Diseño de un modelo predictivo de fuga de clientes utilizando árboles de decisión

• Autores: Evelyn Francisca Contreras Morales, Francisca Mercedes Ferreira Correa, Mauricio A. Valle
• Localización: Revista Ingeniería Industrial, ISSN-e 0717-9103, Vol. 16, Nº. 1, 2017, págs. 7-23
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    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

  • English

    This study aims to design a model based on decision trees, which allows predicting potential voluntary abandonment of customers of a telecommunications company for post-paid services (fixed monthly contracted service) of digital television. The results of the model allow to proactively act in the retention of clients and improve the services provided. We used 23 predictor variables that influence the leakage of clients. The dependent variable is an identifier that determines if the client is still active and active in the company, or has stopped consuming services. The results with the test dataset achieve an Accuracy of 96,5% indicating that the decision trees prove to be an attractive alternative to elaborate modelprediction of customer leakage in this type of data due to the simplicity of Interpretation of results