Recientemente publicamos un trabajo en la conferencia ASONAM 2016 en San Francisco, trabajo conjunto con la estudiante de doctorado Mar铆a 脫skarsd贸ttir de la KU Leuven, sus supervisores, y otros colegas en B茅lgica y Argentina.

En este trabajo conseguimos siete datasets de distintos pa铆ses, de varias decenas de millones de clientes en total, con historiales de llamadas (CDR) para prepago y postpago, y construimos la red social compuesta de las llamadas entre los usuarios junto a medidas cl谩sicas de Recency, Frequency y Monetary Value de las llamadas. La idea era investigar si esta informaci贸n sirve (spoiler alert: 隆SI!) para predecir la fuga – o churn – a otra compa帽铆a m贸vil y cu谩les m茅todos son mejores para predecir este evento. El paper est谩 disponible gratuitamente ac谩. Este trabajo son los resultados preliminares de una publicaci贸n bajo revisi贸n en el European Journal of Operational Research, que publicar茅 ac谩 en alg煤n momento.

Red Social

En este trabajo estudiamos c贸mo las redes sociales impactan la fuga de clientes en compa帽铆as de telefon铆a m贸vil. (Imagen por Zigomitros Athanasios)

Algunos insights interesantes de este trabajo:

  • El fen贸meno de la fuga tiene un fuerte efecto local: Las influencias son en tu red directa (las personas a quienes m谩s llamas son m谩s propensas de fugarse contigo), pero esta influencia se propaga muy poco a los amigos de tus amigos. Probablemente esto significa que uno influencia su c铆rculo local (familia y quiz谩s amigos muy cercanos), pero no m谩s all谩.
  • Las variables de redes sociales son pr谩cticamente independientes de otras: La propuesta de valor agregado de estas variables pasa porque representan informaci贸n que no est谩 contenida en ning煤n otro tipo de variables. No es 芦m谩s de lo mismo禄, sino que es informaci贸n totalmente novedosa, con muy baja correlaci贸n. Y al menos en fuga funciona bien para predecir, al igual que en fraude como probamos el a帽o pasado (ver ac谩).
  • Desde el punto de vista te贸rico: No se gana mucho al usar collective inference en este problema, es mejor estimar variables con un modelo relacional y luego estimar un modelo predictivo en conjunto con variables cl谩sicas. La raz贸n puede tener que ver con la influencia local de la fuga.

Pienso que los resultados fueron muy interesantes. Actualmente preparamos un framework en R para poder realizar experimentos r谩pidamente, tenemos la publicaci贸n en EJOR bajo revisi贸n, y estamos explorando el uso de estas herramientas en muchos otros campos. 驴Tienen experiencias similares? Feliz de leerlas.