Modelado predictivo de Churn: Un enfoque analítico para la Retención de Clientes en Procter & Gamble

El churn, o abandono de clientes, representa un desafío significativo para las empresas en la era digital. A medida que las opciones de consumo se diversifican, mantener la lealtad del cliente se ha convertido en una prioridad estratégica. Comprender y predecir el churn es crucial para desarrollar estrategias efectivas de retención que aseguren el crecimiento sostenible y el éxito de las empresas. La presente tesis aborda el desafío crítico de la retención de usuarios en la aplicación "La Cuponera" de Procter & Gamble, una herramienta de cashback diseñada para fomentar el consumo, penetración y recopilar valiosos datos de clientes. A pesar de tener volúmenes altísimos de adquisición a costos marginalmente bajos, la aplicación enfrenta un índice muy bajo de retención, lo que afecta negativamente su programa de lealtad. Esto representa un costo de oportunidad para maximizar el valor de los clientes ya adquiridos, optimizando aún más los costos. El objetivo de esta tesis es desarrollar un modelo predictivo de churn utilizando herramientas avanzadas de aprendizaje automático. La hipótesis central es que los modelos de aprendizaje automático supervisado, entrenados sobre datos comportamentales y transaccionales del usuario, permiten predecir con precisión suficiente la probabilidad individual de churn como para habilitar intervenciones de retención diferenciadas y proactivas. Aprovechando los datos internos de Procter & Gamble sobre el uso de "La Cuponera", el modelo busca identificar de manera precisa cuándo un usuario está en riesgo de abandonar el programa. Al anticipar el churn, se podrán implementar estrategias proactivas para mejorar la retención y maximizar el valor de los clientes.

Grantor dc:publisher

Universidad Torcuato Di Tella

Year dc:date.issued

2026

Author dc:creator

• Hernández Otaño, Felipe

Advisor dc:contributor.advisor

• Musolino, Silvio

• Análisis de datos
• Predicción tecnológica
• Comportamiento del consumidor
• Sistemas Expertos
• Marketing
• Data analysis
• Technology prediction
• Consumer behavior
• Expert systems

Statement dc:rights

• info:eu-repo/semantics/openAccess

Language dc:language

spa

Repository record dc:identifier.uri

https://repositorio.utdt.edu/handle/20.500.13098/14439

OAI identifier oai:identifier

oai:repositorio.utdt.edu:20.500.13098/14439