Modelamiento de predictor de fuga de clientes, con la utilización del valor de vida del cliente y redes neuronales recurrentes
| dc.contributor.advisor | Miranda Mendoza, Constanza | |
| dc.contributor.author | Hojas Loret, Pedro Agustín | |
| dc.contributor.other | Pontificia Universidad Católica de Chile. Escuela de Ingeniería | |
| dc.date.accessioned | 2019-04-09T16:24:10Z | |
| dc.date.available | 2019-04-09T16:24:10Z | |
| dc.date.issued | 2018 | |
| dc.description | Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2018 | |
| dc.description.abstract | Para todas las industrias, el manejo estratégico de los clientes es vital para conservar la competitividad y la supervivencia empresarial en el tiempo. En este contexto existen dos enfoques estratégicos principales: adquisición y retención de clientes. Debido a que las segundas son las más rentables para empresas consolidadas, este estudio se centrará en aquellas, particularmente aquellas que buscan la prevención de fuga de clientes. En particular, esta tesis se centrará en el contexto de la venta orientada a empresas –o B2B– tiene un mercado objetivo se concentra en menos actores, con valores de compra más elevados: por lo que este ámbito de estudio es particularmente importante. De esta manera, se implementó un modelo predictor de fuga de clientes en base a información histórica de transacciones, en un contexto de B2B. Esto se hizo en dos partes: primero fue implementado un modelo de predicción secuencial de tiempo a la siguiente compra: denominado Weibull Time To Event Recurrent Neural Network (wtte-rnn). Este, tiene tanto las bondades de las Redes Neuronales Recurrente –procesar patrones temporales complejos– como la versatilidad de la distribución de Weibull para la predicción de eventos. En una segunda instancia, se utiliza el cálculo del Valor del Ciclo de Vida del Cliente, donde se puede valorar la información histórica con la predicción anterior. Para validar la implementación del modelo se utilizará la información transaccional de una empresa de insumos no estratégicos orientado a la venta de empresas (B2B) con información de más de 25.000 clientes anuales. En particular se analizarán más de 3 millones de transacciones ocurridas entre los años 2014 y 2018. Con esta información y dependiendo del escenario se logra tener un predictor de fuga cuya ganancia sobre un predictor aleatorio es considerable, con un AUC entre 0,61 a 0,69. | |
| dc.format.extent | xi, 42 hojas | |
| dc.identifier.uri | https://repositorio.uc.cl/handle/11534/22387 | |
| dc.language.iso | es | |
| dc.nota.acceso | Contenido completo | |
| dc.rights | acceso abierto | |
| dc.subject.ddc | 000 | |
| dc.subject.dewey | Ciencias de la computación | es_ES |
| dc.subject.other | Redes neurales (Ciencia de la computación) | es_ES |
| dc.subject.other | Aprendizaje de máquina | es_ES |
| dc.title | Modelamiento de predictor de fuga de clientes, con la utilización del valor de vida del cliente y redes neuronales recurrentes | es_ES |
| dc.type | tesis de maestría | |
| sipa.codpersvinculados | 17168 |