Publicación: Desarrollo de un modelo predictivo de abandono de clientes en telecomunicaciones usando aprendizaje automático
Portada
PDF 
FLIP 
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Director
Fecha
Resumen en español
La retención de clientes es uno de los desafíos estratégicos dentro de la industria de las telecomunicaciones debido a la gran competencia y la poca diferencia de costos entre proveedores (Amin et al., 2019; Khoh et al., 2023). En este contexto, la predicción del abandono de clientes se ha consolidado como una de las herramientas clave para la toma de decisiones basadas en datos orientadas a la fidelización del cliente (Jain et al., 2021; Imani et al., 2025). El presente articulo tiene como objetivo desarrollar un modelo predictivo basado en técnicas de aprendizaje automático que permiten estimar la probabilidad de baja de clientes utilizando datos históricos de comportamiento. Para ello, se emplea un conjunto de daos del sector de las telecomunicaciones compuesto por aproximadamente 900.000 registros y 35 variables relacionadas con características del cliente y uno del servicio. El estudio sigue una metodología analítica basada en las siguientes etapas: comprensión de los datos, preparación, modelado, evaluación e interpretación. Los resultados de esta investigación contribuyen al desarrollo de herramientas analíticas que permiten a las empresas anticipar la baja s de clientes y diseñar sus estrategias de retención más efectivas basadas en datos históricos.
Resumen en inglés
Customer retention is one of the main strategic challenges in the telecommunications industry due to intense competition and the low switching costs between service providers. In this context, customer churn prediction has become a key tool for data-driven decision-making aimed at improving customer retention strategies. This study aims to develop a predictive model based on machine learning techniques to estimate the probability of customer churn using historical behavioral data. For this purpose, a telecommunications dataset composed of approximately 900,000 records and 35 variables related to customer characteristics and service usage is employed. The study follows an analytical methodology based on the following stages: data understanding, data preparation, modeling, evaluation, and interpretation. The results of this research contribute to the development of analytical tools that enable telecommunications companies to anticipate customer churn and design more effective data-driven retention strategies.