Instituto Politécnico Nacional
Escuela Superior de Comercio y Administración
Unidad Tepepan
Sección de Estudios de Posgrado e Investigación
Desarrollo de Estrategias de Marketing Basadas en el
Análisis de Clientes con Minería de Datos
Informe de Experiencia Profesional Aplicada que para obtener la especialidad en
Marketing Estratégico en los Negocios
Presenta
Actuario José Xicoténcatl Mondragón Rodríguez
Asesora
M.C. Dámaris Roxana Chávez Maza
1
Índice
Índice .................................................................................................................................................. 1
Dedicatorias ........................................................................................................................................ 3
Agradecimientos ................................................................................................................................. 4
Resumen ............................................................................................................................................. 5
Abstract .............................................................................................................................................. 5
Introducción........................................................................................................................................ 6
Justificación ........................................................................................................................................ 8
Objetivos ............................................................................................................................................ 9
Capítulo I. Organización ..................................................................................................................... 9
Definición de la Empresa ................................................................................................................ 9
Misión....................................................................................................................................... 10
Visión ....................................................................................................................................... 10
Cargo y funciones a ejecutar.......................................................................................................... 11
Descripción de la experiencia profesional .......................................................................................... 11
Capítulo II. Ejecución ....................................................................................................................... 12
Introducción .................................................................................................................................. 12
Tipo de proyecto ........................................................................................................................... 12
Instrumentos de recopilación de datos ........................................................................................... 13
El mapa estratégico ....................................................................................................................... 14
Perspectiva de aprendizaje y desarrollo...................................................................................... 15
Perspectiva de procesos ............................................................................................................. 16
Perspectiva del cliente ............................................................................................................... 17
Perspectiva de finanzas.............................................................................................................. 17
Sistema del flujo de información ................................................................................................... 17
Desarrollo del proyecto ..................................................................................................................... 18
Análisis de datos y estadístico ....................................................................................................... 19
Capítulo III. Desempeño Profesional ................................................................................................. 23
Desarrollo ..................................................................................................................................... 23
Modelado predictivo ..................................................................................................................... 28
Aplicación dentro del proyecto ...................................................................................................... 32
Capítulo IV. Contribución ................................................................................................................. 36
2
Modelos matemáticos y estadísticos .............................................................................................. 37
Mercado y conducta de compra ..................................................................................................... 37
Gestión de Marca .......................................................................................................................... 38
Mente estratégica dirigida al mercado............................................................................................ 38
Administración estratégica del marketing ...................................................................................... 39
Desarrollo de estrategias competitivas ........................................................................................... 40
Conclusión ........................................................................................................................................ 41
Referencias ....................................................................................................................................... 43
3
Dedicatorias
A mis padres Nora y Jesús:
Por su paciencia, guía y apoyo en todas las circunstancias de mi vida.
A mis hermanos Jesús, Erendira, Erandi, Dulce y Donaji:
Por estar siempre conmigo.
A mis abuelos Caritina, Fernando, Esperanza y Alfredo:
Por su cariño.
4
Agradecimientos
A mis profesores:
Por sus orientación en el desarrollo de este trabajo y dentro de la especialidad.
Al Instituto Politécnico Nacional:
Por darme de la oportunidad de continuar con mi desarrollo profesional.
5
Resumen
El siguiente trabajo presenta los resultados del proyecto realizado para detectar el abandono de
clientes en la compañía telefónica que provee servicios para celular a través de minería de
datos y desarrollar una estrategia de marketing basada en técnicas predictivas para evitar la
cancelación del servicio telefónico. El trabajo pretende mostrar que todas las empresas de
diferentes industrias que cuenten con una base de datos instalada de clientes tienen la
posibilidad de analizarlos para conocerlos, responder diversas preguntas de negocio en el área
de marketing y desarrollar una planeación estratégica para su retención en el caso del
abandono o cancelación del servicio.
La base de datos utilizada para mostrar el desarrollo del proyecto de minería de datos es de la
industria de telecomunicaciones donde se tienen datos sobre el uso del servicio telefónico,
demográficos de los clientes y su clasificación en tres niveles: cliente actual, cliente con
abandono involuntario y cliente con abandono voluntario.
Abstract
The following paper presents the results of the project carried out to detect customer churn in
the telephone company that provides services for cell through data mining and develop a
marketing strategy based on predictive techniques to avoid cancellation of telephone service.
The work aims to show that all companies in different industries that have a database installed
customers have the ability to analyze them to know, answer several business questions in the
area of marketing and develop a strategic plan for retention in the case abandonment or
cancellation of service.
The database used to develop the data mining project comes from telecommunications
industry containing data about telephone service, customer demographics classified in tree
levels: current, involuntary churned or voluntary churned.
6
Introducción
Si se quieren mejorar en la toma de decisiones y aplicar las acciones correctas es necesario
realizar un análisis de datos que permita mejorar el desempeño de las áreas de negocio al
utilizar los datos y el análisis (Davenport y Harris 2010). El presente trabajo muestra cómo el
resultado obtenido con minería de datos fue combinado con el marketing estratégico para
desarrollar una campaña de retención de clientes.
La minería de datos permite la detección de patrones relevantes dentro de una base de datos
(Berson, Smith y Thearling, 2000) a través del uso de la estadística, inteligencia artificaial,
computación, datos y diseño de estrategias de negocio. En términos de negocio se define a la
minería de datos como el proceso de extraer conocimiento útil y comprensible, previamente
desconocido, desde grandes cantidades de datos almacenados en diferentes formatos por lo
que su objetivo es convertir datos en conocimiento (Hernández, Ramíres y Ferri, 2005)
Customer Relationship Management es el proceso que administra la relación entre el cliente y
la empresa que le proporciona un producto o servicio, lo que genera datos de marketing que
registrará dicha interacción (Berson, Smith y Thearling, 2000). La aplicación de la minería de
datos permitirá conocer a los clientes con los que cuenta actualmente una empresa, sus
preferencias, estilos de vida y necesidades ya que esto les permitirá establecer metas y
desarrollar estrategias certeras para alcanzar una ventaja competitiva que les permita
mantenerse dentro del mercado a través de dicho conocimiento. El alcance de la minería de
datos es vasto ya que puede aplicarse a todas las industrias y las diferentes áreas que la
conforman; en el caso del área de marketing es posible aplicarlo para los siguientes aspectos:
1. Administración del ciclo de vida de los clientes:
Adquisición de nuevos clientes
Crecimiento de los clientes
Retención de clientes
Rentabilidad de clientes
2. Optimización de campañas de marketing
7
Mejora en la tasa de conversión y de respuesta
Reducción de costos
3. Administración de la relación con el cliente (CRM)
Ofertas en tiempo real
Mejor siguiente oferta
Gestión del canal de interacción con el cliente
Conocimiento de la opinión de los clientes
El análisis de clientes con una perspectiva 360 grados permitirá conocerlo en base a las
siguientes características:
Atracción de los mejores clientes
Retención de los clientes rentables
Detección y prevención de fraudes
Manejo de los niveles de riesgo
Crecer el valor del cliente
Generar estrategias de experiencia para el cliente
Los retos del área de marketing en las empresas son los siguientes (IBM Global CEO Study
2012):
Bajas tasas de respuesta en las campañas de marketing
Mala aplicación del presupuesto
Aumento de la competencia
Alto costo en la adquisición de clientes
Dificultad para medir y conseguir el retorno sobre la inversión de las campañas y
ofertas
Dificultad para identificar a los mejores clientes y retenerlos
Falta de seguimiento y análisis de los clientes
8
Por lo anterior, es menester que se desarrollen análisis basados en la minería de datos y
combinar los resultados con la experiencia de negocio que permitirá desarrollar estrategias de
marketing con un nivel de efectividad mayor para alcanzar las metas marcadas.
