Se desarrollará un modelo predictivo para la fuga de clientes de una empresa de telefonía móvil para el servicio post pago.
La metodología a usar es la de CRISP, definida según (Fabro, 2019)
1. Definición del problema: formular el problema de la compañía en términos de análisis de fuga.
2. Revisión de datos y selección inicial.
3. Formulación de problemas en términos de datos existentes.
4. Recopilación de datos, catalogación y formato.
5. Procesamiento de datos (limpieza de datos, generación de nuevas variables, transformaciones de los datos, análisis estadísticos, análisis de sensibilidad, detección de pérdidas, etc.).
6. Modelización de datos a través de modelos de clasificación.
7. Revisión y análisis de los resultados: utilizar el modelo de minería de datos para predecir los clientes que están por fugarse por sobre los clientes actuales.
8. Despliegue de resultados: el resultado final del modelo es un grupo de clientes clasificados como “churn”.
ALGORITMO Partición
Input: D conjunto de N ejemplos etiquetados, cada uno de los cuales está caracterizado por n variables predictoras X1,….., Xn y la variable clase C.
Output: Árbol de clasificación.
SI todos los ejemplos de D son de la misma clase c => Asignar la clase c al nodo N.
SALIR: # Esta rama es pura, ya no hay que seguir partiendo. N es hoja.
SI NO: -
Particiones: = generar posibles particiones.
Mejor partición:= seleccionar la mejor partición según el criterio de partición.
1. Seleccionar la variable que se adecúa mejor al criterio de partición
Xr con valores xr1,…., xrrn.
2. Particionar D de acorde con los nr valores de xr en D1 ,….., Dnr
3. Construir nr subárboles T1,…., Tnr con los valores xr1 ,……., xr nr
FIN
FIN SI
FIN ALGORITMO
RESULTADOS
Para el Modelo de abandono de clientes se crea 2 modelos, par aluego compararlos, el modelo A, donde se usa todas las variables y el modelo B donde se reduce las variables eliminando la variable Cancelación Permanente.
según la matriz de confusión, se observa que no hay gran diferencia entre estos dos, por ellos sería conveniente elegir sobre la práctica de cada modelo.
Las variables predictoras del modelo de clasificación permiten establecer reglas de decisión desde las cuales es posible encontrar qué condiciones se debieran cumplir para que un cliente decida voluntariamente abandonar la empresa.
Se escogió el modelo que tenía menor cantidad de atributos ya que se obtienen iguales resultados, pero el modelo es más rápido.
FUENTE
Fabro, V., Deroche, A., Basso y D. Pollo-Cattaneo, F. (2019). Análisis de algoritmos aplicados al Churn Analysis. Brazilian Journal of Development. Vol.5, pp 3100-3120.
Contreras, E., Ferreira, F. y Valle, M. (2017). DISEÑO DE UN MODELO PREDICTIVO DE FUGA DE CLIENTES UTILIZANDO ÁRBOLES DE DECISIÓN. Revista Ingeniería Industrial. vol.16, pp. 08-23.