Modelos de lealtad de clientes de una entidad financiera con el uso de datos heterogéneos

Murillo Olóriz, María
Galé Pola, Carmen (dir.) ; Velasco López, Eduardo (dir.)

Universidad de Zaragoza, CIEN, 2018
Departamento de Métodos Estadísticos, Área de Estadística e Investigación Operativa

Máster Universitario en Modelización e Investigación Matemática, Estadística y Computación

Resumen: La cantidad de información que una empresa tiene sobre sus clientes es cada vez mayor. Además de la información que se genera de forma directa dada la relación comercial entre empresa y cliente, se consiguen datos de forma indirecta a partir de otros orígenes como las redes sociales o en el ámbito de las entidades financieras a través de aplicaciones para móviles y las páginas web. Por otro lado, el estudio de la lealtad del cliente a través de las experiencias de estos, ha ido cobrando cada vez más importancia y las entidades financieras han desarrollado un potencial interés en buscar patrones de comportamiento de estos consumidores con el objetivo de realizar políticas de captación y fidelización. La importancia que se le asigna a la satisfacción del cliente en el ámbito empresarial actual es cada vez mayor y es por esto que una gran cantidad de empresas y entidades financieras están focalizando todos sus esfuerzos en conocer lo que piensa el cliente acerca de ellos y en conseguir una fidelización potente de estos. El objetivo de este trabajo es crear una base de datos con orígenes de datos heterogéneos de una entidad financiera y a partir de ella ser capaz de diseñar un modelo de lealtad que permita estimar la probabilidad que tiene un cliente de ser leal dentro de la entidad financiera, para finalmente, clasificar a los clientes y establecer distintas políticas y campañas dirigidas a uno u otro segmento de población. Esta memoria se ha organizado en cinco capítulos y un anexo. La lealtad, considerada como un concepto abstracto y difícil de modelizar. En el primer capítulo, tras describir el problema que la entidad financiera formuló inicialmente, se incluye una revisión de la literatura llevada a cabo acerca del concepto lealtad del cliente y los modelos de lealtad. Esta revisión se ha tenido en cuenta para establecer qué variables pueden ser interesantes considerar en los modelos de lealtad. En el segundo capítulo se describe cómo se ha construido la base de datos propia que ha permitido estimar los modelos, a partir de la base de datos general de la entidad. Una labor en la que entra en juego el análisis de la base general y el estudio de las diferentes variables disponibles, así como la toma de decisiones a la hora de elegir que variables se van a tener en cuenta. En particular, se decide estimar la lealtad en dos ámbitos de interés: ámbito de negocio y ámbito de comunicaciones. La primera parte de la aplicación, una vez construida la base de datos propia, consiste en utilizar dos algoritmos de predicción y clasificación para estudiar este concepto de lealtad en el contexto de la entidad financiera bajo estudio: la regresión logística y los árboles de decisión. Con ambas metodologías se han estimado modelos de lealtad en cada uno de los dos ámbitos, y a continuación, se integran los ámbitos o submodelos de lealtad de negocio y comunicaciones para formar un modelo de lealtad global que permita estimarla de forma general. Se trata de un modelo para estimar la lealtad ampliable a tantos ámbitos como se requiera en un futuro. En el capítulo 3 se incluyen los modelos estimados mediante el uso de regresión logística y en el capítulo 4, los resultados dados con los árboles de decisión. Finalmente, en el capítulo 5 se desarrolla la segunda parte de la aplicación que consiste en la segmentación de los clientes obtenida a partir de los modelos estimados y las conclusiones extraídas de este análisis, así como las conclusiones finales del trabajo. En esta parte de segmentación o agrupación de los clientes, se trata de estudiar distintas variables demográficas que describan a los usuarios leales en cada ámbito, buscando similitudes y diferencias entre estos.

Tipo de Trabajo Académico: Trabajo Fin de Master