Pérdida de clientes en una empresa mayorista de alimentos : un modelo de predicción para un entorno B2B no contractual
Los modelos de predicción de pérdida de clientes tienen como objetivo detectar clientes con una alta propensión a la fuga. Es bien sabido, que a una organización le resulta mucho menos costoso retener un cliente que ganar uno nuevo. Construir un modelo de predicción de pérdida de clientes en entorno...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Argentina |
| Institución: | Universidad de Buenos Aires. Facultad de Ciencias Económicas |
| Repositorio: | Biblioteca Digital (UBA-FCE) |
| Idioma: | español |
| OAI Identifier: | tpos:1502-2439_PaganoP |
| Acceso en línea: | http://bibliotecadigital.econ.uba.ar/econ/collection/tpos/document/1502-2439_PaganoP |
| Access Level: | acceso abierto |
| Palabra clave: | Comercio mayorista Clientes Comportamiento del consumidor Modelos predictivos Sistemas de clasificación |
| Sumario: | Los modelos de predicción de pérdida de clientes tienen como objetivo detectar clientes con una alta propensión a la fuga. Es bien sabido, que a una organización le resulta mucho menos costoso retener un cliente que ganar uno nuevo. Construir un modelo de predicción de pérdida de clientes en entornos mayoristas B2B (business-to-business) con relaciones no contractuales, es desafiante puesto que el número de clientes es más reducido que en entornos B2C (business-to-consumer), y, adicionalmente, es complejo determinar cuándo abandonan la empresa, ya que no depende de una rescisión contractual. A ello se suma, el hecho de que es un tema poco abordado por la literatura, por lo que este trabajo, puede convertirse en un aporte relevante al conocimiento de la temática. El objetivo es desarrollar un modelo para predecir la pérdida de clientes en una empresa dedicada al comercio mayorista de alimentos. A tal fin, se compara la sensibilidad e interpretabilidad en la predicción de los modelos random forest y regresión logística. El estudio se realiza sobre los clientes que compraron durante el año 2021. |
|---|