Predicción de abandono de clientes en telecomunicaciones mediante el aprendizaje automático
Data
2021Autor
Falla Arango, Jesús David
Hashtag(s)
#AnaliticaDeDatosMetadata
Mostrar registro completo
Documentos PDF
Resumo
Con el rápido crecimiento de los sistemas digitales y las tecnologías de la información asociadas, existe una tendencia emergente en la economía global para construir sistemas digitales de gestión de relaciones con los clientes. Esta tendencia es más evidente en la industria de las telecomunicaciones, donde las empresas se digitalizan cada vez más. La predicción de la perdida de clientes es una característica principal de las telecomunicaciones modernas. Esta investigación lleva a cabo un estudio del mundo real sobre la predicción de la rotación de clientes y propone el uso del impulso para mejorar un modelo de predicción de la rotación de clientes. Este documento tiene como objetivo presentar técnicas de minería de datos de uso común para la identi acción de clientes que están a punto de abandonar. Basándose en datos históricos, estos métodos intentan encontrar patrones que puedan identi ficar posibles abandonos. Algunos de los algoritmos más conocidos utilizados durante esta investigación son el análisis de regresión, los arboles de decisión, las redes neuronales arti ciales (ANN) entre otros. Los resultados muestran que, en el caso del conjunto de datos utilizado, el XGBoost es el algoritmo clasi cador más preciso al identi ficar posibles abandonos.
Resumo em língua estrangeira
With the rapid growth of digital systems and associated information technologies, there is an emerging trend in the global economy to build digital customer relationship management systems. This trend is most evident in the telecommunications industry, where companies are increasingly digitizing. Customer churn prediction is a key feature of modern telecommunications. This research conducts a real-world study of customer churn prediction and proposes using momentum to improve a customer churn prediction model. This document aims to introduce commonly used data mining techniques for identifying customers who are about to leave. Based on historical data, these methods try to nd patterns that can identify potential dropouts. Some of the best known algorithms used during this research are regression analysis, decision trees, arti cial neural networks (ANN) among others. The results show that, in the case of the data set used, the XGBoost is the most accurate classi er algorithm when identifying possible dropouts
Palabras clave
Análisis de datosCollections
Estadísticas Google Analytics
Comments
Respuesta Comentario Repositorio Expeditio
Gracias por tomarse el tiempo para darnos su opinión.