Modelos de Aprendizaje Automático Basados en datos geoespaciales para la predicción de deserción de clientes en ISP
El objetivo del presente trabajo fue desarrollar un modelo predictivo basado en técnicas de aprendizaje automático y análisis geoespacial para la predicción de la deserción de clientes en un Proveedor de Servicios de Internet (ISP). La investigación adoptó una metodología fundamentada en los princip...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Médium: | masterThesis |
| Vydáno: |
2025
|
| Témata: | |
| On-line přístup: | https://dspace.espoch.edu.ec/handle/123456789/25495 |
| Tagy: |
Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
|
Přidat tag | Shrnutí: | El objetivo del presente trabajo fue desarrollar un modelo predictivo basado en técnicas de aprendizaje automático y análisis geoespacial para la predicción de la deserción de clientes en un Proveedor de Servicios de Internet (ISP). La investigación adoptó una metodología fundamentada en los principios de la Ciencia del Diseño articulada en tres ciclos: en el ciclo de relevancia se caracterizó el problema y se condujo una revisión bibliográfica sistemática para delimitar el estado del arte, así como los requisitos de la solución; en el ciclo de diseño se empleó la metodología Cross Industry Standard Process for Data Mining (CRISP-DM), abarcando la comprensión del negocio y de los datos, tratamiento del desbalance clases mediante sobremuestreo y submuestreo, además de la evaluación de cuatro algoritmos (Árboles de Decisión, Random Forest, Gradient Boosted Trees y XGBoost) bajo validación cruzada estratificada, complementados con K-Means para segmentación de clientes y visualización geoespacial; en el ciclo de rigor se aseguró la solidez científica mediante una revisión sistemática que consolidó el marco teórico, junto con métodos de validación y reproducibilidad. Como resultados, Random Forest con submuestreo aleatorio mostró la mejor capacidad para distinguir entre clientes desertores y no desertores; la segmentación identificó cuatro perfiles de clientes útiles para diseñar acciones específicas de fidelización, y la visualización geoespacial permitió localizar zonas con alta probabilidad de deserción. Se concluyó que la integración de aprendizaje automático, segmentación y análisis geoespacial permite anticipar la deserción en un ISP. Se recomendó integrar el modelo al negocio, automatizar su actualización y reentrenamiento con datos recientes, ejecutar campañas de retención diferenciadas, y enriquecer el conjunto de datos con nuevas variables. |
|---|