Justificación
Hoy en día las empresas y negocios tienen la posibilidad de almacenar grandes volúmenes de
datos de sus clientes en cuanto a la compra que realizan de productos, la contratación de
servicios, datos demográficos, datos de proveedores, de empleados, de sucursales, etc. Los
datos anteriores se van acumulando día a día y se requiere analizarlos para conocer cómo se
encuentra el negocio para así definir objetivos y estrategias para alcanzar las metas planteadas
por la alta dirección
El área de marketing hoy en día toma un rol muy importante para alcanzar las metas de venta
de la empresa ya que es el área encargada de conocer las preferencias de los clientes y tener
una vista completa de ellos para diseñar campañas de marketing más efectivas y que al área de
ventas le sea posible convertir contactos en prospectos y prospectos en clientes, vender más y
crear lealtad a la marca. En la actualidad, la definición de estrategias de marketing para la
toma decisiones en la empresa ya no debe basarse únicamente en la experiencia, es necesario
respaldar la toma de decisiones mediante el análisis con minería de datos (Provost y Fawcett
2013).
La minería de datos surge por la aparición de nuevas necesidades para crear valor al utilizar a
los datos como materia prima que permitirá extraer conocimiento para la toma de decisiones
de negocio (Hernández, Ramírez y Ferri, 2005) y el diseño de estrategias para alcanzar los
objetivos de la empresa. El conocimiento creado a partir de los datos permitirá responder a
diversas preguntas de negocio como son:
- ¿Qué tipo de estrategias marketing es posible implementar basadas en la minería de
datos?
- ¿Cuál es la probabilidad de que un cliente no rechace una promoción?
9
- ¿Cuál es la probabilidad de que un cliente cancele el servicio?
- ¿Qué perfil de clientes tienden a responder a mis campañas y quiénes no?
- ¿Quiénes son mis clientes clave?
- ¿Qué canales de comunicación son más efectivos según el perfil de mis clientes?
- ¿Cuál es la mejor siguiente acción con mis clientes?
- ¿Cuáles son sus preferencias y qué opina de mi producto o servicio?
- ¿Qué tipo de estrategia de marketing se debe implementar basado en el resultado
obtenido mediante la minería de datos?
- ¿Cuál es la combinación de productos en la canasta adquirida por los clientes?
Objetivos
Objetivo General
Desarrollar estrategias de marketing basadas en el análisis de clientes con técnicas de
minería de datos que permitan retener a los clientes antes de realizar la cancelación del
servicio
Objetivos Específicos:
Desarrollar el mapa estratégico para el área de marketing
Describir un sistema de flujo de información de marketing para el análisis de datos
Desarrollo del plan estratégico de marketing para la retención de clientes
Aplicar la metodología de minería de datos para el análisis de clientes en marketing
Capítulo I. Organización
Definición de la Empresa
Nexolution es una empresa fundada en 1999 con el propósito de ayudar a nuestros clientes a
convertirse en organizaciones de alto desempeño; organizaciones que tienen un desempeño
10
superior al de sus competidores, con costos más bajos, mejores márgenes, mayor control de su
operación y que utiliza de manera óptima sus recursos (Nexolution 2016).
Nuestros clientes han decidido trabajar con nosotros debido a que hemos creado con ellos una
relación de confianza al ayudarlos a resolver sus problemas con nuestra experiencia y
conocimiento sobre los temas de Business Analytics que es lo importante para ellos, que
seamos capaces de apoyarles en su mejora de desempeño en diferentes áreas de su empresa.
La identidad de la marca de NXN Consultores se define en una imagen y un eslogan que
hemos buscado relacionar con el objetivo de la consultora:
Figura 1. Logo Nexolution tomado de la página de internet www.nexolution.com
La personalidad de la marca va en función de la formalidad, el cumplimiento de los que
prometemos resolver como consultora de negocios y el apoyo constante a nuestros clientes, lo
que nos ha ayudado a formar un prestigio dentro del mercado de soluciones de tecnologías de
información. Por otra parte, formar alianzas con empresas como IBM y otras consultoras nos
ha ayudado a consolidar dicha personalidad ante nuestros clientes y asociados de negocio que
actualmente reconocen.
Misión
La misión de la empresa es ayudar a nuestros clientes a habilitar el desempeño de sus negocios
mediante el análisis de negocio para óptima toma de decisiones que permitirá desarrollar y
ejecutar sus estrategias para alcanzar sus metas.
Visión
11
Nuestra visión es ser la mejor consultora de análisis de negocio reconocida tanto por nuestros
clientes como por nuestros socios de negocio y que reconozcan nuestro valor como
consultores especializados en Business Analyitics, Business Intelligence y Predictive
Analytics.
Cargo y funciones a ejecutar
El área donde se aplicaron los conocimientos adquiridos en la Especialidad de Marketing
Estratégico en los Negocios fue la de Business Analytics donde me he desempeñado en la
consultora con el puesto de “SPSS Data Scientist” con las siguientes funciones:
Identificar el problema de negocio a resolver en el área de marketing de los clientes de
la consultora
Obtener requerimientos de negocio de los clientes para el desarrollo de una solución de
marketing estratégico aplicando técnicas de minería de datos para el análisis de clientes
Determinar la viabilidad operacional de la solución al definir el problema de negocio,
requerimientos y la solución a proponer
Preparar e instalar la solución de minería de datos para el análisis de clientes
Desarrollar e implementar el plan del proyecto para el análisis de clientes
Desarrollar e implementar estrategias de marketing resultantes del análisis de los
clientes mediante técnicas de minería de datos
Descripción de la experiencia profesional
Actuario con 15 años de experiencia en modelos de minería de datos, minería de texto
aplicado al análisis de opiniones, estadística, administración de proyectos, detección y análisis
de necesidades de negocio para el desarrollo e implementación de soluciones analíticas para la
toma de decisiones, impartición de cursos de estadística, minería de datos con software IBM
SPSS, SAS, Oracle Data Miner, KNIME. Profesional en el desarrollo y venta de soluciones de
minería de datos para CRM analítico (segmentación, perfilamiento y rentabilidad de clientes),
abandono de clientes (churn), retención de clientes (attrition), riesgo de crédito (credit
12
scoring), detección de fraudes, prevención de lavado de dinero, mantenimiento predictivo en
industrias como Banca, Retail, Telco, Call Center y Seguros. Interesado en el desarrollo de
soluciones analíticas para la mejora en la toma de decisiones de negocio y desarrollo de
estrategias de marketing así como venta e implementación de proyectos de análisis predictivo
y software analítico.
