Segmentación de clientes con afectación en sus servicios Área Analytics TIGO

Abstract

RESUMEN : Este estudio tiene como objetivo identificar la criticidad de los clientes con afectación de servicios de la corporación TIGO, mediante el uso de aprendizaje automático no supervisado, con el método de K-Means. El estudio se realizó bajo la metodología de CRISPDM, se escoge una muestra aleatoria de una de las bases de datos de la compañía, con un total de 500.000 registros, y 6 variables en total, en primera instancia se realizó un preprocesamiento de los datos aplicando una normalización de los mismos, con el fin de evitar ruido de datos atípicos, seguido se procede a llenar los valores faltantes, utilizando la media de cada columna, se utilizó el codo de Jambú para tener una idea del número óptimo de clúster dando como resultado 3, 5 y 7, posteriormente se apoya en el método de la curva ROC, que permite ver el peso de influencia de cada variable por cada clúster, luego se entrena el modelo K-Means con 3 y 7 clústeres, dado que se aplicó una métrica de validación interna como el coeficiente de silueta y arrojando como resultados 0.631 con 3 clústeres, mientras que para una combinación de 7 clústeres se obtuvo un puntaje satisfactorio de silueta de 0.729. Por lo tanto, la compañía podría dirigirse a sus clientes con precisión en función de sus necesidades y preferencias para aumentar la satisfacción del servicio, debido a la segmentación final de los clientes.

ABSTRACT : The objective of this study is to identify the criticality of customers with service affectation of the TIGO corporation, through the use of unsupervised machine learning, with the K-Means method. The study was conducted under the CRISP-DM methodology, a random sample was chosen from one of the company's databases, with a total of 500,000 records, and 6 variables in total, in the first instance a preprocessing of the data was made applying a normalization of the same, in order to avoid noise of atypical data, then we proceed to fill the missing values, using the average of each column, the elbow of Jambú was used to get an idea of the optimal number of clusters giving as a result 3, 5 and 7, then it is supported by the ROC curve method, which allows to see the influence weight of each variable, then the K-Means model is trained with 3 and 7 clusters, given that an internal validation metric was applied as the silhouette coefficient and yielding as results 0.631 with 3 clusters, while a satisfactory silhouette score of 0.729 was obtained for a combination of 7 clusters. Therefore, the company could accurately target its customers based on their needs and preferences to increase service satisfaction, due to the final customer segmentation.