Predicción de Churn temprano como herramienta en la industria fintech

La industria fintech en Argentina ha experimentado un crecimiento acelerado en los últimos años, lo que ha intensificado la competencia. Como resultado, uno de los principales desafíos que enfrentan las empresas del sector es retener a sus usuarios y evitar que migren a la competencia. Ante este esc...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Vinetz, Natali
Formato: Artículo
Lenguaje:Español
Publicado: Universidad Torcuato Di Tella 2025
Materias:
Comportamiento del consumidor
Predicción tecnológica
Consumer behavior
Technological prediction
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/13760
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-13760
record_format dspace
spelling I57-R163-20.500.13098-137602025-10-30T16:09:21Z Predicción de Churn temprano como herramienta en la industria fintech Vinetz, Natali Comportamiento del consumidor Predicción tecnológica Consumer behavior Technological prediction La industria fintech en Argentina ha experimentado un crecimiento acelerado en los últimos años, lo que ha intensificado la competencia. Como resultado, uno de los principales desafíos que enfrentan las empresas del sector es retener a sus usuarios y evitar que migren a la competencia. Ante este escenario, surge la necesidad de aprovechar la cantidad de datos disponibles para entender por qué los usuarios abandonan los servicios que ofrece la empresa bajo análisis. Para centralizar y profundizar el estudio, se ha elegido un único producto: las tarjetas de débito. Este trabajo se enfoca en analizar el comportamiento de los usuarios de este servicio, con el fin de encontrar el mejor algoritmo para predecir el churn y entender los factores clave que impulsan a los usuarios a quedarse o a abandonar. Más específicamente, el análisis se centrará en predecir si los usuarios dejarán de utilizar el servicio luego de sus primeros 30 días desde la solicitud de su primera tarjeta de débito. Los hallazgos serán propuestos a la empresa para diseñar estrategias de retención enfocadas en los factores más relevantes. Entre los principales logros de este trabajo, se destacan la identificación de un modelo de machine learning con alta capacidad de discriminación entre clases (1 = churn, 0 = no churn) y la detección de las variables más influyentes en la retención y el abandono de usuarios. Vinetz, N. (2025) “Predicción de Churn temprano como herramienta en la industria fintech”. [Tesis de maestría. Universidad Torcuato Di Tella]. Repositorio Digital Universidad Torcuato Di Tella https://repositorio.utdt.edu/handle/20.500.13098/13760 Universidad Torcuato Di Tella 2025-10-29T20:19:40Z 2025 info:eu-repo/semantics/article https://repositorio.utdt.edu/handle/20.500.13098/13760 spa Tesis y Trabajos Finales de la Universidad Torcuato Di Tella info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es 68 p. application/pdf application/pdf
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
orig_language_str_mv spa
topic Comportamiento del consumidor
Predicción tecnológica
Consumer behavior
Technological prediction
spellingShingle Comportamiento del consumidor
Predicción tecnológica
Consumer behavior
Technological prediction
Vinetz, Natali
Predicción de Churn temprano como herramienta en la industria fintech
topic_facet Comportamiento del consumidor
Predicción tecnológica
Consumer behavior
Technological prediction
description La industria fintech en Argentina ha experimentado un crecimiento acelerado en los últimos años, lo que ha intensificado la competencia. Como resultado, uno de los principales desafíos que enfrentan las empresas del sector es retener a sus usuarios y evitar que migren a la competencia. Ante este escenario, surge la necesidad de aprovechar la cantidad de datos disponibles para entender por qué los usuarios abandonan los servicios que ofrece la empresa bajo análisis. Para centralizar y profundizar el estudio, se ha elegido un único producto: las tarjetas de débito. Este trabajo se enfoca en analizar el comportamiento de los usuarios de este servicio, con el fin de encontrar el mejor algoritmo para predecir el churn y entender los factores clave que impulsan a los usuarios a quedarse o a abandonar. Más específicamente, el análisis se centrará en predecir si los usuarios dejarán de utilizar el servicio luego de sus primeros 30 días desde la solicitud de su primera tarjeta de débito. Los hallazgos serán propuestos a la empresa para diseñar estrategias de retención enfocadas en los factores más relevantes. Entre los principales logros de este trabajo, se destacan la identificación de un modelo de machine learning con alta capacidad de discriminación entre clases (1 = churn, 0 = no churn) y la detección de las variables más influyentes en la retención y el abandono de usuarios.
format Artículo
author Vinetz, Natali
author_facet Vinetz, Natali
author_sort Vinetz, Natali
title Predicción de Churn temprano como herramienta en la industria fintech
title_short Predicción de Churn temprano como herramienta en la industria fintech
title_full Predicción de Churn temprano como herramienta en la industria fintech
title_fullStr Predicción de Churn temprano como herramienta en la industria fintech
title_full_unstemmed Predicción de Churn temprano como herramienta en la industria fintech
title_sort predicción de churn temprano como herramienta en la industria fintech
publisher Universidad Torcuato Di Tella
publishDate 2025
url https://repositorio.utdt.edu/handle/20.500.13098/13760
work_keys_str_mv AT vinetznatali predicciondechurntempranocomoherramientaenlaindustriafintech
_version_ 1847744068852908032

Ejemplares similares