Modelo de próxima oferta para clientes de una entidad de crédito utilizando técnicas de aprendizaje automático

RESUMEN : En este proyecto, se aborda el desafío de aumentar la tasa de clientes impactados por ofertas comerciales en una entidad financiera de un 4% a un 25%. Mediante la aplicación de análisis de datos avanzado y modelado predictivo, se construye un modelo analítico para personalizar las ofertas de productos financieros según las necesidades y preferencias de cada cliente. Se utiliza modelos de aprendizaje automático, específicamente Gradient Boosting, Random Forest y One vs Rest Classifier, para analizar patrones de comportamiento del cliente y predecir su respuesta a diferentes ofertas de productos. Para asegurar la calidad y representatividad de los datos de entrenamiento, se aplican varias técnicas de preprocesamiento de datos y balanceo de clases. Para evaluar la efectividad del modelo, se usan varias métricas de desempeño, incluyendo precisión, recall, F1_score y AUC. A través de esta investigación, se busca como demostrar como un enfoque de análisis de datos centrado en el cliente puede contribuir a mejorar la satisfacción del cliente, optimizar la eficacia de las campañas de marketing y, en última instancia, mejorar los resultados comerciales de la entidad financiera.

• Autores: Henao Quintero, Sergio Andres
• Tipo de recurso: Tesis
• Fecha de publicación: 2023
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/35695
• Acceso en línea: https://hdl.handle.net/10495/35695
• Palabra clave: Aprendizaje automático (inteligencia artificial); Machine learning; Aprendizaje supervisado (inteligencia automático); Supervised learning (Machine learning); Crédito; Perfilación del consumidor
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/