El uso de modelos predictivos para la reducción del ‘churn rate’. un caso de estudio

Abstract

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.

This paper presents the case study of the telecommunications company Orange, data from the SIDKDD 2009 competition. In order to compensate the unbalanced nature of the data and, therefore, to promote the detection of clients leaving, two techniques are proposed: the use of the SMOTE algorithm and a customized version of a subsample assembly. Having analysed the results, it has been found that the training of the algorithms with a balanced dataset allows to improve considerably the capture of the customers leaving at expense of a certain penalty in the accuracy of the model. Finally, a range of estimate assemblies is incorporated so as it records every possible combination of the predictions of the predictive models used, in such a way that different balances are obtained between accuracy and detection of customer leaving.