Análisis de la eficacia de los modelos de árboles de decisión para la gestión de políticas promocionales centradas en la segmentación de clientes

Abstract

La segmentación de clientes resulta necesaria para la adecuada gestión de las políticas promocionales que, como el mailing, tienen como objetivo la captación de clientes ante el lanzamiento de un nuevo producto o servicio. Ahora bien, en el entorno competitivo actual, las cambiantes características sociodemográficas de los consumidores y la especialización de la oferta y demanda, obligan a la dirección de la empresa a gestionar de forma dinámica a sus clientes, al objeto de mejorar su cifra de resultados y conseguir una cuota de mercado superior a la competencia. En este sentido, el análisis de bases de datos sobre la eficacia de mailings pasados suele proporcionar una información estratégica para el diseño de futuras políticas, siendo habitual el empleo de técnicas predictivas a posteriori basadas en modelos estadísticos. No obstante, la creciente acumulación de información y la presencia de múltiples variables caracterizadoras de cada individuo, disminuye la eficacia real de estos modelos, que suelen ser incapaces de explicar de forma razonable los factores determinantes de las decisiones que proponen. Ante esta situación, el empleo de la técnica de Aprendizaje-Máquina conocida como “árboles de decisión”, permite conseguir un óptimo desempeño junto con una elevada interpretabilidad del sistema, facilitando la toma de decisiones de la gestión, tal como se contrasta en el presente trabajo respecto a una base de datos de clientes de una entidad aseguradora.

Clustering clients is necessary for the appropriate management of promotional decisions in the firm, such as mailing, which objective is the reception of clients facing the launching of a new product or service. In this moment, the current competitive environment, the socio-demographic characteristics of consumers, together to the specialization of sellers and consumers, force the company to get a dynamic management of clients, in order to improve its profit and to get a higher market share than competitors. This way, the analysis of databases related to the effectiveness of last mailings, uses to provide strategic information for designing future politics, through the development of predictive “a posteriori” techniques based on statistical models. Nevertheless, the each time higher accumulation of information, together to the existence of multiple attributes for each individual, reduce the real effectiveness of these models, which are usually unable to explain reasonably the decisive factors of the proposed decisions. Facing that, the employment of the technique of Machine-Learning called "decision trees", allows to get a good performance together to a high interpretability of the system, making easier the decisions of managers, just as we analyse in this paper, regarding a database of clients from an insurance company.