Predicción de Churn temprano como herramienta en la industria fintech

Abstract

La industria fintech en Argentina ha experimentado un crecimiento acelerado en los últimos años, lo que ha intensificado la competencia. Como resultado, uno de los principales desafíos que enfrentan las empresas del sector es retener a sus usuarios y evitar que migren a la competencia. Ante este escenario, surge la necesidad de aprovechar la cantidad de datos disponibles para entender por qué los usuarios abandonan los servicios que ofrece la empresa bajo análisis. Para centralizar y profundizar el estudio, se ha elegido un único producto: las tarjetas de débito. Este trabajo se enfoca en analizar el comportamiento de los usuarios de este servicio, con el fin de encontrar el mejor algoritmo para predecir el churn y entender los factores clave que impulsan a los usuarios a quedarse o a abandonar. Más específicamente, el análisis se centrará en predecir si los usuarios dejarán de utilizar el servicio luego de sus primeros 30 días desde la solicitud de su primera tarjeta de débito. Los hallazgos serán propuestos a la empresa para diseñar estrategias de retención enfocadas en los factores más relevantes. Entre los principales logros de este trabajo, se destacan la identificación de un modelo de machine learning con alta capacidad de discriminación entre clases (1 = churn, 0 = no churn) y la detección de las variables más influyentes en la retención y el abandono de usuarios.