Predicción de Upselling con Técnicas de Machine Learning para Empresas de Telecomunicaciones

Abstract

Este trabajo trata sobre la implementación y automatización de un modelo de Machine Learning con capacidad de predecir operaciones de cambio de plan ascendente para el segmento B2B de una empresa de Telecomunicaciones. Es relevante, ya que es el primer modelo de inteligencia artificial que se utilizará dentro de dicho segmento en la compañía. El mismo se entrenó con información anonimizada de cada cliente, que incluye patrones de consumo y pago, uso del móvil, entre otros. Esta fue volcada en una tabla que tiene mensualmente, para cada cliente, más de 350 variables que lo caracterizan. Para elaborarlo, se utilizaron diversas técnicas y algoritmos aprendidos durante la maestría. Entre las más destacadas se encuentran las técnicas de limpieza y transformación de datos, regularización, uso de modelos ensamblados como ser Random Forest o Gradient-boosted tree con su respectiva evaluación de performance. Fue probado en febrero de 2020 en la campaña de cambio de plan, lográndose un incremento en la efectividad de +139% (equivalente a +4,09 pp.) respecto al método tradicional utilizado anteriormente. Esta tesis demuestra el gran impacto que puede generar la implementación de un algoritmo de Machine Learning en la operación de una gran corporación, y lo superior que resulta frente a técnicas básicas de análisis de datos.