Segmentación y perfil de fraude en clientes retirados de una empresa de telecomunicaciones de Perú en el año 2022 - 2023

• Autor: Palacios Valdiviezo, Edgardo Dante
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/22253
• Enlace del recurso: https://hdl.handle.net/20.500.12672/22253
• Nivel de acceso: acceso abierto
• Materia: Segmentación del mercado; Análisis cluster; Riesgo (Economía); https://purl.org/pe-repo/ocde/ford#1.01.03

Establece una segmentación en clientes de baja de una empresa de telecomunicaciones en el periodo 2022 al 2023. Actualmente la empresa presenta alrededor de 300 mil clientes activos aproximadamente (el ente regulador de telecomunicaciones OSIPTEL considera a clientes activos aquellos que se encuentran vigente y con el servicio suspendido en la compañía) pero a su vez presenta un aproximado de 110 mil clientes dados de baja en su histórico, donde se considera cliente de baja a aquel que ha solicitado su retiro de la empresa ya sea por APC (a pedido de cliente), por deuda o por PF (posible fraude). Debido a ello la empresa no solo ve en necesidad seguir recibiendo altas (llámese alta a los clientes que pidieron el servicio y se les instalo el mismo) sino de controlar las bajas ya sea con mejores medidas comerciales de retención o de una posible detección de fraude antes que se den a la baja por deuda, este último mencionado es el tipo de baja más frecuente y presenta perdidas para la empresa por los artefactos que se usan para la mejor navegación del cliente como lo es el mesh (repetidor de señal de internet) y la ont donde se conecta el puerto para la recepción de la fibra óptica y brinde el servicio con el plan solicitado por el cliente. Por lo cual, se realiza una segmentación de los clientes dados de bajas en 2 fases donde la primera fase será el uso de una metodología tradicional como k-means y en caso de encontrar los datos atípicos realizar otro tipo de Clusterizacion a fin de tener todos los clientes con su respectivo perfil, esto con la finalidad de establecer mejoras en las políticas de riesgo que establece la empresa tanto para la aceptación y retención de clientes.