Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• Bajas voluntarias (originadas en el cliente y provocadas por la insatisfacción
con el servicio, la existencia de mejores ofertas por parte de la competencia, u
otros motivos ajenos a los dos anteriores).
• Bajas involuntarias (impagos o fraude).
• Bajas de portabilidad (contratos de clientes que habían solicitado el cambio a
otro operador).
A continuación, se reunió la información necesaria para establecer el modelo de data
mining, analizando a los clientes residenciales que se habían dado de baja y a otros
que no lo habían hecho, y determinado, en uno y otro caso, sus características propias,
de tal manera que fuera posible delimitar al máximo los distintos perfiles existentes
para poder compararlos y establecer los parámetros que terminan explicando el
comportamiento futuro del usuario.
Los datos utilizados en esta parte del proceso respondían a diversas tipologías.
• Datos de contratos: antigüedad, tipo y tarifas.
• Perfil de uso telefónico o patrón de uso: consumo total, clase de llamadas, días
en que se utiliza el servicio, períodos del día en los que se realizan las llamadas,
etc.
• Datos sociodemográficos: edad, sexo, área de actividad del cliente, etc.
• Vinculación con la empresa: número de servicios contratados y situación de
cada uno de ellos.
• Otros datos: número y tipo de contactos e incidencias recogidas en el Centro de
Atención al Cliente.
Con todo ello, se establecen una serie de reglas con las que identificar perfiles
generales, singularizando cada uno mediante datos tales como su tamaño o su índice
de propensión a la baja. Después, se desarrolló un sistema de scoring, capaz de asignar
a cada conjunto de clientes, de forma automática, un indicador de probabilidad de
abandono. De esta manera, es posible asignar a cada contrato o cliente, según el caso,
un número que indica su propensión a la baja. Esto permite establecer un criterio para
ordenar a los clientes con respecto a este indicador y realizar, posteriormente,
acciones de fidelización más precisas.
Por último, se llevaron a cabo estudios de chrun centrados en el segmento residencial,
objeto del proyecto. Con toda esta metodología, se pudo establecer un orden de
actuación por perfiles que permite realizar campañas personalizadas de fidelización,
más selecticas y eficientes, ajustadas además a las necesidades de cada grupo de
usuarios.
El trabajo realizado ha permitido a la compañía hacer un uso inteligente y racional de
sus recursos, desarrollando estrategias de fidelización diferenciadas para cada perfil
de usuario, lo que ha terminado redundando en un ahorro de gastos y una notable
mejora de la eficiencia comercial. De esta manera, conocer en profundidad los motivos
de abandono ha servido para mejorar la retención de clientes, adecuando la oferta a
sus necesidades específicas.