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

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 utiliz...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Darmograj, Andrés
Otros Autores: de Caso, Guido
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Publicado: 2023
Materias:
Predicción tecnológica
Industria de telecomunicaciones
Gestion de ventas
Upselling
Machine Learning
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/11569
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-11569
record_format dspace
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 Predicción tecnológica
Industria de telecomunicaciones
Gestion de ventas
Upselling
Machine Learning
spellingShingle Predicción tecnológica
Industria de telecomunicaciones
Gestion de ventas
Upselling
Machine Learning
Darmograj, Andrés
Predicción de Upselling con Técnicas de Machine Learning para Empresas de Telecomunicaciones
topic_facet Predicción tecnológica
Industria de telecomunicaciones
Gestion de ventas
Upselling
Machine Learning
description 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.
author2 de Caso, Guido
author_facet de Caso, Guido
Darmograj, Andrés
format Tesis de maestría
acceptedVersion
author Darmograj, Andrés
author_sort Darmograj, Andrés
title Predicción de Upselling con Técnicas de Machine Learning para Empresas de Telecomunicaciones
title_short Predicción de Upselling con Técnicas de Machine Learning para Empresas de Telecomunicaciones
title_full Predicción de Upselling con Técnicas de Machine Learning para Empresas de Telecomunicaciones
title_fullStr Predicción de Upselling con Técnicas de Machine Learning para Empresas de Telecomunicaciones
title_full_unstemmed Predicción de Upselling con Técnicas de Machine Learning para Empresas de Telecomunicaciones
title_sort predicción de upselling con técnicas de machine learning para empresas de telecomunicaciones
publishDate 2023
url https://repositorio.utdt.edu/handle/20.500.13098/11569
work_keys_str_mv AT darmograjandres predicciondeupsellingcontecnicasdemachinelearningparaempresasdetelecomunicaciones
bdutipo_str Repositorios
_version_ 1764820542564597762

Ejemplares similares