Resumen

La retención de clientes es invariablemente la máxima prioridad de todas las empresas de consumo, y ciertamente es también uno de los retos más críticos. Identificar y conocer la causa más probable de la pérdida de clientes puede suponer un ahorro de entre cinco y diez veces en términos de costes para la empresa en comparación con la búsqueda de nuevos clientes. Por lo tanto, este estudio introduce un modelo de segmentación geodemográfica completo, lo evalúa, lo prueba y obtiene información de él. Se ha utilizado un conjunto de datos bancarios que consta de 11.000 instancias, 10.000 para el entrenamiento y 10.000 para las pruebas, con 14 atributos, y se calcula la probabilidad de que una persona permanezca en el banco o lo abandone con la ayuda de la regresión logística. A partir del modelo propuesto, se extraen conclusiones y se ofrecen recomendaciones. Se construyen y contrastan métodos de regresión logística por etapas, a saber, el método de eliminación hacia atrás, el método de selección hacia adelante y el modelo bidireccional, para elegir el mejor entre ellos. La previsión futura de los modelos se ha realizado mediante el análisis de la curva del perfil de precisión acumulada (PAC).

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:métodos de selección hacia delante, modelo de segmentación geodemográfica, perfil de precisión acumulativo, instancia, conocimiento, causa de abandono, banco, métodos de eliminación hacia atrás, términos de coste, métodos de regresión logística
• Keywords:forward selection methods, geodemographic segmentation model, cumulative accuracy profile, instance, insight, cause of churn, bank, backward elimination methods, terms of cost, logistic regression methods