Capítulo II. Ejecución
Introducción
Los datos de clientes con los que se realizó el proyecto de minería de datos se obtuvieron de la
base de datos de la compañía celular que se conoce como que se conocen como Call Detail
Record o CDR (Madrid, s.d.) con información tanto transaccional de los clientes como
demográfica. El objetivo del proyecto fue detectar a los clientes con mayor propensión a
cancelar el servicio de telefonía celular, lo que se conoce como abandono o churn. Debido a
que se trabajó con datos históricos, los clientes fueron agrupados en 3 categorías con las que
se formó la variable objetivo o de clasificación para el modelo de minería de datos: actuales,
cancelaciones voluntarias y cancelaciones involuntarias o realizadas en automático por la
compañía.
Tipo de proyecto
El proyecto tuvo la siguiente Metodología de investigación:
Transversal: El corte del periodo de tiempo a analizar fue un mes únicamente
Descriptivo: Describió a los clientes con mayor propensión a cancelar el servicio
Tipo de método: El método que se utilizó fue cuantitativo para el cálculo de la
probabilidad de abandono y cualitativo ya que se describió a los clientes con dicha
propensión
Colectivo: Debido a que participó el especialista de minería de datos, el especialista de
negocio y el área de bases de datos
13
Problema a abordar: De tipo práctico ya que se desarrolló una estrategia de negocio
que la compañía de telefonía celular que sirvió para una campaña de marketing para la
retención de clientes basada en su probabilidad de abandono
Instrumentos de recopilación de datos
La siguiente tabla muestra las preguntas que se formularon para alcanzar los objetivos
planteados:
Tabla 1. Preguntas de negocio
Las preguntas anteriores ayudaron a desarrollar el proyecto en conjunto con la metodología
CRISP-DM que fue la que se recomendó utilizar la metodología CRISP-DM (Cross-Industry
Standard Process for Data Mining) ya que permitía tener una mejor perspectiva de los
resultados de cada una de las fases implementadas al mantener el objetivo de negocio y de
análisis predictivo alineados. El proceso analítico se encuentra dividido en series fases (figura
2) y cada una dividida en tareas y sub tareas.
Variable/categoría Indicador Instrumento Pregunta
Servicio
1. Clasificación del
nivel de servicio 2.
Llamadas caídas
3. Tipo de
llamadas
realizadas base de datos
¿Cuál es el servicio que el cliente utiliza más? ¿Cuántas llamadas caídas tiene
dentro del periodo analizado? ¿Cuál es el tiempo promedio para cada tipo de
servicio?
Cobranza
1. Tipo de recibo
2. Tipo de pago base de datos
¿ Cuál es el tipo de pago que más utilizan los clientes? ¿Qué tipo de recibo de
pago tienen?
Propensión
Clasificación del
cliente base de datos
¿Cuál es la probabilidad de que un cliente cancele? ¿A quién debo realizar la
campaña de retención?
Cliente Demográficos base de datos ¿Qué variables demográficas se relacionan con la cancelación del servicio?
14
Figura 2. Metodología CRISP-DM (2000). CRISP-DM 1.0 (p.10)
La metodología CRISP-DM fue creada en el año de 1996 y mejorada entre los años 1999 y
2000 con el objetivo de implementar de manera exitosa proyectos de minería de datos al
analizar los requerimientos analíticos e implementar los resultados dentro del proceso de
negocio (Chapman et al, 1999-2000).
El mapa estratégico
El mapa estratégico permitió establecer la interrelación entre las áreas involucradas como eran
Marketing y Sistemas y su importancia dentro del proyecto implementado. Hay tres tipos
generales de interrelaciones entre las unidades de negocio: 1) tangibles, 2) intangibles y 3) la
de los competidores. Las tres tienen impactos importantes, aunque diferentes, en la ventaja
competitiva, y no se excluyen entre sí (Porter, 2015). Mediante el mapa estratégico se
15
definieron las habilidades y conocimientos que debían tener los involucrados para que se
identificara el ciclo de valor de la ventaja competitiva de la solución de análisis de clientes y
se diseñó de la siguiente manera:
Figura 10. Mapa Estratégico (Cuadro de Mando Integral.Kaplan, Norton, 2009)
Perspectiva de aprendizaje y desarrollo
Esta sección se tiene los siguientes componentes:
- Capital Humano: El área de Marketing de la empresa debe estar compuesta por
personal con conocimientos en el área, experiencia de negocio, conocimiento de los
productos a comercializar, conocimiento y habilidad en el uso de las técnicas de
minería de datos e interpretación y visualización de los resultados del análisis
predictivo
- Capital de Información: Es muy importante contar con información sobre el cliente
tanto demográfica como transaccional que conformaran la historia a analizar para así
conocer al cliente en una vista 360 grados al analizar la interacción con la empresa,
16
gustos, preferencias, perfil de compra, perfil demográfico, etc. El análisis permitirá
definir al cliente correcto, por el canal correcto, en el momento correcto y el producto
y/o servicio correcto basado en el objetivo de negocio y del modelo de minería de
datos
- Capital Organizacional: La interacción del área de marketing con las demás áreas
(ventas, finanzas, contabilidad, sistemas) basada en la definición de objetivos de
negocio para las campañas de marketing es de vital importancia ya que son
coparticipes del proceso ya que se pretende que el análisis de minería de datos forme
parte integral para la relación con el cliente y por ende el incremento en ventas
Perspectiva de procesos
- Procesos de Gestión de Operaciones: Es necesario contar con una metodología
analítica para el desarrollo de proyectos de minería de datos, un proceso para la
implementación y seguimiento de los resultados de dicho proyecto y la combinación
con la experiencia de negocio. Lo anterior debe ser parte integral dentro del proceso
del área de Marketing y de toma de decisiones de negocio, todo basado en la
metodología CRISP-DM (Cross Standard Process for Data Mining)
- Proceso de Gestión de clientes: Las reglas de negocio son muy importantes para la
selección de clientes y deben ser aplicadas al modelo de minería de datos que se
desarrolle ya que de ahí dependerá la selección de clientes para las campañas de
marketing; también es muy importante definir el objetivo del modelo de minería de
datos y los criterios para desarrollarlo como son fuentes de datos, cálculo de nuevas
variables, formato etc.
- Innovación Tecnológica: Se refiere a contar con la infraestructura necesaria para
realizar el análisis como es el software, computadoras, servidores y bases de datos así
como contar con una metodología analítica para el desarrollo de proyectos de minería
17
de datos y un proceso para la implementación y seguimiento de los resultados de dicho
proyecto; debe ser parte integral dentro del proceso del área de Marketing y de toma de
decisiones de negocio; todo basado en la metodología CRISP-DM (Cross Standard
Process for Data Mining)
- Procesos Regulatorios y Sociales: Debe existir una relación directa con el área de
calidad y auditoría para cumplir con las reglas de negocio de la empresa. También ser
una empresa socialmente responsable en el uso de recursos principalmente impresos
Perspectiva del cliente
- La calidad en los productos y servicios, el valor agregado y los beneficios que se
ofrecen son factores muy importantes para crear lealtad a la marca y satisfacción al
cliente
Perspectiva de finanzas
- El objetivo de todo negocio es producir ingresos tanto para la empresa donde ésta
pueda invertir en nuevos proyectos y ser sustentable como para los accionistas o socios
- Es importante mediante la definición de estrategias alcanzar los objetivos financieros y
de ventas pronosticados, la disminución de costos, la mejora continua de productos y
servicios lo que llevará a una relación a largo plazo con los clientes y ser una empresa
rentable
Sistema del flujo de información
El Sistema de Información de Marketing desarrollado para la telefónica, permitió minimizar
los riesgos de solicitud de datos así como determinar la estrategia a seguir al momento de
obtener los resultados de la minería de datos y cómo el área de Marketing desarrollaría e
implementaría la estrategia para la retención de clientes.
