"Predicción del churn en el ámbito de las telecomunicaciones"

Autores
Feresin , Diego Hernán
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
documento de trabajo
Estado
versión aceptada
Descripción
En las organizaciones prestadoras de servicio los ingresos están dado por la cantidad de clientes que consumen sus servicios, la subsistencia consiste en el mantenimiento de dicha base de clientes, pero en mercados competitivos y saturados como el caso del mercado de las telecomunicaciones la adquisición de clientes sólo se logra por la captación de la competencia. De la misma forma la pérdida de clientes afecta a sus ingresos. En este caso poder prever la perdida de estos clientes permite tomar acciones de retención y reducir la pérdida de ingresos. A partir del análisis de la información, que se puede recuperar de los distintos sistemas que poseen las compañías, es posible recuperar patrones, que permite realizar predicción del comportamiento de los clientes. Existen distintos estudios que utilizan una variedad de técnicas de predicción y diferentes técnicas de evaluación sin haber una que sea común o sobresalga sobre todos. Las fuentes de datos y los contextos tampoco son similares, por lo que para un contexto específico lo necesario será encontrar la mejor combinación que consiga los mejores resultados. El propósito del trabajo es encontrar para la fuente de datos disponible el modelo que pueda predecir el abandono y como objetivo secundario determinar la validez del modelo.
In service-providing organizations, income is given by the number of clients that consume their services, subsistence consists of maintaining the client base, but in competitive and saturated markets, such as the telecommunications market, the acquisition of clients it is only achieved by attracting from the competition. In the same way, the loss of customers affects income. In this case, being able to predict the loss of these clients allows taking retention actions and reduce the income loss. From the analysis of the information, that can be recovered from the different information systems the companies have, it is possible recognize patterns that allow predicting customer behavior. There are different studies that use a variety of prediction techniques and different evaluation techniques with no one common or outstanding technique. Data sources and contexts are not similar either, so for a specific context it is necessary to find the best combination that achieves the best results. The purpose of the work is to find, for the available data source, the model that can predict abandonment and as a secondary objective to determine the validity of the model.
Fil: Feresin Diego Hernán, Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Escuela de Posgrado, Argentina.
Peer Reviewed
Materia
Predicción , CHURN, telecomunicaciones , maching learning, redes neuronales
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Facultad Regional Buenos Aires
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/14563
Acceder
id RIAUTN_32dd489bdfe89a30dd0d73ab69e6e4ec
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/14563
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling "Predicción del churn en el ámbito de las telecomunicaciones"Feresin , Diego HernánPredicción , CHURN, telecomunicaciones , maching learning, redes neuronalesEn las organizaciones prestadoras de servicio los ingresos están dado por la cantidad de clientes que consumen sus servicios, la subsistencia consiste en el mantenimiento de dicha base de clientes, pero en mercados competitivos y saturados como el caso del mercado de las telecomunicaciones la adquisición de clientes sólo se logra por la captación de la competencia. De la misma forma la pérdida de clientes afecta a sus ingresos. En este caso poder prever la perdida de estos clientes permite tomar acciones de retención y reducir la pérdida de ingresos. A partir del análisis de la información, que se puede recuperar de los distintos sistemas que poseen las compañías, es posible recuperar patrones, que permite realizar predicción del comportamiento de los clientes. Existen distintos estudios que utilizan una variedad de técnicas de predicción y diferentes técnicas de evaluación sin haber una que sea común o sobresalga sobre todos. Las fuentes de datos y los contextos tampoco son similares, por lo que para un contexto específico lo necesario será encontrar la mejor combinación que consiga los mejores resultados. El propósito del trabajo es encontrar para la fuente de datos disponible el modelo que pueda predecir el abandono y como objetivo secundario determinar la validez del modelo.In service-providing organizations, income is given by the number of clients that consume their services, subsistence consists of maintaining the client base, but in competitive and saturated markets, such as the telecommunications market, the acquisition of clients it is only achieved by attracting from the competition. In the same way, the loss of customers affects income. In this case, being able to predict the loss of these clients allows taking retention actions and reduce the income loss. From the analysis of the information, that can be recovered from the different information systems the companies have, it is possible recognize patterns that allow predicting customer behavior. There are different studies that use a variety of prediction techniques and different evaluation techniques with no one common or outstanding technique. Data sources and contexts are not similar either, so for a specific context it is necessary to find the best combination that achieves the best results. The purpose of the work is to find, for the available data source, the model that can predict abandonment and as a secondary objective to determine the validity of the model.Fil: Feresin Diego Hernán, Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Escuela de Posgrado, Argentina.Peer Reviewed2026-02-24T14:27:17Z2026-02-02info:eu-repo/semantics/workingPaperinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_8042info:ar-repo/semantics/documentoDeTrabajoplainapplication/pdfhttps://hdl.handle.net/20.500.12272/14563spainfo:eu-repo/semantics/openAccessFacultad Regional Buenos AiresCompartir igual (by-sa): Se permite el uso comercial de la obra y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-29T11:27:09Zoai:ria.utn.edu.ar:20.500.12272/14563instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-29 11:27:09.733Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv "Predicción del churn en el ámbito de las telecomunicaciones"
