Modelo Predictivo para anticipar devoluciones en Mercado Libre: Un caso de estudio en los retailers Creciento y Bukito

Abstract

Esta tesis aborda el desafío de las cancelaciones de compras y las devoluciones de productos en el comercio electrónico, centrándose en la empresa familiar que opera las marcas Creciendo y Bukito, las cuales venden más de 1,000 SKUs de productos para bebés y niños a través de Mercado Libre y Mercado Shops. Estas cancelaciones y devoluciones generan costos significativos en términos de logística inversa, gestión de inventarios y satisfacción del cliente. El objetivo de esta investigación es desarrollar un modelo predictivo basado en técnicas de machine learning para anticipar si un cliente cancelará una compra antes de la entrega o devolverá un producto después de la compra. Utilizando datos históricos de ventas que incluyen variables como estado de devolución, precio, descuentos, tipo de logística, retrasos en la entrega y categorías de producto, el modelo identificará los factores clave que influyen en estas decisiones. Para evaluar el rendimiento del modelo, se emplearán métricas como AUC-ROC, Accuracy y Matriz de Confusión, garantizando su eficacia en la predicción de transacciones de alto riesgo. Una implementación exitosa de este modelo permitiría reducir los costos logísticos, mejorar la planificación de inventarios y optimizar la experiencia del cliente, contribuyendo a una gestión más eficiente del negocio.