18
Figura 11. Sistema de Información de Marketing (Nexolution, 2014, basada en el Modelo de Comunicación de Berlo, 1960)
Desarrollo del proyecto
En términos técnicos, el objetivo del proyecto minería de datos fue el cálculo de la
probabilidad de abandono de los clientes y la descripción de dichos clientes en base a algunos
datos demográficos para determinar quiénes eran. La probabilidad de abandono se calcula
considerando los siguientes axiomas (Yamane, 1979):
1. Dado un experimento con E con resultados posibles mutuamente excluyentes (sucesos
simples) E1, E2, …En se asigna un número positivo tal que:
P(Ei) >= 0
2. La suma de las probabilidades de todos los eventos mutuamente excluyentes es igual a
uno:
P(E1) + P(E2) … P(En) = 1
19
3. La probabilidad de que ocurra uno de dos sucesos mutuamente excluyentes Ei o Ej es
igual a la suma de sus probabilidades:
P(Ei o Ej) = P(Ei) + P(Ej)
Los axiomas anteriores indican que la probabilidad de abandono se debe encontrar dentro del
intervalo [0,1] y al sumar su complemento éste debe ser igual a uno.
La variable de clasificación de probabilidad fue “Tipo de Cancelación” donde se tenía el
registro histórico de los clientes en base a tres niveles:
- Cliente actual: Es aquel que sigue con su línea celular vigente
- Cliente que cancela de manera involuntaria: Es aquel que es dado de baja por la
compañía debido a la falta de uso de la línea celular durante un período mínimo de 90
días
- Cliente que cancela de manera voluntaria: Es el cliente que pide su cancelación de la
línea de telefonía celular a la compañía
Los niveles anteriores fueron definidos por la compañía telefónica y con el modelo de minería
de datos seleccionado se clasificaron a sus clientes en esas categorías lo que dio como
resultado la probabilidad y clientes buscados.
Análisis de datos y estadístico
La compañía telefónica entregó una tabla con 1477 registros de clientes y 15 variables para el
periodo de tiempo de un mes que se describe a continuación:
Variables
Casos
Incluidos Excluidos Total
N Porcentaje N Porcentaje N Porcentaje
Número de Cliente 1477 100.0% 0 0.0% 1477 100.0%
20
Consumo Larga Distancia 1477 100.0% 0 0.0% 1477 100.0%
Consumo Internacional 1477 100.0% 0 0.0% 1477 100.0%
Consumo Local 1477 100.0% 0 0.0% 1477 100.0%
Número de Llamadas
Caídas 1477 100.0% 0 0.0% 1477 100.0%
Método de Pago 1477 100.0% 0 0.0% 1477 100.0%
Tipo de Recibo Local 1477 100.0% 0 0.0% 1477 100.0%
Tipo de Recibo Larga
Distancia 1477 100.0% 0 0.0% 1477 100.0%
Edad 1477 100.0% 0 0.0% 1477 100.0%
Género 1477 100.0% 0 0.0% 1477 100.0%
Estado Civil 1477 100.0% 0 0.0% 1477 100.0%
Número de Hijos 1477 100.0% 0 0.0% 1477 100.0%
Ingreso Estimado 1477 100.0% 0 0.0% 1477 100.0%
Automóvil 1477 100.0% 0 0.0% 1477 100.0%
Tipo de Cancelación 1477 100.0% 0 0.0% 1477 100.0%
Tabla 2. Listado de variables de estudio. Campos de la base de datos. D.R. Compañía telefónica. 2014
La tabla contenía información tanto demográfica como transaccional del uso del servicio de
telefonía celular dentro de la compañía ya a nivel sumado para tener el total de consumo por
cliente. La siguiente tabla muestra las variables que entregadas por la compañía y las etiquetas
de valor que tienen cada una de ellas:
21
Tabla 3. Variables discretas y su etiqueta. Campos de la base de datos. D.R. Compañía telefónica. 2014
Debido a que algunas variables tenían una escala de medida continua se crearon variables
agrupadas de tipo nominal para realizar algunas estadísticas en relación a la variable a
clasificar que fue “Tipo_Cancelación” de la siguiente manera:
Etiqueta
Auto Cargo automático
CC Tarjeta de Crédito
CH Cheque
Budget Plan
FreeLocal Llamadas libres
Intnl_discount Descuento internacional
Standard Estándard
F Femenino
M Masculino
M Casado
S Soltero
N No
Y Sí
Current Cliente actual
InVol Involuntario
Vol Voluntario
Edo_civil
Carro
Tipo_Cancelación
Valores de variable
Valor
Método_Pago
Recibo_Local
Recibo_largadist
Género
22
Tabla 4. Variables continuas categorizadas y su etiqueta. Campos de la base de datos. D.R. Compañía telefónica. 2014
El análisis estadístico que se realizó fue en relación con la variable de clasificación con el
objetivo de probar si no existe una relación o no con las variables conocidas como
independientes y así comenzar a descubrir cuál de ellas explicaba en primera instancia el
abandono de los clientes.
Etiqueta
Mayor 18 - Menor 33 Mayor 18 - Menor 33
Mayor 33 - Menor 49 Mayor 33 - Menor 49
Mayor 49 - Menor 65 Mayor 49 - Menor 65
Mayor 65 - Menor 81 Mayor 65 - Menor 81
Mayor 81 - Menor 97 Mayor 81 - Menor 97
Mayor 110 - Menor 20000 Mayor 110 - Menor 20000
Mayor 2000 - Menor 39999Mayor 2000 - Menor 39999
Mayor 39999 - Menor
59943Mayor 39999 - Menor 59943
Mayor 59943 - Menor
79888Mayor 59943 - Menor 79888
Mayor 79888 - Menor
99832Mayor 79888 - Menor 99832
1 <= .000
2 .001 - 7.496
3 7.497 - 14.992
4 14.993 - 22.488
5 22.489+
1 <= .000
2 .001 - 112.656
3 112.657 - 225.312
4 225.313 - 337.968
5 337.969+
1 <= .000
2 1.000 - 1.000
3 2.000+
1 <= .000
2 1.000 - 2.000
3 3.000+
Local_Rango
Hijos_Rango
Caídas_Rango
Edad_Rango
Estimado_Ingreso
LD_Rango
Valores de variable
Valor
23
Capítulo III. Desempeño Profesional
Desarrollo
Los resultados obtenidos a las preguntas planteadas fueron los siguientes:
1. Servicio:
a. ¿Cuál es el servicio que el cliente utiliza más? Se determinó que tanto el plan como
llamadas libres se distribuyen de manera similar en su uso y que la larga distancia
en su modalidad estándar era la más utilizada en el periodo de un mes.
Figura 3. Frecuencia de tipo de recibo local. Elaboración Propia, 2014.
