Show simple item record

Professor Advisordc.contributor.advisorDuarte Alleuy, Blas
Authordc.contributor.authorRamírez Aranda, Felipe Alejandro
Associate professordc.contributor.otherGormaz Canave, Andrés
Associate professordc.contributor.otherMartínez Giménez, Loreto
Admission datedc.date.accessioned2024-12-12T19:41:23Z
Available datedc.date.available2024-12-12T19:41:23Z
Publication datedc.date.issued2024
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/202256
Abstractdc.description.abstractEl mercado de las telecomunicaciones en Chile ha experimentado una constante evolución, marcada por la irrupción de nuevas tecnologías como el 5G que han sido rápidamente aceptadas por el público y por la inmensidad de datos que se poseen. En este contexto, Entel ha decidido centrar sus esfuerzos en acciones basadas en datos como parte de su estrategia “Entel Data Driven”, con el objetivo de mejorar sus procesos, perfeccionar la toma de decisiones y ofrecer servicios más personalizados y eficientes a sus clientes. El proyecto encargado al estudiante es el de desarrollar y validar un modelo de predicción basado en Machine Learning para identificar a clientes con alta probabilidad de renovación de dispositivos con especial foco en cambios dentro de Entel; con el fin de generar campañas de marketing efectivas que mejoren la inversión y la orientación de estas. Para lo anterior se siguió una metodología CRISP-DM descubriendo las principales razones de un cambio de equipo, aprendiendo a trabajar con la estructura tecnología de Entel, creando los insumos necesarios para tal proyecto y desarrollando dos modelos de propensión utilizando el framework Kedro con H2O AutoML y modelando con XGBoost. Como resultado, se desarrolló el primer modelo de cambio de equipo en cualquier canal de compra (Grandes tiendas, competencia, online, etc), obteniendo un AUC de 0.671. Este modelo permitió identificar correctamente los segmentos de clientes más propensos al cambio, logrando un aumento en la tasa de cambio del 5 % promedio a una tasa del 19 % para el grupo más propenso. Por otro lado, el modelo de cambio de equipo en Entel logró un AUC de 0.645, identificando también correctamente los segmentos más propensos al cambio dentro de Entel, incrementando la tasa de cambio del 17 % a una tasa del 36 % para el grupo más propenso. Para concluir se puede decir que el proyecto fue un total éxito, ya que se cumplieron los objetivos pactados en un comienzo, logrando la real agrupación de aquellos clientes que son más propensos al cambio de un equipo móvil. Esto ayudará a Entel a orientar de mejor manera sus campañas de cambios de equipo, permitiendo diferenciar entre aquellos clientes que son más propensos al cambio con los que no. Sin duda, esta nueva herramienta agregará valor a los sistemas de Entel, ya que se seguirá una estrategia totalmente basada en datos.es_ES
Lenguagedc.language.isoeses_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
Títulodc.titleDesarrollo y validación de un modelo de propensión al cambio de equipos móviles para mejorar la estrategia comercial en telecomunicacioneses_ES
Document typedc.typeTesises_ES
dc.description.versiondc.description.versionVersión original del autores_ES
dcterms.accessRightsdcterms.accessRightsAcceso abiertoes_ES
Catalogueruchile.catalogadorchbes_ES
Departmentuchile.departamentoDepartamento de Ingeniería Industriales_ES
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES
uchile.carrerauchile.carreraIngeniería Civil Industriales_ES
uchile.gradoacademicouchile.gradoacademicoLicenciadoes_ES
uchile.notadetesisuchile.notadetesisMemoria para optar al título de Ingeniero Civil Industriales_ES


Files in this item

Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States