Implementación de un modelo de clasificación multiclase para estimar la propensión de respuesta de llamadas en Novaempresarios

En este informe se presentan los resultados de las practicas académicas realizadas para Novaventa, empresa comercializadora de alimentos, vestuario y productos para el hogar, cuya actividad principal es la venta directa (venta por catálogo). El objetivo de este trabajo fue diseñar e implementar un modelo de aprendizaje automático para optimizar el uso del call center asociado de Novaventa, encargado de gestionar las llamadas. En particular, el modelo busca predecir la propensión de que los Novaempresarios (personas que comercializan los productos de Novaventa a través de catálogos) respondan las llamadas telefónicas realizadas por la empresa. Para ello, se emplearon datos históricos con el fin de predecir la respuesta a las llamadas, clasificándolas en tres niveles de propensión: baja, media y alta. Esto permite gestionar de manera mas eficiente a quien contactar, optimizando los recursos y mejorando la operatividad de la empresa. El modelo desarrollado se implemento utilizando el algoritmo de clasificación XGBoost, y su desempeño no fue evaluado mediante métricas como precisión, AUC, Recall, F1-Score y matriz de confusión. Para abordar el problema del desbalanceo de clases en los datos, se aplicaron técnicas de sobremuestreo y submuestreo, logrando una distribución equilibrada. Además, se implementaron estrategias de optimización de hiperparámetros para mejorar la precisión del modelo. Los resultados mostraron un nivel de exactitud del 77 % en la fase de validación y del 75 % en la fase de prueba. Este modelo tiene el potencial de ser aplicado en otros procesos operativos dentro de la empresa, aportando valor y fortaleciendo la toma de decisiones basada en datos.

• Autores: Jaramillo Delgado, Carlos Andrés
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/46053
• Acceso en línea: https://hdl.handle.net/10495/46053
• Palabra clave: Centros de atención telefónica; Call centers; Toma de decisiones - Procesamiento de datos; Decision making - Data processing; Análisis predictivo; Predictive analytics; Aprendizaje automático; Machine learning; Análisis de datos; Data analysis; Venta directa; Direct marketing; XGBoost; http://aims.fao.org/aos/agrovoc/c_49834; http://aims.fao.org/aos/agrovoc/c_15962; http://aims.fao.org/aos/agrovoc/c_2323; http://id.loc.gov/authorities/subjects/sh96005575; http://id.loc.gov/authorities/subjects/sh2008102118; http://id.loc.gov/authorities/subjects/sh2020007371
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/