24
Figura 4. Tipo de recibo de larga distancia. Elaboración Propia, 2014.
b. ¿Cuántas llamadas caídas tiene dentro del periodo analizado? El 90 % de los
clientes dentro del periodo de un mes no sufrieron de llamadas caídas o falta de
servicio, solamente 9% aproximadamente sufrieron como mínimo un corte de la
llamada a tres cortes en el mismo periodo.
25
Figura 5. Llamadas caídas en el periodo. Elaboración Propia, 2014.
c. ¿Cuál es el tiempo promedio para cada tipo de servicio? El consumo del servicio se
determinó en base a cada clase de la variable “Tipo_Cancelación” para identificar
si era un factor determinante para mantenerse como cliente actual o cancelar el
servicio. Se determinó que el uso del servicio no era un factor relevante para los
que cancelan de manera voluntaria pero sí para los que cancelan de manera
involuntaria, es decir, los clientes que dejan de utilizar la línea telefónica y que la
compañía debe darlos de baja.
Tabla 5. Promedio de consumo de minutos del servicio de telefonía celular. Elaboración Propia, 2014.
Estadístico
Error
estándar
Cliente actual Media 15.04232 .296894
Voluntario Media 14.86756 .401536
Cliente actual Media .32221 .050160
Voluntario Media 1.88549 .134743
Cliente actual Media 55.56104 1.864197
Involuntario Media 2.53335 .124592
Voluntario Media 57.12297 2.517063
Consumo Local
Consumo Internacional
Descriptivos
Tipo de Cancelación
Consumo Larga Distancia
26
2. Cobranza:
a. ¿Cuál es el tipo de pago que más utilizan los clientes? La mayoría de los clientes
prefirieron dentro del periodo el cargo automático a tarjeta de crédito que es la
modalidad más utilizada por la compañía de telefonía celular para la contratación.
Método de Pago*Tipo de Cancelación tabulación cruzada
Tipo de Cancelación
Total Cliente actual Involuntario Voluntario
Método de Pago Cargo automático Recuento 173 26 98 297
% del total 11.7% 1.8% 6.6% 20.1%
Tarjeta de Crédito Recuento 480 76 298 854
% del total 32.5% 5.1% 20.2% 57.8%
Cheque Recuento 179 30 117 326
% del total 12.1% 2.0% 7.9% 22.1%
Total Recuento 832 132 513 1477
% del total 56.3% 8.9% 34.7% 100.0%
Tabla 6. Tipo de cancelación versus método de pago. Elaboración Propia, 2014.
b. ¿Qué tipo de recibo tienen los clientes? Los clientes tanto en prepago como
pospago se distribuyeron de manera similar dentro de cada una de las clases de la
variable objetivo por lo que ambos tipos de servicio son vendidos al mismo nivel
por la compañía.
Tipo de Recibo Local*Tipo de Cancelación tabulación cruzada
Tipo de Cancelación
Total Cliente actual Involuntario Voluntario
Tipo de Recibo Local Plan Recuento 425 63 260 748
% del total 28.8% 4.3% 17.6% 50.6%
Llamadas libres Recuento 407 69 253 729
27
% del total 27.6% 4.7% 17.1% 49.4%
Total Recuento 832 132 513 1477
% del total 56.3% 8.9% 34.7% 100.0%
Tabla 7. Tipo de cancelación versus tipo de recibo local. Elaboración Propia, 2014.
3. ¿Qué variables demográficas se relacionan con la cancelación del servicio? La variable
que se identificó como una de las más relevantes en la estadística descriptiva y
posteriormente por el modelo predictivo fue el género (sexo del cliente) donde 28% de
las mujeres cancelaban de manera voluntaria el servicio.
Género*Tipo de Cancelación tabulación cruzada
Tipo de Cancelación
Total Cliente actual Involuntario Voluntario
Género Femenino Recuento 250 75 423 748
% dentro de Tipo de
Cancelación 30.0% 56.8% 82.5% 50.6%
Masculino Recuento 582 57 90 729
% dentro de Tipo de
Cancelación 70.0% 43.2% 17.5% 49.4%
Total Recuento 832 132 513 1477
% dentro de Tipo de
Cancelación 100.0% 100.0% 100.0% 100.0%
Tabla 8. Tipo de cancelación versus género del cliente. Elaboración Propia, 2014.
28
Figura 6. Tipo de cancelación versus género. Elaboración Propia, 2014.
Modelado predictivo
La extracción de conocimiento a partir de los datos tiene como objetivo descubrir patrones que
deben ser válidos, novedosos, interesantes y comprensibles (Hérnandez, Ramírez y Ferri,
2005). Debido a lo anterior, la selección del modelo predictivo adecuado basado en los datos
fue de gran relevancia por lo que se analizó a la variable objetivo para determinar el modelo
con el que se calculó la probabilidad de abandono que fue la regresión logística multinomial
ya que era la apropiada para resolver problemas de clasificación y obtiene una estimación de
las probabilidades para variables de respuesta categóricas (Hérnandez, Ramírez y Ferri, 2005).
La variable objetivo se distribuyó de la siguiente manera:
29
Figura 7. Distribución del Tipo de cancelación. Elaboración Propia, 2014.
Se observó que 56% de los clientes de la compañía eran clientes actuales, aproximadamente
43% abandonarían en el siguiente ciclo ya fuera de manera voluntaria o involuntaria.
El diseño de pruebas tenía como objetivo verificar la validez del modelo por lo que la tabla de
datos se realizó la partición en dos conjuntos, el conjunto de entrenamiento y de evaluación
(Hérnandez, Ramírez y Ferri, 2005). El modelo de regresión logística multimonial se calculó
utilizando las siguientes variables:
- Variable objetivo (dependiente): Tipo_Cancelación
- Variables de entrada (independientes:
• Larga_Dist: minutos de larga distancia consumidos
• Internacional: minutos de larga distancia internacional
• Local: minutos de llamadas locales
• Método_Pago: método de pago del servicio
• Recibo_Local: tipo de recibo local en llamadas libres o plan
• Recibo_Largadist: tipo de recibo de larga distancia
30
• Edad: edad del cliente
• Género: sexo del cliente
• Cant_Hijos: cantidad de hijos
• Ingreso_Est: ingreso estimado
• Carro: dueño o no de automóvil
Las variables de mayor relevancia para el cálculo del modelo de regresión multinomial fueron:
Figura 8. Importancia del predictor dentro del modelo de regresión logística multinomial. Elaboración Propia, 2014.
Al analizar estadísticamente los resultados observó que las mujeres eran las que tienden a
cancelar de manera voluntaria con mayor propensión como se muestra en la siguiente tabla:
Propensión a Cancelar la Línea Celular*Género tabulación cruzada
Género
Total Femenino Masculino
Propensión a Cancelar la
Línea Celular
Alta Recuento 439 33 472
% dentro de Género 58.7% 4.5% 32.0%
% del total 29.7% 2.2% 32.0%
Baja Recuento 127 609 736
% dentro de Género 17.0% 83.5% 49.8%
31
% del total 8.6% 41.2% 49.8%
Media Recuento 182 87 269
% dentro de Género 24.3% 11.9% 18.2%
% del total 12.3% 5.9% 18.2%
Total Recuento 748 729 1477
% dentro de Género 100.0% 100.0% 100.0%
% del total 50.6% 49.4% 100.0%
Tabla 9. Tipo de cancelación versus tipo de recibo local. Elaboración Propia, 2014.
