Predicción del Net Promoter Score ante la falta de encuestas

Abstract

Para poder retener a los clientes de la compañía es clave que las interacciones con la misma generen buenas experiencias. Una de las principales métricas utilizadas para medir la experiencia de los clientes es el Net Promoter Score (NPS). Este indicador se construye a partir de las encuestas que contestan los clientes. En una plataforma de comercio electrónico, el NPS de los compradores nos permite conocer la experiencia de compra en la plataforma y la performance de los vendedores a la hora de transaccionar. Se puede saber si un vendedor está ofreciendo una experiencia satisfactoria a sus clientes y cumpliendo con los estándares pretendidos por la plataforma mirando el NPS que surge de las encuestas que contestan sus compradores. Sin embargo, para garantizar la representatividad y robustez del indicador, es necesario contar con una base mínima de respuestas que no siempre puede obtenerse. En la presente tesis se propone una alternativa de solución ante la falta de encuestas: un algoritmo de Ridge que utiliza diferentes variables transaccionales y asociadas a los usuarios para poder predecir el NPS. El algoritmo propuesto demostró tener mejor performance que la solución vigente en la empresa. Adicionalmente, permite contar diariamente con un valor de NPS para que los empleados de la empresa encargados de asesorar a los vendedores de la plataforma puedan contar con un KPI que les permita detectar desviaciones en la experiencia ofrecida.