Estrategia Predictiva para la Retención de Clientes - Telecom X

1. Introducción y Misión del Proyecto

La misión principal de este proyecto es desarrollar modelos de Aprendizaje Automático (Machine Learning) capaces de prever qué clientes tienen una mayor probabilidad de cancelar sus servicios en la empresa Telecom X. El objetivo es anticiparse al abandono mediante un pipeline robusto de modelado que permita a la empresa tomar acciones preventivas basadas en datos.

2. Objetivos del Desafío

• Implementar el Churn como métrica central: Definir si un cliente ha abandonado o no el programa de fidelidad.
• Preparación de Datos: Realizar el tratamiento, codificación (OneHotEncoding) y normalización de las variables.
• Análisis y Selección: Identificar correlaciones críticas entre las variables de servicio y la cancelación.
• Modelado y Evaluación: Entrenar modelos de clasificación y evaluar su desempeño mediante métricas de precisión, recall y exactitud.

3. Descripción de los Datos

El conjunto de datos original contiene información detallada sobre los servicios contratados, datos demográficos y facturación de 7,032 clientes.

Columnas Principales y Tipos de Datos:

• Variables Categóricas: Incluyen PhoneService, MultipleLines, InternetService, OnlineSecurity, Contract, PaymentMethod, entre otras.
• Variables Numéricas: tenure (antigüedad), Charges.Monthly (cargos mensuales), Charges.Total (cargos totales) y Months_Paid.
• Variable Objetivo: Churn (Binaria: Yes/No), que indica la fuga del cliente.

4. Análisis Exploratorio (EDA)

Durante la exploración, se identificó que el dataset presentaba un desbalanceo inicial: un 73.4% de clientes activos frente a un 26.6% que cancelaron. Para corregir esto y mejorar el entrenamiento, se aplicó la técnica SMOTE, logrando una distribución equilibrada del 50/50.

Visualización de las variables con mayor impacto positivo y negativo en la cancelación.

Hallazgos Clave:

• Contratos Mensuales: Los clientes con contrato "Month-to-month" tienen una tendencia significativamente mayor al abandono.
• Cargos Totales: Existe una relación clara entre el tiempo de permanencia y el gasto total acumulado como factor de retención.

Análisis de cargos totales segmentados por tipo de contrato.

Dispersión de pagos a lo largo del tiempo según el estado de Churn.

5. Creación y Evaluación de Modelos

Se implementaron dos algoritmos con enfoques distintos: 1. Árbol de Decisión: Valorado por su alta explicabilidad y rapidez, operando mediante reglas lógicas de decisión. 2. KNN (K-Nearest Neighbors): Basado en la distancia y similitud entre registros, requiriendo normalización previa de los datos.

Estructura lógica de las decisiones tomadas por el algoritmo del árbol.

Comparativa de Métricas:

Métrica	Árbol de Decisión	Modelo KNN
Exactitud (Accuracy)	0.8096	0.7760
Precisión	0.8131	0.7184
Recall (Sensibilidad)	0.7894	0.8864

Matrices de Confusión:

Estas matrices permiten visualizar los aciertos y errores (falsos positivos/negativos) de cada modelo:

6. Conclusión: ¿Qué modelo ganó?

Aunque el Árbol de Decisión presenta una mayor Exactitud (80.96%) y Precisión (81.31%), el modelo ganador para los objetivos de Telecom X es el KNN.

¿Por qué KNN?

• Mayor Recall (88.64%): En un problema de fuga de clientes, el costo de "perder" a un cliente que realmente se iba a ir (Falso Negativo) es mucho más alto que el de contactar a un cliente que quizás no se iba.
• Capacidad de Detección: El modelo KNN demostró una capacidad superior para identificar correctamente a los clientes en riesgo de cancelación, cumpliendo con la misión de anticiparse al problema de manera más efectiva.
• Variables Críticas: El análisis de vecinos cercanos confirmó que factores como Dependents, PaperlessBilling y Contract son altamente discriminativos para determinar la similitud entre clientes que abandonan.