La tabla 9 responde a la pregunta ¿quiénes son los clientes con mayor propensión a cancelar el
servicio de telefonía celular y a quiénes debo dirigir la campaña de marketing de retención?
Por lo que se concluyó que la estrategia marketing sería la realización de una campaña de
retención dirigida a las clientes mujeres.
El modelo predictivo de regresión logística multinomial fue calculado con los parámetros
establecidos dentro del software IBM SPSS Modeler V.15. Se comparó la data de
entrenamiento y evaluación para determinar el nivel de predicción del modelo con la matriz de
confusión que es una matriz de frecuencias donde se observa cuántos casos han sido
clasificados correctamente y cuántos no lo han sido tanto en la data de entrenamiento como de
validación (Hernández, Ramírez, Ferri, 2005). El resultado fue el siguiente:
Figura 9. Matriz de confusión. Elaboración Propia, 2014.
32
Se obtuvo una precisión del modelo de 79.1% para la data de entrenamiento y 79.47% para la
data de evaluación (comprobación) lo que indica que el modelo tiene un buen porcentaje en su
precisión para clasificar las clases de la variable objetivo. En la matriz de confusión se observa
la frecuencia de casos correctamente clasificados en cada uno de las categorías.
El análisis predictivo encontró que las mujeres entre 18 a 33 años tenían una mayor tendencia
a cancelar y que además no utilizaban las llamadas de larga distancia, y de 33 años en adelante
otra parte también lo cancelaba, lo que llevo a concluir que la campaña de retención sería
dirigida a las mujeres al aplicar una estrategia de producto y promociones para evitar la
cancelación.
Aplicación dentro del proyecto
Como líder del proyecto, analista de minería de datos y especialista de marketing, mi labor fue
realizar el análisis de negocio para definir los requerimientos del cliente y empatarlos tanto
con los conocimientos de marketing estratégico y de minería de datos. El proyecto tuvo una
duración de tres meses para lo cual se desarrolló un plan de trabajo basado en las directrices
del Project Management y tomando como eje la metodología CRISP-DM. En cada una de las
fases se revisaban las tareas desarrolladas en conjunto con el líder de proyecto de la compañía
con y determinar si se cumplió con el objetivo de cada una de ellas en base a los criterios de
éxito definidos. Se entregó un documento de desarrollo para cada una de las fases y se hizo
una presentación ejecutiva de resultados a cada uno de los involucrados tanto de la compañía
telefónica como de la consultora.
La técnica infográfica se utilizó para determinar la solución de minería de datos a implementar
que fue la de “Abandono de Clientes” y permitió orientar a la compañía en temas de análisis
predictivo así como crear un sistema de información de marketing para el desarrollo del
proceso predictivo y de desarrollo de estrategias.
33
Figura 10. Infografía Opinión del Cliente. IBM Corporation D.R. 2014.
La siguiente infografía ejemplificó las preguntas que se realizarían a la base de datos en el
desarrollo del proyecto:
Figura 11. Infografía. Preguntas de Negocio. IBM Corporation D.R. 2014.
34
Se llevó a cabo un liderazgo activo para conocer la cultura organizacional de la compañía
telefónica para negociar los requerimientos, tiempos, cambios y nuevas solicitudes al proyecto
sin perder de vista el objetivo general y al mismo tiempo se desarrolló un mapa estratégico que
plasmaba la interrelación entre las áreas involucradas. Dicho liderazgo permitió conocer más a
fondo la industria de telefonía celular y adquirir mayor experiencia en la implementación de
proyectos para éste sector. Se aprendió a negociar en todos los niveles jerárquicos de la
compañía, desde los técnicos del área de sistemas, hasta la realización de presentaciones
ejecutivas a nivel dirección en la entrega de resultados.
Toda organización industrial de productos de consumo que enfrenta una fuerte competencia,
sobrevivirá únicamente mientras exista una cantidad suficiente de consumidores que
comprenden sus productos. En un mercado libre de competencia, los consumidores llegan a
ser muy exigentes y volubles en la compra de productos que no sean de primera necesidad y
tienen varias marcas de donde escoger (Eyssautier, 2000). Se desarrollaron las siguientes
estrategias:
- Estrategia de cliente: La campaña de retención de marketing se lanzaría a las mujeres
con edad entre 18 y 33 años identificadas por el modelo predictivo ya que son el 40%
aproximadamente de la base con la característica de cancelación
- Estrategia de promoción: La compañía desarrollaría promociones dirigidas
específicamente a las mujeres con el objetivo de incentivar el uso del servicio de
telefonía celular
- Ejecución de la campaña de marketing: La campaña tendría una duración de un mes
donde se mediría su efecto
- Estrategia de satisfacción: La compañía encuestaría a las mujeres con propensión a
abandonar para conocer las causas específicas de la cancelación del servicio y
desarrollar mejoras en el mismo
- Estrategia de producto: La compañía en base a los resultados definiría un servicio
apropiado de telefonía celular para las mujeres
35
- La compañía celular mediría la efectividad de la campaña de retención con los
siguientes indicadores (Dominguez, Muñoz, 2010):
o Fidelidad = Satisfacción + Retención
o Satisfacción = (Clientes con consumo del servicio en el periodo – Clientes
insatisfechos ) / Clientes totales en el periodo
o Tasa de retención = Número de clientes retenidos o renovados en el periodo /
Número de clientes en el periodo
o Churn Rate = Clientes que han sido de baja en el periodo / Clientes al final del
periodo
Las actividades anteriores permitirían medir y saber si la estrategia tuvo efecto entre los
clientes con propensión a cancelar el servicio.
La parte clave del proyecto fue el desarrollo de una estrategia competitiva recomendada a
seguir basada en el resultado de la minería de datos donde se utilizó estadística descriptiva
para conocer la información que contenían la base proporcionada. Uno de los temas
importantes en el análisis fue la calidad de los datos ya que de ellos dependía el resultado final
y la estrategia a desarrollar por lo que se hicieron recomendaciones para la limpieza de la data.
El apoyo de los stakeholders fue esencial ya que con ellos se planeó la vía para evitar la
resistencia al cambio dentro de las áreas de marketing y sistemas pues la primera, sentía que se
quería cambiar la manera de hacer las cosas y la segunda no permitía el acceso a los datos, a
ambos se les involucró pues su participación era muy importante para el desarrollo del
proyecto.
El control del tiempo del plan de trabajo fue vital para evitar atrasos pues esa situación
afectaría las fechas de entrega lo que generaba la dicha presión por lo que hubo una
coordinación y cooperación por parte de las áreas involucradas para trabajar en tiempo y
forma, cada uno en sus actividades tanto individuales y de grupo; la administración y
36
designación de tareas se hizo basada en el rol y capacidades de cada uno de los participantes.
Un tema importante fue la adaptación del equipo de trabajo de la consultora dentro de la
compañía telefónica ya que había que estar dentro de su ambiente de trabajo, oficinas, horario
y se debía evitar el interrumpir sus actividades por lo que la comunicación y los canales de
comunicación se definieron al asignar los roles de Project manager y responsables según las
actividades para ambos equipos.
