo de clase no mostraron mejores resultados para las métricas de mayor importancia en este problema. Utilizando los modelos de mejor desempeño, se prevé que si se realizan acciones de retención proactiva a tan solo el 3% más propenso a fugarse se estarían contactando al 25% de las fugas totales que se reportan a nivel global en el servicio, lo que permitiría enfocar recursos en un grupo reducido de clientes, pero con un nivel alto de detección temprana de fugas. También se identifica que las interacciones que realiza el cliente con la empresa a través del canal de Interactive Voice Response resultan un buen predictor de fuga de clientes, donde aquellas personas que más se contactan con la empresa poseen hasta un 57% mayor probabilidad de fugarse respecto a quienes no se contactan previamente. Para finalizar, se diseña un experimento que busca evaluar si las acciones de contactabilidad con el cliente o la entrega de descuentos podrían evitar la fuga en ciertos grupos establecidos como propensos a fugarse por el modelo entrenado.