Predicción de Churn de Seguros con LightGBM

Los esfuerzos de marketing para conseguir clientes nuevos son muy grandes, es por eso que una gran parte de estos mismos consisten en retener a los clientes que ya aportan pagando la cuota de algún seguro a la empresa. Retener un cliente es menos costoso que volver a conseguirlo. Aquí es donde intro...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Tralice, Franco
Formato: info:eu-repo/MasterThesis
Lenguaje:Español
Publicado: 2022
Materias:
Compañías de Seguros
Marketing
Plan de Marketing
Churn
Tasa de cancelación
previsiones tecnologicas
Machine learning
algoritmos
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/11242
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-11242
record_format dspace
spelling I57-R163-20.500.13098-112422025-10-29T20:35:21Z Predicción de Churn de Seguros con LightGBM Tralice, Franco Compañías de Seguros Marketing Plan de Marketing Churn Tasa de cancelación previsiones tecnologicas Machine learning algoritmos Los esfuerzos de marketing para conseguir clientes nuevos son muy grandes, es por eso que una gran parte de estos mismos consisten en retener a los clientes que ya aportan pagando la cuota de algún seguro a la empresa. Retener un cliente es menos costoso que volver a conseguirlo. Aquí es donde introducimos la métrica que lleva el nombre del trabajo, el churn (Soeini, R. A., & Rodpysh, K. V., 2012). Definimos a la tasa de churn como el Key Performance Indicator (KPI) que mide el porcentaje de clientes que dejan de utilizar un producto o un servicio, o dicho más concretamente, la tasa de abandono de clientes. La compañía invierte muchos de sus activos en tratar de bajar lo máximo posible este ratio, que se traduce en más solvencia, más ingresos y por lo tanto más retornos para la misma. Los motivos de las bajas de los clientes son diversos. Entre ellos, podemos mencionar el valor de la cuota, porque no sienten necesario tener un seguro, etc. 2022-07-15T23:00:41Z 2022-07-15T23:00:41Z 2019 info:eu-repo/MasterThesis https://repositorio.utdt.edu/handle/20.500.13098/11242 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 58 p. application/pdf application/pdf
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
orig_language_str_mv spa
topic Compañías de Seguros
Marketing
Plan de Marketing
Churn
Tasa de cancelación
previsiones tecnologicas
Machine learning
algoritmos
spellingShingle Compañías de Seguros
Marketing
Plan de Marketing
Churn
Tasa de cancelación
previsiones tecnologicas
Machine learning
algoritmos
Tralice, Franco
Predicción de Churn de Seguros con LightGBM
topic_facet Compañías de Seguros
Marketing
Plan de Marketing
Churn
Tasa de cancelación
previsiones tecnologicas
Machine learning
algoritmos
description Los esfuerzos de marketing para conseguir clientes nuevos son muy grandes, es por eso que una gran parte de estos mismos consisten en retener a los clientes que ya aportan pagando la cuota de algún seguro a la empresa. Retener un cliente es menos costoso que volver a conseguirlo. Aquí es donde introducimos la métrica que lleva el nombre del trabajo, el churn (Soeini, R. A., & Rodpysh, K. V., 2012). Definimos a la tasa de churn como el Key Performance Indicator (KPI) que mide el porcentaje de clientes que dejan de utilizar un producto o un servicio, o dicho más concretamente, la tasa de abandono de clientes. La compañía invierte muchos de sus activos en tratar de bajar lo máximo posible este ratio, que se traduce en más solvencia, más ingresos y por lo tanto más retornos para la misma. Los motivos de las bajas de los clientes son diversos. Entre ellos, podemos mencionar el valor de la cuota, porque no sienten necesario tener un seguro, etc.
format info:eu-repo/MasterThesis
author Tralice, Franco
author_facet Tralice, Franco
author_sort Tralice, Franco
title Predicción de Churn de Seguros con LightGBM
title_short Predicción de Churn de Seguros con LightGBM
title_full Predicción de Churn de Seguros con LightGBM
title_fullStr Predicción de Churn de Seguros con LightGBM
title_full_unstemmed Predicción de Churn de Seguros con LightGBM
title_sort predicción de churn de seguros con lightgbm
publishDate 2022
url https://repositorio.utdt.edu/handle/20.500.13098/11242
work_keys_str_mv AT tralicefranco predicciondechurndesegurosconlightgbm
_version_ 1847744042485415936

Ejemplares similares