REVISTA DYNA MANAGEMENT

Palabras clave:

churn rate, inteligencia artificial, ensamble, estimador, modelo predictivo, oversampling, undersampling, datos desequilibrado, artificial intelligence, assembly, estimator, predictive model

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

RESUMEN:
El estudio del churn rate por parte de las empresas, como porcentaje de clientes o suscriptores que dejan de utilizar sus productos o servicios durante un período determinado, resulta una práctica habitual dentro de las mismas. Dicho estudio permite detectar patrones de comportamiento asociados a si el cliente quiere permanecer o no. Dicha detección de patrones se puede efectuar mediante el empleo de técnicas de Machine Learning asociado a la utilización de modelos de aprendizaje supervisado. Esta detección de abandono permitirá a la compañía abordar las estrategias de retención que considere pertinentes con el objetivo de evitar pérdidas económicas no deseadas. Este trabajo presenta el caso de estudio de la empresa de telecomunicaciones Orange, datos procedentes de la competición SIDKDD 2009.
Con el objetivo de contrarrestar el carácter desequilibrado de los datos y, por tanto, favorecer la captación de marcha de clientes, se plantean dos técnicas: el uso del algoritmo SMOTE y una versión propia de un ensamble de submuestras. Tras analizar los resultados, se constata que el entrenamiento de los algoritmos con un set de datos equilibrado permite mejorar considerablemente la captación de la marcha de los clientes a costa de u cierta penalización en la precisión del modelo.
Finalmente, se incorpora un abanico de ensamble de estimadores que registra toda posible combinación de las predicciones de los modelos predictivos utilizados, de tal manera que se obtengan distintos balances entre precisión y captación de la marcha de clientes.

Palabras Clave: churn rate, inteligencia artificial, ensamble, estimador, modelo predictivo, oversampling, undersampling, datos desequilibrado