Ingeniero Civil Industrial / El marketing móvil geolocalizado ha sido una de las tendencias más revolucionarias en los últimos años, logrando acaparar en la actualidad cerca del 18% del valor de la publicidad móvil en USA, lo que valida este canal promocional como una plataforma a considerar para las compañías. Dado esto, es importante entender cómo influyen los distintos elementos que se relacionan con este canal, sobre todo en el caso de la geolocalización ya que es justamente esta variable el elemento que marca la diferencia entre este nuevo canal móvil y los demás canales promocionales. IZIT es una empresa chilena impulsora de una aplicación que realiza marketing móvil geolocalizado. En sus casi 2 años de funcionamiento, ha logrado captar más de 300 mil usuarios mediante el envío de promociones atractivas y pertinentes al contexto de las personas. La interacción del usuario con la aplicación pasa por 5 hitos principales: envío, apertura, aceptación, recomendación y canje. Dado que IZIT se define como una plataforma promocional, el foco del estudio estará en las etapas de envío, apertura y aceptación. Para llevar a cabo este análisis, se realizó una selección de casos inicial que dejó 619 promociones disponibles para el estudio. Las variables utilizadas para el estudio se separaron en 10 familias: Mensaje inicial, Valor Agregado, Tiempo, Geolocalización, Tipo de Mensaje, Segmentación, Categoría de producto, Frecuencia, Campaña y Actividad. Para modelar las distintas etapas se utilizaron regresiones lineales (envíos) y modelos logísticos estándar (apertura y aceptación). Los resultados arrojaron que en la etapa de envíos la geolocalización tiene un rol clave, prácticamente determinando el alcance que tendrá una promoción. Izit exhibe gran capacidad de estimación sobre los envíos, ya que las variables más influyentes en el número de mensajes enviados corresponden a decisiones tomadas entre la empresa y su cliente. En la etapa de apertura, la principal conclusión establece que la geolocalización genera mayores tasas de apertura. En el caso de la aceptación, la geolocalización no tiene un efecto significativo y las variables relevantes son aquellas relacionadas al valor de la promoción y la cantidad de restricciones para canjearla impuestas por la empresa. Como conclusión, la geolocalización influye primordialmente aumentando la predisposición del usuario en las primeras etapas de la interacción con la promoción recibida, sin embargo, al llegar a las etapas finales, su efecto deja de ser relevante. Finalmente, es importante incorporar a la aplicación información sobre la ocasión de compra ya que son muy variadas y, en algunos casos, puede determinar el éxito de una promoción.

Ingeniero Civil Industrial / En los últimos años, la industria de las telecomunicaciones se ha ido desarrollando en un escenario muy competitivo, lo que ha llevado a las compañías a enfocarse en lograr una relación rentable y de largo plazo con sus clientes. El problema surge cuando se quiere decidir con qué clientes construir dicha relación, cuya solución se basa en el concepto de targeting, el cual tiene por objetivo identificar a los clientes sobre quienes se realizarán acciones para retener e incrementar su valor. En este caso se quiere estudiar, en términos de adopción y rentabilidad, el desempeño de un modelo que selecciona el conjunto de clientes a quienes, a través de una campaña telefónica, se les ofrece un producto de telefonía móvil. Las compañías han utilizado el enfoque de selección basándose en los atributos sociodemográficos y comerciales de sus clientes, sin considerar el efecto que podrían tener sobre las decisiones de éstos sus amigos, familiares o cercanos. Es por esto que se plantea un modelo de targeting que incorpore atributos sociales extraídos de la red de teléfonos móviles de ca- da cliente. Adicionalmente, se propone estudiar la influencia que podrían tener adopciones previas de sus amigos sobre la adopción propia del cliente en estudio. Los modelos de targeting social fueron construidos en base a diversas técnicas de clasificación y diferentes configuraciones del conjunto de entrenamiento, estructuras que son probadas a través de una serie de experimentos que permiten comparar los resultados y establecer cuál es el modelo con la mayor capacidad para resolver este problema. La calidad de dichos modelos se evalúa en dos etapas diferentes. En una primera instancia se comparan los resultados obtenidos con los entregados por el modelo base que no incorpora atributos sociales, comparación que se realiza a través del número de aciertos acumulados que logra cada modelo en los cortes del ranking de clientes. Por otro lado, en una segunda fase se busca identificar la técnica de clasificación utilizada que mejores resultados entrega y la configuración del conjunto de entrenamiento que resulta en la mejor capacidad de predicción de adopciones. El hecho de que la incorporación de los atributos sociales de los clientes no mejore por sí mismo el poder de predicción de los modelos de targeting, pero que sí lo haga la combinación de los resultados del modelo social con los del modelo base de comparación, resultó ser el mayor descubrimiento de este trabajo. Esto deriva en que para lograr modelos de selección efectivos es necesario combinar algunos de ellos que estén construidos en base a diferentes técnicas de clasificación, ya que éstas permiten identificar clientes de diversos perfiles, ele- vando la capacidad de predicción de los mismos. En este caso, la agregación de datos en el conjunto de entrenamiento y la combinación de aciertos de los modelos permiten incrementar en promedio en un 8 % el desempeño del modelo, alcanzando un nivel de aciertos de un 89 %.