Machine Learning Approach for Churn Prediction in a Mobile App

En el contexto del año 2023, las empresas se encuentran enfrentando una realidad en la que los recortes de costos se han convertido en una necesidad imperante. En este escenario, la importancia de retener a los usuarios se vuelve aún más crucial, ya que adquirir nuevos clientes se ha vuelto cada...

Descripción completa

Detalles Bibliográficos
Autor principal: Roll, Ignacio
Otros Autores: de Caso, Guido
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Publicado: Universidad Torcuato Di Tella 2024
Materias:
Satisfaccion del cliente
Customer care
Retención de clientes
Customer retention
Machine Learning
Aprendizaje automático
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/12744
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-12744
record_format dspace
spelling I57-R163-20.500.13098-127442024-12-03T17:10:10Z Machine Learning Approach for Churn Prediction in a Mobile App Roll, Ignacio de Caso, Guido Satisfaccion del cliente Customer care Retención de clientes Customer retention Machine Learning Aprendizaje automático En el contexto del año 2023, las empresas se encuentran enfrentando una realidad en la que los recortes de costos se han convertido en una necesidad imperante. En este escenario, la importancia de retener a los usuarios se vuelve aún más crucial, ya que adquirir nuevos clientes se ha vuelto cada vez más costoso. A lo largo del trabajo se trata el problema crítico de la pérdida de usuarios o "churn" en la industria de aplicaciones móviles. La tesis argumenta que en lugar de solo enfocarse en adquirir nuevos usuarios, las empresas de aplicaciones móviles deben centrarse en retener a los existentes para reducir la tasa de churn. La tasa de churn es un indicador crucial del éxito o fracaso de una empresa en retener a su base de clientes, y la presente tesis tiene como objetivo investigar los factores que influyen en la misma. Para abordar este problema, se propone un enfoque basado en el análisis de datos y el aprendizaje automático para predecir el churn de los usuarios y luego poder ayudar a las empresas a tomar medidas para retenerlos. En resumen, la tesis destaca la importancia de la retención de usuarios y propone un enfoque para abordar el problema de la churn en la industria de aplicaciones móviles, donde se utilizarán los datos de una aplicación de delivery de comida. 2024-06-03T16:57:26Z 2024-06-03T16:57:26Z 2024 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/12744 spa Tesis y Trabajos Finales de la Universidad Torcuato Di Tella info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 74 p. application/pdf application/pdf Universidad Torcuato Di Tella
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 Satisfaccion del cliente
Customer care
Retención de clientes
Customer retention
Machine Learning
Aprendizaje automático
spellingShingle Satisfaccion del cliente
Customer care
Retención de clientes
Customer retention
Machine Learning
Aprendizaje automático
Roll, Ignacio
Machine Learning Approach for Churn Prediction in a Mobile App
topic_facet Satisfaccion del cliente
Customer care
Retención de clientes
Customer retention
Machine Learning
Aprendizaje automático
description En el contexto del año 2023, las empresas se encuentran enfrentando una realidad en la que los recortes de costos se han convertido en una necesidad imperante. En este escenario, la importancia de retener a los usuarios se vuelve aún más crucial, ya que adquirir nuevos clientes se ha vuelto cada vez más costoso. A lo largo del trabajo se trata el problema crítico de la pérdida de usuarios o "churn" en la industria de aplicaciones móviles. La tesis argumenta que en lugar de solo enfocarse en adquirir nuevos usuarios, las empresas de aplicaciones móviles deben centrarse en retener a los existentes para reducir la tasa de churn. La tasa de churn es un indicador crucial del éxito o fracaso de una empresa en retener a su base de clientes, y la presente tesis tiene como objetivo investigar los factores que influyen en la misma. Para abordar este problema, se propone un enfoque basado en el análisis de datos y el aprendizaje automático para predecir el churn de los usuarios y luego poder ayudar a las empresas a tomar medidas para retenerlos. En resumen, la tesis destaca la importancia de la retención de usuarios y propone un enfoque para abordar el problema de la churn en la industria de aplicaciones móviles, donde se utilizarán los datos de una aplicación de delivery de comida.
author2 de Caso, Guido
author_facet de Caso, Guido
Roll, Ignacio
format Tesis de maestría
Tesis de maestría
acceptedVersion
author Roll, Ignacio
author_sort Roll, Ignacio
title Machine Learning Approach for Churn Prediction in a Mobile App
title_short Machine Learning Approach for Churn Prediction in a Mobile App
title_full Machine Learning Approach for Churn Prediction in a Mobile App
title_fullStr Machine Learning Approach for Churn Prediction in a Mobile App
title_full_unstemmed Machine Learning Approach for Churn Prediction in a Mobile App
title_sort machine learning approach for churn prediction in a mobile app
publisher Universidad Torcuato Di Tella
publishDate 2024
url https://repositorio.utdt.edu/handle/20.500.13098/12744
work_keys_str_mv AT rollignacio machinelearningapproachforchurnpredictioninamobileapp
_version_ 1823894462882906112

Ejemplares similares