Modelos de analítica avanzada y aprendizaje automático para la predicción de abandono de clientes en el sector de telecomunicaciones: revisión sistemática (PRISMA)

Abstract

Las telecomunicaciones, en la actualidad, constituyen el sector con mayor dinamismo en cuanto a la gestión de ofertas y la gestión comercial, esta es la razón principal por la cual surge una alta competitividad entre operadores por la cuota de mercado. Esto conlleva a que los suscriptores actuales de una compañía se vean tentados por ofertas mucho más económicas o por características más atractivas en productos, servicios o en el alcance de la red, lo que puede derivar fácilmente en un cambio de operador. Estos movimientos significativos de clientes se conocen como abandono de clientes o churn, y representan un proceso de alto costo para los operadores, ya que deben redoblar esfuerzos para mantener su base de usuarios. Recuperarla implica un proceso costoso dentro de la cadena operativa, tanto en términos económicos como logísticos, con el fin de fidelizar nuevamente a los clientes, es aquí donde se hace crucial el uso de modelos de análisis predictivo y minería de datos para identificar estrategias anticipadas. En este contexto, la presente monografía realiza un análisis comparativo de distintos modelos de aprendizaje automático aplicados a la predicción de churn en el sector de las telecomunicaciones, a partir de la evaluación de métricas como AUC, F1 Score, Precisión y Recall, se identificó que el modelo Random Forest alcanzó el mejor desempeño con un promedio de 96.9%, seguido de cerca por modelos como HistGB y CNN, ambos con un rendimiento del 96.1%. Estos resultados evidencian el alto potencial de la inteligencia artificial para anticipar el abandono de clientes con gran precisión, permitiendo a las empresas diseñar estrategias de retención más efectivas y personalizadas.