Modelo de clasificación predictiva de renovación: Caso de estudio en una empresa funeraria

En el presente trabajo se implementan metodologías de clasificación supervisada para predecir si un cliente renueva o no su cobertura al servicio de asistencias de la línea de negocio de Previsión en la Previsora Social Cooperativa Vivir, ya que impacta directamente en la sostenibilidad del negocio a largo plazo. De ahí que, el objetivo de este trabajo es implementar métodos de machine learning para identificar patrones y características relevantes de los clientes, tal que se pueda segmentar y priorizar los esfuerzos de retención de manera más eficiente. De esta forma, se optimizarán los recursos en las campañas de fidelización y se maximizará el impacto de las acciones comerciales. El modelo también brindará insights valiosos sobre los factores que influyen en la renovación de contratos, facilitando decisiones más informadas y estrategias más efectivas para mejorar la tasa de renovación y garantizar la sostenibilidad del negocio a largo plazo. Se utilizan metodologías cómo árboles de decisión, Ramdom Forest y Redes Neuronales con la optimización de hiperparámetros. Se obtuvieron resultados que permiten realizar la correspondiente clasificación con un alto índice precisión.

• Autores: Cadavid Zuluaga, Gloria Patricia; Hernandez Rebolledo, Laura
• Tipo de recurso: Tesis
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/46716
• Acceso en línea: https://hdl.handle.net/10495/46716
• Palabra clave: Aprendizaje automático (inteligencia artificial); Machine learning; Redes neurales (computadores); Neural networks (Computer science); Segmentación del mercado; Market segmentation
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/