Modelo de clasificación de motivos de fuga por problemas de red en una empresa de telecomunicaciones

Abstract

El presente trabajo de título tiene como objetivo desarrollar un modelo de clasificación para predecir si un cliente de una compañía de telecomunicaciones tiene alto riesgo de abandonar el servicio debido a problemas en la red que generan una mala experiencia de usuario. La empresa que se analiza es Entel, el mayor operador móvil de Chile. En donde la portabilidad es uno de los principales canales de fuga de clientes. Dado que la ley de portabilidad ha eliminado las barreras de salida, no se registra el motivo por el cuál un cliente decide portarse a otra compañía, solo se da aviso posteriormente, por lo que no hay una estrategia enfocada a la causa de fuga. Para ello se busca detectar los casos de fugas que se deben específicamente a fallas técnicas mediante el análisis de métricas de experiencia de red y su correlación con motivos de salida declarados en encuestas posteriores. El proyecto se enmarca en el campo de la ciencia de datos, utilizando técnicas de aprendizaje supervisado y en específico modelos de clasificación binaria. La metodología seguida fue CRISP-DM, que estructura el desarrollo en fases de comprensión del negocio, entendimiento de datos, preparación de datos, modelamiento, evaluación e implementación. Se utilizó información de clientes que se portaron de Entel entre abril y octubre del 2023, con variables relativas a su experiencia previa en la red como intensidad de señal, cambios de tecnología, minutos cursados y tráfico de internet. Estos datos se vincularon con encuestas posteriores que capturan la motivación detrás de su partida. Se probó una variedad de algoritmos de clasificación binaria. El modelo CatBoost demostró la mejor capacidad para distinguir clientes con alta y baja propensión de abandono técnico según la métrica AUC, que alcanzó un máximo de 0.71 en set de prueba. Se analizó a profundidad el performance en términos de métricas como precisión, exactitud y curva ROC y Lift. También se analizó la interpretabilidad de variables con la técnica SHAP Values y se comparó el funcionamiento de las predicciones de modelo versus la distribución de datos reales. Los resultados permiten priorizar de forma proactiva mejoras en la calidad e infraestructura de la red móvil de Entel en las zonas geográficas donde se concentran los usuarios con mayor probabilidad pronosticada de experimentar problemas técnicos severos que deriven en su portabilidad, ayudando a enfocar las acciones de retención.