title "Predicción del churn en el ámbito de las telecomunicaciones"
spellingShingle "Predicción del churn en el ámbito de las telecomunicaciones"
Feresin , Diego Hernán
Predicción , CHURN, telecomunicaciones , maching learning, redes neuronales
title_short "Predicción del churn en el ámbito de las telecomunicaciones"
title_full "Predicción del churn en el ámbito de las telecomunicaciones"
title_fullStr "Predicción del churn en el ámbito de las telecomunicaciones"
title_full_unstemmed "Predicción del churn en el ámbito de las telecomunicaciones"
title_sort "Predicción del churn en el ámbito de las telecomunicaciones"
dc.creator.none.fl_str_mv Feresin , Diego Hernán
author Feresin , Diego Hernán
author_facet Feresin , Diego Hernán
author_role author
dc.subject.none.fl_str_mv Predicción , CHURN, telecomunicaciones , maching learning, redes neuronales
topic Predicción , CHURN, telecomunicaciones , maching learning, redes neuronales
dc.description.none.fl_txt_mv En las organizaciones prestadoras de servicio los ingresos están dado por la cantidad de clientes que consumen sus servicios, la subsistencia consiste en el mantenimiento de dicha base de clientes, pero en mercados competitivos y saturados como el caso del mercado de las telecomunicaciones la adquisición de clientes sólo se logra por la captación de la competencia. De la misma forma la pérdida de clientes afecta a sus ingresos. En este caso poder prever la perdida de estos clientes permite tomar acciones de retención y reducir la pérdida de ingresos. A partir del análisis de la información, que se puede recuperar de los distintos sistemas que poseen las compañías, es posible recuperar patrones, que permite realizar predicción del comportamiento de los clientes. Existen distintos estudios que utilizan una variedad de técnicas de predicción y diferentes técnicas de evaluación sin haber una que sea común o sobresalga sobre todos. Las fuentes de datos y los contextos tampoco son similares, por lo que para un contexto específico lo necesario será encontrar la mejor combinación que consiga los mejores resultados. El propósito del trabajo es encontrar para la fuente de datos disponible el modelo que pueda predecir el abandono y como objetivo secundario determinar la validez del modelo.
In service-providing organizations, income is given by the number of clients that consume their services, subsistence consists of maintaining the client base, but in competitive and saturated markets, such as the telecommunications market, the acquisition of clients it is only achieved by attracting from the competition. In the same way, the loss of customers affects income. In this case, being able to predict the loss of these clients allows taking retention actions and reduce the income loss. From the analysis of the information, that can be recovered from the different information systems the companies have, it is possible recognize patterns that allow predicting customer behavior. There are different studies that use a variety of prediction techniques and different evaluation techniques with no one common or outstanding technique. Data sources and contexts are not similar either, so for a specific context it is necessary to find the best combination that achieves the best results. The purpose of the work is to find, for the available data source, the model that can predict abandonment and as a secondary objective to determine the validity of the model.
Fil: Feresin Diego Hernán, Universidad Tecnológica Nacional, Facultad Regional Buenos Aires, Escuela de Posgrado, Argentina.
Peer Reviewed
description En las organizaciones prestadoras de servicio los ingresos están dado por la cantidad de clientes que consumen sus servicios, la subsistencia consiste en el mantenimiento de dicha base de clientes, pero en mercados competitivos y saturados como el caso del mercado de las telecomunicaciones la adquisición de clientes sólo se logra por la captación de la competencia. De la misma forma la pérdida de clientes afecta a sus ingresos. En este caso poder prever la perdida de estos clientes permite tomar acciones de retención y reducir la pérdida de ingresos. A partir del análisis de la información, que se puede recuperar de los distintos sistemas que poseen las compañías, es posible recuperar patrones, que permite realizar predicción del comportamiento de los clientes. Existen distintos estudios que utilizan una variedad de técnicas de predicción y diferentes técnicas de evaluación sin haber una que sea común o sobresalga sobre todos. Las fuentes de datos y los contextos tampoco son similares, por lo que para un contexto específico lo necesario será encontrar la mejor combinación que consiga los mejores resultados. El propósito del trabajo es encontrar para la fuente de datos disponible el modelo que pueda predecir el abandono y como objetivo secundario determinar la validez del modelo.
publishDate 2026
dc.date.none.fl_str_mv 2026-02-24T14:27:17Z
2026-02-02
dc.type.none.fl_str_mv info:eu-repo/semantics/workingPaper
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_8042
info:ar-repo/semantics/documentoDeTrabajo
format workingPaper
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12272/14563
url https://hdl.handle.net/20.500.12272/14563
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Facultad Regional Buenos Aires
Compartir igual (by-sa): Se permite el uso comercial de la obra y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
eu_rights_str_mv openAccess
rights_invalid_str_mv Facultad Regional Buenos Aires
Compartir igual (by-sa): Se permite el uso comercial de la obra y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
dc.format.none.fl_str_mv plain
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1880396318825775104
score 13.334379

Publicaciones similares