Modelo predictivo para clasificación de clientes en la adquisición de productos financieros bancarios
Tomando como base que las campañas de marketing directo actuales que realizan las entidades financieras del sector bancario para la captación de futuros clientes son una situación de orden no controlado que se presenta en la gran mayoría de las empresas y que conlleva una defectuosa gestión de los r...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión aceptada para publicación |
| Fecha de publicación: | 2022 |
| País: | Colombia |
| Institución: | Universidad de Bogotá Jorge Tadeo Lozano |
| Repositorio: | Expeditio: repositorio UTadeo |
| Idioma: | español |
| OAI Identifier: | oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/32222 |
| Acceso en línea: | http://hdl.handle.net/20.500.12010/32222 http://expeditio.utadeo.edu.co |
| Access Level: | acceso abierto |
| Palabra clave: | Clientes Machine learning Marketing Entidades financieras Atención al cliente Herramientas tecnológicas |
| Sumario: | Tomando como base que las campañas de marketing directo actuales que realizan las entidades financieras del sector bancario para la captación de futuros clientes son una situación de orden no controlado que se presenta en la gran mayoría de las empresas y que conlleva una defectuosa gestión de los recursos disponibles en el área (ya sea esfuerzo humano, llamadas telefónicas, tiempo, dinero, etc.), este proyecto propuso una solución desde el punto de vista tecnológico, de cómo podía una entidad financiera tener una mayor efectividad para futuras campañas de marketing directo. Con el estudio de este proyecto lo que se buscó, fue poder construir un modelo predictivo de aprendizaje supervisado que permitiera clasificar cuáles serían los posibles clientes que probablemente pudieran adquirir los productos financieros bancarios a largo plazo. Teniendo en cuenta que el objetivo del modelado era predecir los posibles clientes que deseaban adquirir el instrumento financiero ofrecido, se entrenaron algunos modelos supervisados referentes a la clasificación de negocio mediante técnicas de machine learning. El proyecto y los resultados mostrarán que la utilización de los modelos construidos para solucionar la ineficacia de las campañas tuvo gran valía. Estos modelos de machine learning fueron muy útiles como una herramienta para obtener ventajas competitivas mediante su implantación y uso, apoyando el máximo nivel de la organización. Esto a su vez supone tener una guía para direccionar las nuevas campañas mediante la implementación de marketing directo. |
|---|