Segmentación de Mercados en Netlife mediante Análisis Predictivo: Enfoque Basado en Datos

Abstract

Este trabajo de postgrado presenta una propuesta integral para la implementación de análisis predictivo en Netlife, con el objetivo de optimizar sus estrategias de segmentación, captación y retención de clientes. La investigación parte de la oportunidad de utilizar los datos y las fuentes que actualmente dispone la compañía para mejorar su gestión actual y así mejorar la comprensión del comportamiento de sus segmentos de clientes, para tomar decisiones más eficientes y menos sesgadas. Se propone un modelo de segmentación basado en técnicas estadísticas y de aprendizaje automático, como regresión logística y clustering K-Means, que clasifica a los clientes en grupos específicos según sus características y comportamientos que permitan determinar con mayor exactitud una personalización de campañas y la oferta de servicios ajustados a las necesidades reales de cada segmento. También, se propone una estrategia de marketing digital orientada a perfiles de clientes segmentado por factores demográficos y de su experiencia con el servicio, en canales como WhatsApp y e-mail marketing, con el fin de reducir la tasa de abandono del 1.05% al 0.90% en seis meses y generar una captación de aproximadamente 2,000 nuevos clientes al mes. La integración de herramientas tecnológicas como Power BI, Google Ads y Meta, permite automatizar procesos, analizar datos en tiempo real y optimizar recursos en campañas digitales.La propuesta busca, en definitiva, transformar la gestión reactiva en una gestión proactiva del conocimiento del cliente y ajustable en tiempo real, generando valor tanto para la empresa como para sus usuarios. This graduate thesis presents a comprehensive proposal for the implementation of predictive analysis in Netlife, with the goal of optimizing its customer segmentation, acquisition, and retention strategies. The research is based on the opportunity to use the data and sources currently available to the company to improve its current management and thus improve the understanding of the behavior of its customer segments, to make more efficient and less biased decisions. A model of segmentation based on statistical and machine learning techniques, such as logistic regression and K-Means clustering, is proposed. This model classifies customers into specific groups according to their characteristics and behaviors, allowing for precise personalization of campaigns and the provision of services tailored to the real needs of the current market. A digital marketing strategy is also proposed, targeting customer profiles segmented by demographic factors and their experience with the service, on channels such as WhatsApp and e-mail marketing, with the aim of reducing the abandonment rate from 1.05% to 0.90% in six months and capturing approximately 2,000 new customers per month. The integrationof technological tools such as Power BI, Google Ads, and Meta allows for the automation of processes, real-time data analysis, and resource optimization in digital campaigns. The work also emphasizes the importance of strengthening data governance and promoting an organizational culture based on decisions grounded in real-time indicators, which will contribute to consolidating Netlife's competitive position in the telecommunications sector and ensure sustainable and differentiated growth. The proposal seeks, in short, to transform reactive management into proactive management of customer knowledge that can be adjusted in real time, generating value for both the company and its users.