Tras el entrenamiento, implementación y despliegue del modelo en un entorno de streaming, se logró procesar y predecir el comportamiento de 3.374 clientes. Como resultado, se añadieron dos columnas al dataset original:
predicted_churn: indica si el cliente continuará en la compañía o si, por el contrario, abandonará el servicio.
probability_yes: refleja la probabilidad estimada de que el cliente incurra en churn.
Estas variables son fundamentales para identificar clientes con mayor riesgo y priorizar acciones preventivas. A partir del output final, se realizará un análisis detallado que permitirá definir estrategias enfocadas en retención y fidelización.
CustomerID
Datos demográficos y servicios
Churn real: Valor verdadero (para validación)
Predicted_churn: Predicción del modelo (Yes/No)
Probability_yes: Probabilidad de abandono (0-1)
Score > 0.7 → Alto riesgo: requiere intervención inmediata (p. ej., ofertas personalizadas, contacto proactivo).
Score entre 0.5 y 0.7 → Riesgo moderado: monitoreo y acciones preventivas.
Score < 0.5 → Bajo riesgo: campañas generales de fidelización.
En otras palabras, la columna probability_yes se convierte en una herramienta estratégica para asignar prioridades y optimizar recursos, enfocando esfuerzos en los clientes con mayor probabilidad de churn.
A continuación se presenta una muestra del archivo final generado por el modelo de regresión logística, donde se evidencian las columnas añadidas durante el proceso de predicción
Si desea descargar el archivo final, dirijase a este link: Final_Output.csv
A continuación, se presentan los gráficos generados a partir del archivo final de predicciones, acompañados de su interpretación. Cada visualización aporta información clave sobre el desempeño del modelo y el comportamiento de los clientes, permitiendo identificar patrones y áreas críticas para la toma de decisiones estratégicas.
El gráfico muestra la tasa de churn segmentada por tipo de contrato. Se observa que los clientes con contratos mensuales (Month-to-month) presentan una tasa de abandono superior al 40%, mientras que aquellos con contratos de un año reducen significativamente el riesgo (alrededor del 10%). Finalmente, los contratos de dos años presentan una tasa mínima, cercana al 2%.
Incentivar contratos de mayor duración mediante descuentos, beneficios adicionales o programas de fidelización.
Campañas específicas para clientes con contrato mensual, ofreciendo upgrades o paquetes personalizados que aumenten el costo de cambio.
Monitoreo proactivo en clientes con contrato mensual y alta probabilidad de churn (según el modelo), priorizando intervenciones antes de la fecha de renovación.
El gráfico evidencia la tasa de churn segmentada por tipo de servicio de internet contratado. Los clientes con fibra óptica presentan la mayor tasa de abandono, superior al 40%, mientras que los usuarios con DSL muestran un churn moderado (alrededor del 18%). Por otro lado, los clientes que no cuentan con servicio de internet exhiben la menor tasa de abandono, cercana al 6%.
Programas de retención específicos para clientes de fibra óptica, ofreciendo beneficios exclusivos, soporte prioritario y descuentos en renovaciones.
Monitoreo proactivo de calidad del servicio, especialmente en zonas con alta competencia.
Campañas de valor agregado para clientes DSL, incentivando migración a fibra con condiciones atractivas, reduciendo el riesgo de pérdida hacia competidores.
El gráfico muestra la tasa de churn segmentada por método de pago. Los clientes que utilizan Electronic Check presentan la mayor tasa de abandono, superior al 45%, mientras que los métodos automáticos como Bank Transfer y Credit Card reducen significativamente el riesgo (alrededor del 18% y 14%, respectivamente). El pago mediante Mailed Check se ubica en un nivel intermedio, cercano al 20%.
Fomentar métodos de pago automáticos (tarjeta de crédito o transferencia bancaria) mediante incentivos como descuentos o beneficios exclusivos.
Campañas específicas para clientes con Electronic Check, ofreciendo migración a métodos automáticos con ventajas claras (p. ej., evitar cargos por retraso, facilidad de gestión).
Monitoreo proactivo en clientes con métodos manuales, priorizando intervenciones antes de la fecha de pago para reducir el riesgo de churn.
El gráfico muestra la tasa de churn segmentada por la presencia o ausencia de servicio telefónico. Los clientes que sí cuentan con servicio telefónico presentan una tasa de abandono cercana al 26%, mientras que aquellos que no tienen servicio telefónico muestran un churn ligeramente menor, alrededor del 24%. La diferencia entre ambos grupos es mínima, lo que indica que la disponibilidad del servicio telefónico no es un factor determinante en la decisión de abandono.
Revisar la propuesta de valor del servicio telefónico, integrándolo como parte de paquetes atractivos (p. ej., combos con internet y TV) en lugar de ofrecerlo de forma aislada.
Enfocar esfuerzos de retención en variables más críticas, como la estabilidad del servicio de internet, métodos de pago y duración del contrato.
Optimizar costos asociados al servicio telefónico, dado que su impacto en la retención es limitado, priorizando inversiones en servicios con mayor influencia en la satisfacción del cliente.
El gráfico muestra la tasa de churn segmentada por intervalos de antigüedad (tenure) en meses. Se observa una clara relación inversa entre la duración del cliente y la probabilidad de abandono:
0–6 meses: la tasa de churn supera el 50%, lo que indica un alto riesgo en clientes recién adquiridos.
6–12 meses: disminuye a aproximadamente 35%, aunque sigue siendo significativa.
12–24 meses: baja a cerca del 30%.
24–48 meses: se reduce a 20%.
48–72 meses: alrededor del 10%.
Más de 72 meses: prácticamente nula, lo que refleja alta fidelización en clientes de largo plazo.
Diseñar programas de onboarding efectivos para los primeros 6 meses, asegurando una experiencia positiva desde el inicio.
Ofrecer incentivos de permanencia (descuentos, beneficios exclusivos) al cumplir hitos como 6 o 12 meses.
Monitoreo intensivo en clientes nuevos, priorizando intervenciones proactivas ante señales de insatisfacción.
Fortalecer la relación con clientes de largo plazo mediante programas VIP o recompensas, consolidando su lealtad.
El gráfico muestra la tasa de churn segmentada por intervalos de cargos mensuales. Se observa una tendencia clara:
Clientes con cargos bajos ($18–38) presentan la menor tasa de abandono, alrededor del 10%.
A medida que el cargo mensual aumenta, el churn también se incrementa, alcanzando valores superiores al 35% en el rango de $78–98.
En el intervalo $98–118, la tasa se mantiene elevada (aprox. 32%), lo que indica que los clientes con tarifas más altas son más propensos a abandonar.
Ofrecer descuentos o paquetes personalizados para clientes en rangos de alto riesgo ($78–118), especialmente en momentos críticos como renovación o facturación.
Monitoreo proactivo en clientes con cargos altos y alta probabilidad de churn, priorizando intervenciones antes de la fecha de pago.
Diseñar estrategias de upselling progresivo para clientes de rangos bajos, evitando saltos bruscos en precio que puedan generar insatisfacción.