Análisis de supervivencia para la evaluación del ciclo de vida de clientes en una empresa con modelos de suscripción
Cargando...
Autores
Director
Tipo de contenido
Editor
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
El abandono de clientes en contextos de suscripción constituye un fenómeno temporal cuya adecuada comprensión es fundamental para la gestión del riesgo y la toma de decisiones. Más que su ocurrencia en sí, el problema radica en la ausencia de modelos que permitan caracterizar su dinámica en el tiempo, especialmente en presencia de censura administrativa. Este trabajo final de maestría aborda el abandono como un problema de tiempo hasta evento, utilizando un conjunto analítico de 40,556 clientes con seguimiento mensual y una proporción relevante de observaciones censuradas. La caracterización inicial se realiza mediante estimadores de Kaplan-Meier y Nelson-Aalen, y se profundiza en el análisis de la función de riesgo instantáneo a través de suavizamientos kernel y splines (funciones base) penalizados, lo que permite identificar variaciones locales persistentes y un comportamiento periódico del riesgo a lo largo del ciclo de vida. Se ajusta un modelo de Cox con covariables de diversificación de productos, tipo de portafolio y consumo inicial transformado; sin embargo, el diagnóstico evidencia no proporcionalidad de riesgos, limitando la validez de efectos constantes en el tiempo. En este contexto, se implementan modelos basados en redes neuronales, específicamente DeepSurv y Cox-Time, y se comparan con el modelo de Cox mediante el índice de concordancia y el Brier Score integrado en muestra de prueba. DeepSurv presenta el mejor desempeño predictivo entre los modelos evaluados. Los resultados muestran que una mayor diversificación de productos se asocia con un menor riesgo de abandono, mientras que un mayor consumo inicial no implica necesariamente mayor permanencia. El principal aporte del trabajo radica en una comparación integrada de enfoques y en la construcción de un modelamiento flexible del riesgo que permite capturar su dinámica temporal, integrando rigurosidad estadística con aplicabilidad en negocio para la predicción del abandono, la segmentación de clientes y la priorización de estrategias de retención. (Texto tomado de la fuente)
Abstract
Customer churn in subscription-based settings constitutes a temporal phenomenon whose proper understanding is essential for risk management and decision-making. Beyond its mere occurrence, the core challenge lies in the absence of models capable of characterizing its dynamics over time, particularly in the presence of administrative censoring. This Master's Final Project approaches churn as a time-to-event problem using an analytical dataset of 40556 customers with monthly follow-up and a substantial proportion of censored observations. Initial characterization is conducted through Kaplan-Meier and Nelson-Aalen estimators, it is further refined by analyzing the instantaneous hazard function using kernel smoothing and penalized splines, which reveal persistent local variations and a periodic behavior of risk throughout the customer lifecycle. A Cox proportional hazards model is fitted with covariates related to product diversification, portfolio type, and transformed initial consumption; however, diagnostic analysis reveals violations of the proportional hazards assumption, limiting the validity of constant effects over time. In this context, neural network-based models, specifically DeepSurv and Cox-Time, are implemented and compared with the Cox model using the concordance index and the integrated Brier Score on a test set. DeepSurv achieves the best predictive performance among the evaluated models. The results show that greater product diversification is associated with a lower risk of churn, while higher initial consumption does not necessarily imply greater customer retention. The main contribution of this work lies in an integrated comparison of modeling approaches and in the development of a flexible risk modeling framework that captures temporal dynamics, bridging statistical rigor with business applicability for churn prediction, customer segmentation, and the prioritization of retention strategies.
Descripción
ilustraciones, diagramas, tablas