El nivel de compromiso por parte de los involucrados fue al 100% tanto en conocimientos y
habilidades como en el desarrollo del trabajo para cumplir con las fechas y entregas pactadas
con calidad y llevar al éxito el proyecto implementado por lo que se debía ser puntual en
reuniones, formal en las tareas asignadas al entregarlas en la fecha pactada así como cumplir
con los requerimientos de cada fase.
Los recursos disponibles que se tuvieron a la mano fueron los datos, el equipo de cómputo con
el software de estadística y de minería de datos, una línea telefónica y la agenda para localizar
a los involucrados en el caso de alguna contingencia o atraso, un espacio de trabajo dentro de
las instalaciones de la compañía telefónica, acceso a internet para consultas, acceso en el
horario laboral y sala de junta con proyector.
Capítulo IV. Contribución
El presente capítulo muestra la aplicación de las diferentes áreas de conocimiento de la
especialidad y que fueron desarrollados durante la implementación del proyecto dentro de la
telefónica. El objetivo del proyecto fue recomendar estrategias de marketing para la retención
de clientes, basado en el análisis del uso de telefonía celular, como se vio anteriormente, el
objetivo del proyecto fue alcanzado.
La implementación de este tipo de proyectos permitió a la compañía de telefonía celular
reconocer que es posible desarrollar estrategias de negocio basadas en el análisis de datos
dentro del área de marketing e incorporarlo como parte del proceso de negocio para alcanzar
37
los objetivos de la compañía al alinear al área a la misión y visión de la misma e incrementar
las ventas y la participación de mercado.
Modelos matemáticos y estadísticos
La aplicación de la estadística y la minería de datos permitió la descripción de los datos para
conocer las información contenida dentro de las variables utilizadas en el modelo predictivo.
Se generaron gráficas que mostraron cómo se distribuía el uso de los servicios de telefonía en
relación a la variable en la que se quería clasificar a los clientes en los niveles de la variable
objetivo y el cálculo de la probabilidad de deserción. Es muy importante la aplicación de los
modelos matemáticos y estadísticos para analizar los datos generados de las preguntas de
negocio creadas en el capítulo II.
Los modelos matemáticos y estadísticos dieron formalidad a la definición del objetivo de
negocio que fue detectar a los clientes con propensión a cancelar y conocer la relación del
consumo del servicio de telefonía con los tres niveles de clientes que maneja la compañía, al
determinar la fuente de datos a analizar que fueron entregados de la base de datos de clientes,
el proceso de recolección de datos donde se dio formato a los datos para obtener la tabla
analítica, la definición de la muestra que en este caso fueron 1477 clientes, el análisis de datos
mediante la estadística y minería de datos (análisis cuantitativo) y la presentación de
resultados obtenidos tanto en la documentación del proyecto como en las presentaciones
ejecutivas hechas.
Mercado y conducta de compra Se determinó que el tipo de consumidor que tiene la telefónica eran clientes de sexo
masculino, con una edad entre 18 y 70 años y que representaban un poco más del 50% de los
clientes. Lo anterior mostraba que los hombres son los que tienen mayor preferencia por la
compañía por lo que era muy importante saber si las campañas de marketing iban dirigidas
más a este tipo de consumidor por lo que se propuso al área de marketing que revisara las
campañas anteriores qué objetivo estaban persiguiendo y preguntar a los clientes que
38
cancelaban sobre el servicio para conocer su nivel de satisfacción ya que se determinó que el
uso del servicio de llamadas locales y larga distancia internacionales era demasiado baja lo
que generaba ingresos bajos en relación al costo operativo de dichos servicios.
El mercado se encontró compuesto por consumidores nacionales de zonas conurbadas que son
los lugares donde la compañía telefónica tenía alcance de radio bases de telefonía lo que
ayudó a definir la muestra de clientes a analizar. Fue importante considerar en qué parte del
mercado se encontraba la compañía ya que al ser un oligopolio donde solo habían 3 empresas
oferentes del servicio era necesario diseñar una campaña de retención que aumentara la
participación de mercado en relación al que se tenía en ese momento.
Basado en el análisis, la selección del mercado meta para la campaña de retención fueron la
mujeres entre 18 y 33 años que representaban aproximadamente el 44% de la base.
Gestión de Marca
Se revisó cuál era la participación de mercado de la compañía telefónica en el mercado y así
que era de 68% en el año de 2014 y se redujo en un punto porcentual debido al crecimiento de
otras compañías, por lo que se concluyó que la cancelación de la línea realizada en su mayoría
por mujeres tenía relación directa con la pérdida en la participación de mercado y la manera en
la que dichos clientes percibían el servicio de telefonía celular brindado por la compañía. Era
necesario revisar la gestión de la marca en cuanto a la publicidad para determinar el valor de la
misma en cuanto a la lealtad de los clientes y saber si había una identificación entre la marca y
ellos.
Mente estratégica dirigida al mercado
Debido a que era la primera vez que se implementaba un proyecto de esta naturaleza era
necesario que el área de marketing creara un plan de comunicación para comunicar los
resultados obtenidos a la dirección general que fueron presentados al terminar cada fase del
plan del proyecto. El plan de comunicación sugerido fue:
39
- El responsable de comunicar avances y realizar presentaciones ejecutivas fue el Project
Manager de la consultoría y el Project manager de la compañía telefónica
- Se comunicaron los avances requeridos por los stakeholders
- La información comunicada sería detallada en la documentación proporcionada y vía
resumen ejecutivo en las presentaciones de power point
- Cada semana se envíaba un resumen informativo de avances, cambios y problemas
resueltos en temas como solicitud de datos
- Los cambios al proyecto se realizaron previo acuerdo con el líder de proyecto de la
compañía telefónica
Se involucró de manera permanente al líder de proyecto y stakeholders de la compañía con el
objetivo de realizar un cambio de paradigma que era que el área de marketing pasara de
solamente desarrollar campañas masivas a realizar análisis predictivo para desarrollar
campañas dirigidas.
Basado en el resultado de análisis predictivo, se determinó diseñar para las mujeres entre 18 y
33 años un producto nuevo y que sería promocionado vía llamada telefónica a ellas con el fin
de evitar la cancelación y así retenerlas al hacer dicha promoción que consistiría en dar más
minutos de llamadas locales dentro de su plan y minimizar o eliminar las llamadas de larga
distancia internacionales.
En lo que se refiere al proyecto se pudo responder la pregunta ¿qué clientes eran propensos a
cancelar el servicio de telefonía celular? Y así también desarrollar un plan de retención para
evitar la disminución de las ventas de la compañía.
Administración estratégica del marketing
Se desarrolló un plan con el objetivo de que el análisis predictivo formara parte del área de
marketing para dar continuidad a futuros análisis de datos que fue el siguiente:
- Puesta en marcha de la campaña de retención a partir del mes posterior al análisis
predictivo
40
- Las áreas de servicio al cliente y marketing se comprometieron a realizar las tareas
correspondientes para llevar a cabo la campaña de retención en tiempo y forma
establecidos previamente
La compañía telefónica se ha encontrado como líder en el sector de telecomunicaciones ya que
ha tenido gran participación dentro del mercado por lo que el propósito del proyecto fue tener
una ventaja competitiva al combinar el análisis predictivo con la experiencia de marketing.
