El abandono de clientes en banca

Abstract

Hace 20 años la posibilidad de perder un cliente en la banca era baja. No era de vital importancia estudiar la tasa de abandono dado que no había, por parte de los clientes, una inclinación a cambiar de entidad. Hoy los clientes son cada vez más exigentes en cuanto a calidad percibida, precios, oferta de servicios e imagen de marca. Son libres de elegir y aquellos que no tienen una fuerte vinculación pueden cambiar de entidad fácilmente, casi con un solo click. Un banco que sea capaz de predecir el abandono de sus clientes más valiosos podrá segmentarlos de tal manera que aquellos que tengan muchas posibilidades de abandonar estarán localizados. Se les podrá prestar un servicio más adecuado para que reconsideren su posible decisión de abandono. El objetivo principal de mi trabajo es desarrollar un modelo predictivo de probabilidad de abandono. Mediante técnicas de aprendizaje automático y basándose en datos históricos, el modelo buscará patrones que puedan identificar posibles fugas. El propósito es predecir el abandono y segmentar a los clientes de manera que se puedan priorizar y distribuir los recursos definiendo las acciones comerciales de retención oportunas.Twenty years ago the possibility of losing a client in banking was low. It was not vitally important to study the abandonment rate since there was no inclination on the part of the clients to change entities. Today customers are increasingly demanding in terms of perceived quality, prices, service offerings and brand image. They are free to choose and those who do not have a strong connection can easily change entities, almost with a single click. A bank that is able to predict the abandonment of its most valuable customers will be able to segment them in such a way that those who are most likely to abandon will be located. They can be provided with a more adequate service so that they reconsider their possible decision to abandon. The main objective of my work is to develop a predictive model of abandonment probability. Using machine learning techniques and large amounts of historical data, the model will look for patterns that can identify potential leaks. The purpose is to predict abandonment and segment customers in such a way that resources can be prioritized and distributed, defining the appropriate commercial retention actions.