Customer churn prediction by using support vector machine

Abstract

La predicción de la fuga de clientes es importante debido a la intensa competencia de marketing. Con el propósito de retener clientes, las empresas aplican modelos de predicción de abandono para determinar el abandono de clientes analizando su comportamiento y tratando de poner esfuerzo y dinero en retenerlos. En esta tesis, desarrollamos y probamos un modelo para estimar la propensión de un cliente a abandonar la empresa en un futuro próximo. Este estudio aplica máquinas de vectores de soporte (SVM), una técnica de aprendizaje automático utilizada en la clasificación binaria. Se comparó SVM con diferentes kernel: lineal, función de base radial (RBF) y polinomial. El experimento se llevó a cabo en Python con la herramienta de aprendizaje automático, junto con una base de datos real de Kaggle. Posteriormente, el rendimiento predictivo de los tres núcleos muestra que SVM con kernel polinomial y RBF tiene la mejor tasa de precisión y proporciona una medida eficaz para la predicción de fuga de clientes del banco. Los resultados se mostraron en diferentes medidas de evaluación.