Determinants affecting customer loyalty in the Telco sector in Hispanic America

Abstract

Esta investigación examina los determinantes clave que influyen en la lealtad del cliente en el sector de telecomunicaciones móviles en Hispanoamérica, analizando su impacto en la probabilidad de deserción (churn). Utilizando un enfoque empírico en tres fases (descriptiva, explicativa y predictiva), se analizaron datos de 149.803 clientes en Argentina y Chile a lo largo de 24 y 12 meses respectivamente. La fase descriptiva incluyó análisis univariados y multivariados para agrupar a los clientes mediante algoritmos de clustering y se adaptó un enfoque de estudio de eventos para ayudar a comprender cómo evolucionan las características del cliente a medida que se acerca la fecha de baja. En la fase explicativa, se aplicaron modelos como la regresión logística y árboles de decisión para identificar patrones de churn. Finalmente, en la fase predictiva, se evaluaron modelos de machine learning, como XGBoost y Random Forest, demostrando alta precisión en la predicción de la probabilidad de churn. Los hallazgos revelan una relación inversa entre la lealtad del cliente y el churn, identificando factores como la antigüedad del cliente, la antigüedad del equipo móvil, la tenencia de múltiples productos con la misma compañía, el origen del equipo y la interacción con el servicio al cliente como determinantes clave. Los modelos predictivos, como XGBoost y Random Forest, demostraron alta precisión en la predicción del churn.La originalidad del estudio radica en su uso de datos históricos reales de una compañía líder en telecomunicaciones y la aplicación innovadora del enfoque de estudio de eventos. Esto proporciona un marco integral para comprender los factores que afectan la lealtad del consumidor a partir de variables operacionales. Las contribuciones teóricas y prácticas incluyen el establecimiento de un vínculo explícito entre los factores teóricos de lealtad y las variables operacionales utilizadas en la gestión de clientes. Además, ofrece insights accionables para profesionales del marketing, facilitando la identificación de estrategias efectivas de retención basadas en datos reales.

This research examines the key determinants influencing customer loyalty in the mobile telecommunications sector in Hispanoamerica, analyzing their impact on churn probability. Employing a three-phase empirical approach (descriptive, explanatory, and predictive), data from 149,803 customers in Argentina and Chile were analyzed over 24 and 12 months, respectively. The descriptive phase included univariate and multivariate analyses to cluster customers using algorithms, and an event study approach was adapted to help understand how customer characteristics evolve as churn approaches. In the explanatory phase, models such as logistic regression and decision trees were applied to identify churn patterns. Finally, in the predictive phase, machine learning models, including XGBoost and Random Forest, were evaluated, demonstrating high accuracy in predicting churn probability. The findings reveal an inverse relationship between customer loyalty and churn, identifying factors such as customer tenure, mobile device age, possession of multiple products with the same company, device origin, and interaction with customer service as key determinants. Predictive models, such as XGBoost and Random Forest, demonstrated high precision in churn prediction. The originality of the study lies in its use of real historical data from a leading telecommunications company and the innovative application of the event study approach. This provides a comprehensive framework for understanding the factors that affect consumer loyalty based on operational variables. Theoretical and practical contributions include establishing an explicit link between theoretical loyalty factors and operational variables used in customer management. Additionally, the study offers actionable insights for marketing professionals, facilitating the identification of effective retention strategies based on real data.