Introducción
La cartera de clientes es el activo más importante para una institución financiera, los clientes son utilidades de negocio. El objetivo de las actividades comerciales es mantener y mejorar dicha cartera, mediante la captación de clientes nuevos y la retención de los existentes.
Captación y Retención de Clientes
La captación de clientes: apunta a aumentar el número de clientes de la cartera a través de estrategias de publicidad, altas inversiones en venta y generación de ventas focalizadas.
La retención de clientes: se enfoca en identificar a los clientes con mayor tendencia a la fuga y en la elaboración de estrategias o procedimientos que disminuyan los índices de fuga.
Tipos de Fuga
- Fugas voluntarias: Desafiliación del cliente por iniciativa propia.
- Fugas no voluntarias: Desafiliación por parte del banco hacia los clientes, generalmente debido a acciones delictuales o mala utilización de los productos.
Importancia de la Retención de Clientes
Una gran cartera, con un mayor número de transacciones, aumenta las utilidades de la institución. La permanencia de un cliente genera beneficios asociados, como la disminución de costos operacionales, las referencias y el incremento de transacciones.
Predicción de Fuga
La predicción de fuga es un elemento importante para la retención de clientes. Permite identificar a los clientes con tendencia a la fuga, determinar su rentabilidad futura y focalizar los esfuerzos de retención en los clientes más apropiados.
Ciclo de Retención de Clientes
Datos de clientes, modelo de fuga, rentabilidad de los clientes (lifetime value), medidas de retención, reacción de los clientes.
No es viable remediar la fuga de clientes con una mayor captación de clientes nuevos, ya que los clientes nuevos son más riesgosos para la empresa. Captar a un cliente nuevo es entre 5 a 6 veces más costoso que retener a uno antiguo. La retención de clientes genera beneficios para la institución financiera, justificando el desarrollo de modelos sofisticados para la predicción de fuga.
Variables Utilizadas en la Predicción de Fuga
En varios estudios para instituciones financieras se han identificado variables relevantes para la predicción de fuga de clientes, basadas en estadísticas y la experiencia de los expertos.
Variables de Comportamiento Bancario
Saldos mensuales promedio en cuenta corriente, número de transacciones mensuales por los distintos canales de comunicación, la tenencia de productos y servicios y las variaciones en su utilización. El objetivo principal es identificar cambios en los patrones de comportamiento transaccional de los clientes.
Mientras más transacciones realice un cliente, menor es su probabilidad de fuga.
Variables Sociodemográficas
Variables relacionadas con aspectos personales de los clientes: edad, renta, estado civil y nivel educacional.
Edad como Variable Discriminatoria
- Mayores de edad: Son más estables en sus preferencias y tienen menor tendencia a cambiarse de institución financiera.
- Jóvenes: Son más inestables en sus preferencias, aumentando su tendencia a cambiar.
El 60% de la cartera tiene entre 25 y 35 años, lo que indica un gran segmento de gente joven.
Variables de Percepción de Calidad de Servicio
La calidad del servicio influye en los patrones de fuga. Una mala percepción del servicio aumenta la tendencia a fugarse. El número de reclamos realizados por mes es una variable relevante. La relación entre el número de reclamos y el cierre de la cuenta corriente motiva la inclusión de esta variable para identificar patrones de fuga.
Variables de Entorno
Variables ocasionadas por alguna perturbación dentro del mercado financiero, capturando si el cliente sufrió un hito o acontecimiento especial durante su ciclo de vida dentro de la institución. La antigüedad del cliente, medida en meses, es una variable importante. Clientes con mayor antigüedad tienen menor tendencia a cambiarse.
Preprocesamiento y Transformación de las Variables
Los datos originales en una base de datos a menudo no representan la información de la mejor manera. Es necesario preprocesar los datos para corregir posibles errores e inconsistencias. Transformaciones posteriores pueden enriquecer aún más la información.
Etapa de Preprocesamiento
El objetivo es resolver problemas con valores faltantes y fuera de rango dentro de la base de datos.
Problemas Comunes
- Valores faltantes: Ausencia de valor de cierta variable que describe al cliente.
- Valores fuera de rango: Valores que escapan de los rangos permitidos para una variable.
Soluciones
- Eliminación de registros.
- Llenado con promedios y modas.
- Utilización de modelos predictivos.
El resultado de esta etapa es una base de datos limpia y sin inconsistencias.
Etapa de Transformación
La base de datos no fue creada inicialmente con la visión de construir modelos matemáticos de predicción. No todas las variables seleccionadas estaban en condiciones de ser utilizadas en su estado original. Fue necesario transformarlas para enriquecer la información y hacerlas compatibles con las técnicas de modelamiento.
Principales Transformaciones
- Transformación de las variables de texto (categorías a números).
- Transformación de la variable fecha de nacimiento a edad (años).
- Escalamiento y estandarización de las variables numéricas dentro de un rango específico.
- Generación de nuevas variables a partir del conjunto de variables iniciales, por ejemplo, variaciones porcentuales entre los saldos de meses consecutivos.
El resultado de esta etapa es una base de datos transformada a valores numéricos, lista para los análisis estadísticos y para la construcción de los modelos matemáticos de minería de datos.