Segmentación de oferta de servicios de telefonía móvil para clientes con historial de morosidad en Entel basado en Data Science
Professor Advisor
dc.contributor.advisor
Urzúa Salinas, Pedro Antonio
Author
dc.contributor.author
Yáñez Vargas, Sebastián Andrés.
Associate professor
dc.contributor.other
Segovia Riquelme, Carolina
Associate professor
dc.contributor.other
Vildoso Castillo, Felipe
Admission date
dc.date.accessioned
2025-07-08T21:01:52Z
Available date
dc.date.available
2025-07-08T21:01:52Z
Publication date
dc.date.issued
2025
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/205678
Abstract
dc.description.abstract
La industria de las telecomunicaciones ha experimentado avances significativos en los últi
mos años, lo que ha derivado en un aumento sustancial de la competencia entre las empresas
del sector. Entel se posiciona como una de las principales compañías en este ámbito, con
presencia en Chile y Perú y una base de 8 millones de clientes. En este escenario, la empresa
ha impulsado nuevas estrategias orientadas a fortalecer su posición competitiva y mejorar su
rentabilidad.
En este contexto surge el proyecto “Perdonazo”, cuyo objetivo es reincorporar a clientes
que fueron bloqueados por incumplimientos de pago, eliminando como restricción sus deudas
históricas. Para ello, se desarrolló un modelo de predicción de no pago que permite segmen
tar a estos clientes según su probabilidad de reincidencia en morosidad, facilitando decisiones
comerciales más eficientes y focalizadas.
El modelo fue construido siguiendo la metodología CRISP-DM, empleando un modelo de
tipo LightGBM para la selección de variables y XGBoost como clasificador final. Esta combi
nación permitió reducir el conjunto de variables utilizadas manteniendo un buen rendimiento
predictivo y favoreciendo su futura implementación en entornos reales.
Los resultados evidenciaron mejoras respecto a la versión anterior del modelo, con una
mayor capacidad para discriminar entre clientes de bajo y alto riesgo, utilizando un menor
número de variables. Esto se traduce en una herramienta más eficiente y práctica, capaz
de apoyar decisiones comerciales con una base analítica robusta. A pesar de que el impacto
económico inmediato fue acotado, los resultados técnicos alcanzados validan el enfoque pro
puesto y su potencial utilidad en escenarios de alta competencia.
es_ES
Lenguage
dc.language.iso
es
es_ES
Publisher
dc.publisher
Universidad de Chile
es_ES
Type of license
dc.rights
Attribution-NonCommercial-NoDerivs 3.0 United States