DISEÑO DE UN MODELO PREDICTIVO DE FUGA DE CLIENTES UTILIZANDO ÁRBOLES DE DECISIÓN

DESIGN OF A PREDICTIVE CUSTOMER LEAKAGE MODEL USING DECISION TREES

Resumen

Este estudio tiene como objetivo diseñar un modelo basado en árboles de decisión, que permita predecir potenciales abandonos voluntarios de clientes de una empresa de telecomunicaciones para servicios post pago (servicio contratado de monto fijo que se paga mensualmente) de televisión digital. Los resultados del modelo permiten actuar proactivamente en la retención de clientes y mejorar los servicios prestados. Se utilizaron 23 variables predictoras que inciden en la fuga de clientes. Se utilizó una variable clase o variable dependiente, que es un identificador que determina si el cliente sigue vigente y activo en la empresa, o ha dejado de consumir servicios. Los resultados con el conjunto de datos de prueba, logran una precisión del 96,5%, indicando que los árboles de decisión resultan ser una atractiva alternativa para elaborar modelos de predicción de fuga de clientes en este tipo de datos, debido a la simplicidad de interpretación de los resultados.

Citas

AHN, J.H., HAN, S.P. and LEE, Y.S. Customer churn analysis: Churn determinants and mediation effects of partial defection in the Korean mobile telecommunications service industry. Telecommunications policy [En línea]. 2006, 30 (10), 552-568. [cit. 12 de febrero de 2016]. DOI: https://doi.org/10.1016/j.telpol.2006.09.006. Disponible en: http://www.sciencedirect.com/science/article/pii/S0308596106000760

GOICOCHEA, A. CRISP-DM, Una metodología para proyectos de Minería de Datos. 2009 [En línea]. [Citado el: 12 de febrero de 2016.]. Disponible en: https://anibalgoicochea.com/2009/08/11/crisp-dm-una-metodologia-para-proyectos-de-mineria-de-datos/

BERSON, A., SMITH, S.Y and THEARLING, K. Building data mining applications for CRM. New York: McGraw-Hill, 2000.

CIMPOERU,C and ANDREESCU,A. Predicting Customers Churn in a Relational Database. Informatica Economica [En línea] 2014, 18(3), 5-16. [cit. 12 de febrero de 2016]. Disponible en: https://search.proquest.com/openview/2b1c7bbe95f3543cd613111094959dce/1?pqorigsite=gscholar&cbl=55108

FAWCETT, T. An introduction to ROC Analysis. Pattern Recognition [En línea]. 2006. 27(8), 861-874. [cit. 12 de febrero de 2016]. DOI: https://doi.org/10.1016/j.patrec.2005.10.010 Disponible en: http://www.sciencedirect.com/science/article/pii/S016786550500303X

FEELDERS, A., DANIELS, H and HOLSHEIMER. M. Methodological and practical aspects of data mining. Information & Management. [En línea]. 2000, 37(5), 271-281. [cit. 12 de febrero de 2016]. DOI: https://doi.org/10.1016/S0378-7206(99)00051-8 http://www.sciencedirect.com/science/article/pii/S0378720699000518

GIUDICI, P AND FIGNI, S. Applied Data Mining for Business and Industry. s.l. : Wiley, DOI: https://doi.org/10.1002/9780470745830.index , 2009.

HADDEN, J., TIWARI, A., ROY, R and RUTA, D. Churn Prediction: Does Technology Matter? International Journal of Intelligent Technology [En línea]. 2006,1(2), 104-110. [Citado el: 05 de febrero de 2016.] Disponible: https://www.waset.org/Publications/churn-prediction-doestechnology-
matter-/1793

HERNÁNDEZ O, J., RAMIREZ QUINTANA, MJ., FERRI RAMIREZ, C. Introducción a la Minería de Datos. Madrid : Pearson Prentice Hall, 2004.

HUNG, SY., YEN, D.C., WANG, H.UY. Applying data mining to telecom churn management. Expert Systems with Applications. [En línea]. 2006. 31(3), 515-524. [cit. 12 de febrero de 2016]. DOI: https://doi.org/10.1016/j.eswa.2005.09.080 Disponible en: http://www.sciencedirect.com/science/article/pii/S0957417405002654
Publicado
2017-04-30
Cómo citar
CONTRERAS MORALES, Evelyn Francisca; FERREIRA CORREA, Francisca Mercedes; VALLE, Mauricio. DISEÑO DE UN MODELO PREDICTIVO DE FUGA DE CLIENTES UTILIZANDO ÁRBOLES DE DECISIÓN. Revista Ingeniería Industrial, [S.l.], v. 16, n. 1, apr. 2017. ISSN 0718-8307. Disponible en: <http://revistas.ubiobio.cl/index.php/RI/article/view/3055>. Fecha de acceso: 16 jan. 2018
Sección
Artículos