Modelos predictivos para evitar la deserción de clientes

Según los autores de “Leading on the Edge of Chaos” un aumento del 2% en la retención de clientes es equivalente a una reducción del 10% en los costos de una empresa (…)”.[1]

En ese contexto, la optimización de costos para mejorar la rentabilidad es una práctica muy común en las empresas, y la ciencia de datos (Data Science) nos brinda una estrategia para esto, a través de la realización de modelos predictivos de deserción de los clientes, utilizando la metodología denominada: “Machine Learning”.

Estos modelos predictivos, valiéndose de herramientas estadísticas, identifican a clientes con mayores probabilidades de terminar la relación comercial;  así como aquellos que tienen altas probabilidades de mantener el vínculo comercial con la empresa. Todo esto es posible gracias a la información histórica que las empresas posean de sus clientes.

Otra ventaja de estos modelos es que se pueden determinar el conjunto de parámetros más relevantes que puede tener un cliente para abandonar o afianzar la relación comercial.

Así mismo, cabe resaltar que estos modelos facilitan la generación de campañas precisas de fidelización de clientes; lo cual, permite optimizar gastos monetarios, tiempo y esfuerzo. Con ello, la empresa podrá dedicar más tiempo y recursos a clientes con mayor probabilidad de romper la relación comercial.

Ahora bien: ¿por qué es tan importante esforzarse en retener a los clientes?: “(…) según la Oficina de Asuntos del Consumidor de la Casa Blanca es de 6 a 7 veces más costoso adquirir un nuevo cliente que retener a uno antiguo (…)”.[2]

Es importante mencionar que estos modelos no necesariamente se limitan a realizarse para empresas que ofrezcan  productos, pues hay evidencia que se los aplica en gran parte en análisis de deserción de alumnos con respecto a sus instituciones educativas.

Como ejemplo de lo mencionado anteriormente, tenemos el caso del modelo de deserción realizado en la ciudad de Salta-Argentina, cuyo objetivo fue determinar la cantidad de jóvenes en riesgo de abandonar los estudios secundarios. Este modelo permitió al Gobierno Provincial de Salta, identificar aproximadamente el 90% de alumnos que están en riesgo de abandonar el colegio; para poder aplicar campañas o programas, a su discreción, y poder retener la mayor cantidad de alumnos posibles.[3]

Para atender todo aquello, ACTUARIA pone a disposición el servicio de elaboración de modelos de deserción de clientes, a partir del cual se podrá predecir el comportamiento de los mismos, en términos de continuar o no la relación comercial con sus empresas, así como las razones de estos comportamientos.

Quedamos prestos y gustosos en servirlos.  

Autor: Santiago Armijos

Bibliografía:

[1] https://sitiobigdata.com/2019/12/24/analisis-de-abandono-con-machine-learning/

[2] https://sitiobigdata.com/2019/12/24/analisis-de-abandono-con-machine-learning/

[3] https://github.com/marcelofelman/case-studies/blob/master/Desercion%20escolar%20con%20Machine%20Learning.md