Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11531/91860
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorOtero Peinador, Álvaroes-ES
dc.contributor.authorVara Rodríguez, Martaes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresarialeses_ES
dc.date.accessioned2024-07-23T17:26:29Z-
dc.date.available2024-07-23T17:26:29Z-
dc.date.issued2025es_ES
dc.identifier.urihttp://hdl.handle.net/11531/91860-
dc.descriptionGrado en Análisis de Negocios/Business Analytics y Grado en Relaciones Internacionaleses_ES
dc.description.abstractEn el competitivo entorno de las empresas basadas en suscripción, reducir el churn y aumentar los ingresos son prioridades clave. Este proyecto tiene como objetivo aprovechar modelos predictivos no solo para anticipar las cancelaciones de clientes, sino también para identificar las estrategias y recursos esenciales necesarios para una retención efectiva. Al segmentar a los clientes con precisión y comprender las razones subyacentes detrás de las predicciones de churn, el proyecto busca ofrecer insights accionables. A través de la aplicación de técnicas avanzadas de ciencia de datos, se exploran las métricas más relevantes y se proporciona una guía completa para interpretar y comunicar los resultados, maximizando su impacto en el desempeño de la empresa. Dirigido a profesionales técnicos con conocimientos en programación y análisis de datos, este proyecto aspira a capacitar a los lectores para realizar contribuciones inmediatas y significativas en la reducción del churn y el crecimiento de los ingresos. Además, el estudio profundiza en las implicaciones más amplias del churn y su influencia en la estrategia empresarial.es-ES
dc.description.abstractIn the competitive landscape of subscription-based businesses, reducing churn and boosting revenue are key priorities. This project aims to leverage predictive models not only to forecast customer cancellations but also to identify the essential strategies and resources needed for effective customer retention. By segmenting customers accurately and understanding the underlying reasons behind churn predictions, the project seeks to offer actionable insights. Through the application of advanced data science techniques, it explores the most relevant metrics and provides a comprehensive guide to interpreting and communicating results, maximizing their impact on the company’s performance. Geared towards technical professionals with a background in programming and data analysis, this project aspires to empower readers to make immediate, significant contributions to reducing churn and driving revenue growth. Additionally, the study delves into the broader implications of churn and its influence on business strategy.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoen-GBes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherKBAes_ES
dc.titleAplicación de ciencia de datos y modelos predictivos para una prevención del churn óptima: Entendiendo los diversos motivos y proponiendo acciones personalizadas clusterizando clienteses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsChurn Retención de clientes Modelos predictivos Ciencia de datos Empresas de suscripción Segmentación de clientes Reducción de churnes-ES
dc.keywordsChurn Customer retention Predictive models Data science Subscription-based companies Customer segmentation Churn reductionen-GB
Aparece en las colecciones: KBA-Trabajos Fin de Grado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Anexo I TFG MV BA.pdfPREC143,23 kBAdobe PDFVista previa
Visualizar/Abrir
TFG_Vara_Rodriguez_Marta.pdfTrabajo Fin de Grado4,36 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.