Grupo Lanit – Predicción de fuga de clientes
Grupo Lanit
Sector: Movilidad
Business Case
Empresa necesita anticipar comportamientos susceptibles de abandono por parte de sus clientes
Objetivos
Anticipar el riesgo de fuga o pérdida de clientes y tomar medidas preventivas para retenerlos, como ofrecerles ofertas personalizadas Optimizar los recursos y el presupuesto destinados a las acciones de marketing y ventas, al enfocarse en los clientes más rentables y con mayor potencial de crecimiento Mejorar la satisfacción y la lealtad de los clientes, al conocer mejor sus necesidades, preferencias, comportamiento de compra y expectativas
Use case
Modelo supervisado que, en su ejecución automática mensual, identifica la relación de comportamientos de Clientes susceptibles de decrementar sus pasos por tienda y compra habitual en la compañía, de forma significativa en los próximos 3 meses, de forma que se pueda actuar de forma temprana a nivel particular (cliente), adoptando las medidas preventivas oportunas.
Infraestructura
On Premise
Tecnologías utilizadas
Big Data, Machine Learning
Datos utilizados
Datasets Públicos y Privados Algoritmos XGBoost + Bagging + SVR
Recursos utilizados
Equipo multidisciplinar con expertos en Negocio, arquitecturas de procesamiento masivo de datos,, analistas del dato y científicos del dato.
Dificultades y aprendizaje
La mayor dificultad de este proyecto se ha producido en el alineamiento con el Negocio a la hora de establecer los criterios de definición de la variable ‘Cliente Fidelizado’. No se puede considerar que todo cliente en posesión de una tarjeta de fidelización está fidelizado como tal y, para ello, ha sido necesario realizar un estudio amplio del comportamiento de millones de clientes hasta dar con las claves adecuadas en términos de Negocio.
KPIs (impacto en el negocio y métricas del modelo)
(%) Tasa de recuperación de clientes señalados con comportamiento de fuga. (valor) Curva ROC (Receiver Operating Characteristics). AUC > 0,9
Financiación
Privada
Colaboradores
Recursos propios
