Deserción de clientes en el sector asegurador. Evidencia mediante el análisis de modelos de Machine Learning

Abstract

La retención de clientes es parte clave del manejo de la relación con los consumidores. Actualmente y debido a los efectos negativos de la COVID-19 en la economía ecuatoriana y la alta competencia en el sector asegurador, la tarea de estudiar y predecir el comportamiento de deserción de clientes ayuda a las empresas a asegurar renovaciones y mantener niveles de liquidez y solvencia óptimos . En este estudio se utilizó machine learning en cuatro modelos distintos como metodología para predecir la probabilidad de deserción en clientes de una aseguradora ecuatoriana en el ramo vehículos. Los modelos usados fueron árboles de decisión, GLM binomial, random forest y xtreme gradient boosting. Como resultados se obtuvo que el modelo xtreme gradient boosting fue el que mejor rendimiento presentó en las métricas usadas para comparar los modelos que fueron precisión y área bajo la curva, con una precisión del 70,77% y además a través del GLM binomial se descubrieron las variables más influyentes en la renovación de los clientes