Esto permitió identificar los factores de la cancelación dentro de la mezcla producto-
consumidor y desarrollar una estrategia de diversificación de productos para evitar la
cancelación del servicio así como profundizar en la satisfacción del cliente para la mejora
continua de calidad.
La administración estratégica del marketing permitió a dicha área adquirir mayor presencia en
la toma de decisiones de negocio dentro de la compañía a participar directamente en el
incremento de las ventas vía el análisis de clientes.
Desarrollo de estrategias competitivas
Debido a que la industria de telefonía celular se ha vuelto muy competitiva en los últimos años
y que el costo de adquirir nuevos clientes se ha incrementado, es necesario desarrollar
estrategias de marketing que permitan retener a los clientes existentes, retener a un cliente
resulta aproximadamente diez veces más barato que conseguir a uno nuevo (Domínguez,
Muñoz, 2010). El valor de retener a los clientes existentes no solo se limita a la industria de la
telefonía celular, aplica a cualquier industria o sector que contenga una base de datos de
clientes. Retener a los clientes es trabajo del área de marketing con el objetivo de recuperar el
costo de adquisición, que en los últimos años, ha resurgido ya no solo en el diseño de
campañas masivas de publicidad, sino también con la aplicación de nuevas tecnologías para el
análisis de cada cliente.
Como parte del proyecto, se dieron las directrices para desarrollar un proceso de
administración de marketing que consistía en tres pasos:
1. Planear un programa de marketing: Basada en los resultados del análisis predictivo
41
2. Implementación del programa: El área de marketing de la telefónica se encargaría de
organizar al equipo y dirigir la ejecución de estrategias y sus respectivas campañas
3. Evaluación mediante las métricas sugeridas en el capítulo II con el objetivo de conocer
cómo se encontraba la cancelación del servicio anterior al proyecto, durante el
proyecto y posterior al mismo y así establecer una métrica comparativa para
determinar la tasa de deserción y satisfacción de los clientes
Los pasos anteriores se enfocaron para aplicarse dentro de una ventana estratégica de
ejecución y así llevar la aplicación del proyecto a un largo plazo. La planeación estratégica
del marketing debía estar alineada a la misión principal de la compañía telefónica que era
mantener el nivel de ingresos por el uso del servicio y que constaría de cinco puntos que a
continuación se describen:
1. Análisis de la situación
2. El objetivo del área de marketing
3. Determinar el posicionamiento y la ventaja diferencial
Se detectó que la estrategia de la compañía solamente se encontraba dirigida a la penetración
del mercado sin tomar en cuenta que el número de contrataciones de líneas celulares era
directamente proporcional a la cancelación de otras líneas, principalmente en el tema de pre
pago por lo que se propuso diseñar una estrategia de producto – cliente como se mencionó
anteriormente basado en los resultados del proyecto analítico.
Conclusión
El presente trabajo mostró cómo el marketing estratégico y la minería de datos generan valor
en las empresas para conocer más a fondo a sus clientes de manera que puedan tener una
ventaja competitiva sobre sus rivales de negocio. En el proyecto implementado se comentó
sobre el abandono de clientes dentro una compañía de telefonía celular donde la minería de
datos permitió identificar a las personas que tienden a cancelar el servicio El resultado
permitió desarrollar una estrategia para una campaña de marketing de retención de clientes.
42
Terminado el proyecto, la compañía de telefonía se encargaría de implementar la estrategia y
monitorearla en base a lo recomendado por la consultora.
La especialidad en Marketing Estratégico en los Negocios ha aportado conocimiento para el
área de trabajo que actualmente se desempeña como Consultor SPSS ya que ha permitido
aplicar conceptos de negocio y el desarrollo de estrategias de marketing, su planeación,
implementación y control, basadas en los resultados del análisis predictivo con minería de
datos. Se considera muy importante la vinculación entre las técnicas analíticas y la estrategia
del marketing ya que permite visualizar de mejor manera la implementación y desarrollo de
objetivos de la empresa así como la manera de alcanzarlos para obtener los resultados
esperados en el área de marketing con respecto al análisis de clientes para tener una ventaja
competitiva dentro de su nicho de mercado.
La aportación que deja la Especialidad en Marketing Estratégico en los Negocios al sector
laboral donde me desarrollo como consultor y la empresa es la adquisición de nuevo
conocimiento que servirá como base para la asesoría de negocios al aplicar la minería de
datos. Conocer cómo se debe diseñar una estrategia, un cuadro de mando, formular las
preguntas adecuadas, las estadísticas a desarrollar, cómo gestionar la marca tanto de la
consultora como de los clientes, cómo llevar los resultados de marketing a las ventas, el
análisis del comportamiento de los clientes en su conducta de compra; todo lo anterior con el
objetivo de mejorar en la implementación de proyectos de minería de datos.
Los conceptos vistos en la especialidad han enriquecido mi conocimiento dentro del área de
marketing y que veo que puedo aplicar no solo en esa área, sino en otras áreas de negocio pus
mi objetivo es el diseño de estrategias de marketing para alcanzar una ventaja competitiva
basada en la aplicación de la minería de datos. Basado en mi experiencia, es importante crear
el vínculo entre el análisis predictivo y la terminología de marketing estratégico donde ambos
pueden ser aplicados en diversas industrias como seguros, banca, retail, telecomunicaciones y
manufactura sin importar su tamaño; lo verdaderamente importante es crear dicho vínculo y
conjugarlo para obtener una ventaja competitiva de la empresa en su sector.
43
El análisis de las bases de datos ha ayudado al área de marketing a entender mejor el
comportamiento del mercado para comprender de manera más específica las necesidades de
sus clientes para llegar al marketing one to one o personalizado a tener a cada individuo como
mercado meta.
Referencias
- Alex Berson, Stephen Smith, Kurt Thearling. (2000). Building Data Mining
Applications for CRM. McGrawHill.
- Magdalena Ferrán Aranaz. (2001). SPSS para Windows. Análisis Estadístico.
McGrawHill.
- Michael E. Porter. (2015). Ventaja Competitiva. Editorial Patria.
- Alejandro Domínguez Doncel, Gemma Muñoz Vera. (2010). Métricas del Marketing.
Alfaomega
- José Hernández Orallo, Ma. José Ramírez Quintana, César Ferri Ramírez. (2005).
Introducción a la Minería de Datos. Pearson Prentice Hall
- Thomas H. Davenport, Jeanne G. Harris. (2010). Analytics at Work. Harvard Business
Press.
- Foster Provost, Tom Fawcett. (2013). Data Science for Business. O´Reilly
- Taro Yamane. (1979). Estadística. Harla
- Maurice Eyssautier de la Mora. (2000). Elementos Básicos de Mercadotecnia. Trillas
- Pete Chapman, Julian Clinton, Randy Kerber, Thomas Kabhaza, Thomas Reirnartz,
Colin Shearer, Rudiger Wirth. (1999,2000). CRISP-DM 1.0. SPSS Inc.
- Manuel Madrid-Aris. (sin fecha) Terminología de Telecomunicaciones. Public Utility
Research Center, ICMAS LTD.