Inteligencia comercial mediante segmentación RFM y modelos predictivos en una empresa B2B del sector eléctrico

Abstract

Selco Advance Control es una empresa del sector eléctrico que, después de un año de fuerte crecimiento en 2023, enfrentó en 2024 una caída cercana al 47 % en la demanda. Esta situación llevó a la organización a cuestionar la forma en que toma decisiones comerciales y a preguntarse cómo aprovechar mejor la información que ya tiene para entender a sus clientes y planear mejor su estrategia de mercado. Para el desarrollo del proyecto, la empresa entregó dos bases de datos: una de clientes y otra de ventas del año 2023. Tras normalizar el NIT e intentar unirlas en Python, solo fue posible encontrar siete registros en común, lo que puso en evidencia problemas de calidad e integración de datos. Ante este escenario, se decidió trabajar de manera exclusiva con la base de ventas 2023, que contiene 6.805 facturas y 545 clientes, y convertirla en insumo central para un modelo de inteligencia comercial. Siguiendo la metodología CRISP-DM, se construyeron indicadores RFM (Recency, Frequency, Monetary) para cada cliente y se aplicó el algoritmo K-means, validando el número de grupos con el método del codo y el coeficiente de silueta. Así se identificaron cuatro segmentos de clientes con patrones de compra claramente diferenciados. A partir de los segmentos de mayor aporte se definió una variable de “alto valor” y se entrenó en Python un modelo predictivo supervisado, utilizando regresión logística para estimar la probabilidad de que cada cliente pertenezca a los grupos más valiosos. El modelo obtuvo métricas de desempeño muy altas (exactitud superior al 95 % y AUC cercano a 0,99), lo que permitió generar un score de probabilidad de alto valor para cada cliente. La combinación entre la segmentación RFM y este modelo predictivo configura una herramienta de inteligencia comercial que ayuda a Selco Advance a priorizar sus esfuerzos de ventas, diseñar 3 acciones diferenciadas según el tipo de cliente y reducir el riesgo de concentración de ingresos en pocos actores. Palabras clave: Segmentación de mercado, inteligencia comercial, RFM, K-means, regresión logística, business intelligence.