Algoritmos de Machine Learning para la priorización de clientes en campañas comerciales en un call center de ventas, MF Asesoría y Consultoría 2024

Abstract

El trabajo de suficiencia profesional tuvo como propósito desarrollar e implementar un modelo de machine learning para la priorización de clientes en una campaña comercial de ventas telefónicas de productos financieros en la empresa MF Asesoría y Consultoría S.A.C., especializada en la gestión de fuerzas de venta para entidades del sector financiero. El problema identificado fue la asignación subóptima del esfuerzo comercial por el uso exclusivo del juicio experto. Para abordarlo se aplicó la metodología CRISP-DM, que incluyó exploración, limpieza y transformación de datos, así como la selección y evaluación de algoritmos de clasificación. Tras comparar más de diez modelos y ajustar hiperparámetros mediante RandomGridSearch, se seleccionó Linear Discriminant Analysis (LDA) por su rendimiento y capacidad de generar probabilidades. El modelo se integró en un pipeline y fue desplegado en producción, obteniendo mejoras en la productividad y efectividad comercial, con un AUC de 0.713 y un Gini de 0.426. Se concluye que el enfoque basado en datos permite una asignación más eficiente de recursos y puede ser replicado en otras campañas del sector financiero.