Modelo predictivo para portabilidad de líneas adicionales móviles postpago para una empresa de Telecomunicaciones

Abstract

Una de las estrategias comerciales que se utiliza dentro de la industria de las telecomunicaciones es la oferta de servicios postpago, adicionales a la línea titular, lo cual permite aumentar el volumen de clientes y la penetración de la compañía dentro de un grupo familiar. El impacto de esta estrategia se observa al comparar tasas de fuga, en donde aquellos hogares que poseen una penetración de un 100% registran una tasa de fuga menor que aquellos que no. La motivación de este trabajo consiste en aumentar la penetración dentro de los hogares que poseen al menos un cliente postpago de una compañía telefónica. Por ello, se construye un modelo capaz de identificar clientes con mayor propensión a contratar líneas adicionales portadas, con el fin de mejorar la segmentación para la oferta de servicios existentes de la empresa. Dentro del estudio realizado se evidencia la importancia que representa las portabilidades numéricas para la empresa, debido a su baja tasa de fuga en comparación a otros tipos de contrataciones de líneas (migraciones o activaciones). Parte de los análisis realizados en el estudio tuvo como objetivo analizar la influencia de clientes titulares dentro de su red social y el impacto en la adquisición de nuevos servicios. Sin embargo, no se obtuvieron resultados concluyentes para la predicción de líneas adicionales portadas. Como trabajos futuros se propone retomar el estudio de externalidades de red a través de la identificación de perfiles de clientes utilizando los registros de llamada o CDR, abordando el problema desde otra mirada. Se evaluaron diferentes algoritmos de Machine Learning (GBM, RF y XGBoost) para la predicción del problema estudiado. El modelo que obtuvo una mayor capacidad predictiva e interpretativa corresponde a un XGBoost sin balanceo de datos, el cual posee un buen desempeño. Se obtiene un AUC cercano a 0.68 y se observa un correcto ordenamiento de los deciles de clientes a partir de la curva Lift acumulada (estrictamente decreciente). El perfil del cliente con mayor propensión es aquel que llegó a la compañía hace menos de 6 meses portando su línea titular, que no posee más de dos líneas asociadas a su cuenta y con un alto nivel de interacción con clientes de la competencia a través de llamadas telefónicas. A partir del modelo seleccionado, se plantea un experimento de segmentación de oferta dentro del Call Center de la empresa, esperando confirmar los hallazgos encontrados.