Ciencia de datos y ML · Banca
Retention Copilot
Ordenar a los clientes por probabilidad de abandono ignora cuánto valor podría preservar una llamada, y un umbral fijo de 0,5 no responde a cambios en el costo o la eficacia de la campaña. La pregunta es a qué clientes contactar para maximizar el beneficio esperado de una campaña de retención.
Evaluación del modelo y simulación de la campaña
- clientes analizados
- 10.000
- ROC-AUC (conjunto de prueba)
- 0,855
- Average Precision (conjunto de prueba)
- 0,698
- menos contactos que contactar a todos
- 31,5%
- más de beneficio incremental simulado que contactar a todos
- US$6.405
Los resultados financieros son simulaciones bajo supuestos explícitos (US$15 por contacto, 30% de éxito de retención). No son ingresos observados de un banco ni efectos causales, y el valor anual del cliente no es un CLV completo.
