Aproximación a las variables que determinan el nivel de fidelidad de los clientes de los servicios de telecomunicación en Latinoamérica: Caso real

El objetivo de este estudio es analizar el fenómeno de "churn" en el sector de las telecomunicaciones, que se refiere al cambio frecuente de operador por parte de los clientes y la falta de lealtad hacia una operadora específica. Para lograr esto, se utiliza un conjunto de datos proporcionados por Telefónica Chile que contiene información de clientes reales. El propósito es identificar las variables más relevantes que influyen en la rotación de clientes y desarrollar un modelo predictivo basado en estas variables. En primer lugar, se realiza un preprocesamiento de los datos y se lleva a cabo un análisis descriptivo para comprender mejor las características de las variables que se utilizarán en el modelo. A continuación, se aplica un modelo de clustering con el fin de identificar diferentes perfiles de clientes y comprender mejor sus comportamientos y necesidades. Además, se realiza un análisis similar a un "event study" para examinar el comportamiento de los clientes en los meses previos a su cancelación. Este análisis ayuda a obtener información sobre los patrones y factores que pueden influir en la decisión de un cliente de darse de baja. Basándose en la literatura existente y en los resultados obtenidos en el análisis descriptivo, se seleccionan las variables más relevantes para construir un modelo explicativo utilizando regresión logística. Como parte de este análisis explicativo, también se construye un árbol de decisión y un modelo de Random Forest para evaluar la importancia conjunta de todas las variables. Además, se emplean técnicas de reducción de variables para obtener un modelo más simplificado a partir de las variables seleccionadas en la regresión logística. Esto permite identificar las variables más influyentes y eliminar aquellas que aportan menos información. Finalmente, se desarrolla un modelo predictivo utilizando diversos algoritmos y se evalúa su capacidad para predecir el fenómeno de "churn". A través de todas estas etapas de análisis y modelado, se obtienen conclusiones sobre las variables relevantes para explicar la lealtad de los clientes y se presenta un modelo que puede realizar predicciones con cierta precisión.

The target of this study is to analyze the phenomenon of "churn" in the telecommunications sector, which refers to the frequent switching of operators by customers and the lack of loyalty towards a specific operator. To achieve this, a dataset provided by Telefónica Chile, containing information from real customers, is used. The purpose is to identify the most relevant variables that influence customer churn and develop a predictive model based on these variables. Firstly, data preprocessing is carried out, followed by a descriptive analysis to better understand the characteristics of the variables that will be used in the model. Next, a clustering model is applied to identify different customer profiles and gain a better understanding of their behaviors and needs. Additionally, an analysis similar to an "event study" is conducted to examine customer behavior in the months leading up to their cancellation. This analysis helps gather information about patterns and factors that may influence a customer's decision to churn. Based on existing literature and the results obtained from the descriptive analysis, the most relevant variables are selected to build an explanatory model using logistic regression. As part of this explanatory analysis, a decision tree and a Random Forest model are also constructed to assess the combined importance of all variables. Furthermore, variable reduction techniques are employed to obtain a more simplified model based on the variables selected in the logistic regression. This allows for the identification of the most influential variables and the elimination of those that contribute less information. Finally, a predictive model is developed using various algorithms, and its ability to predict churn is evaluated. Through all these stages of analysis and modeling, conclusions are drawn regarding the relevant variables that explain customer loyalty, and a model capable of making predictions with a certain level of accuracy is presented.