Predictive models at service of churn rate reduction

Abstract

El estudio del porcentaje de clientes o suscriptores que dejan de utilizar sus servicios durante un período determinado, conocido como churn rate, está permitiendo a las empresas detectar patrones de comportamiento asociados al deseo de permanencia de sus clientes. Una de las técnicas para la detección de patrones es la aplicación del Machine Learning asociado al uso de modelos de aprendizaje supervisados. Esta técnica se encarga de reconocer patrones en conjuntos de datos y extraer información o decidir acciones que realizar en base a dichos patrones. En el caso de la detección de abandono permite a la compañía abordar las estrategias de retención que considere pertinentes con el objetivo de evitar pérdidas económicas no deseadas

The study of the churn rate by companies, as a percentage of customers or subscribers who stop using their products or services during a certain period, is a common practice within a company. This study allows detecting behaviour patterns associated with whether the customer wants to stay or not. This detection of patterns can be done by using Machine Learning techniques related to the use of supervised learning models. This detection of abandonment will allow the company to address the retention strategies it considers relevant in order to avoid unnecessary economic losses.