Ingeniero Civil Industrial / Seguros Falabella es una Corredora de Seguros Grandes Tiendas perteneciente al grupo Falabella. Tiene participación en algunos países de Latinoamérica, en particular en Chile, donde se realiza este trabajo de memoria. El objetivo general de esta memoria consiste en diseñar un modelo predictivo basado en las características individuales de los clientes, que entregue la propensión de compra para los seis productos principales de la compañía, con el fin de incrementar el stock de estas pólizas. Se realizan modelos de propensión para todos los ramos principales de seguros, correspondientes a automotrices, vida, vida con bonificación, salud, hogar y transaccionales. En particular se utilizan dos metodologías distintas de clasificación binaria: Árbol de Decisión y Logit Binario. Dada la naturaleza de los datos y la diferencia de información para los clientes con y sin la tarjeta de crédito del holding, es necesario calcular modelos independientes para ambos tipos de clientes. Así, se generan 12 modelos distintos tanto para Árbol de Decisión como también para Logit Binario. La empresa cuenta con un total de 3 millones de registros de clientes entre los periodos 2015 y 2016. Debido a la metodología elegida, sólo se utiliza un 40% de la base resultante para obtener resultados consistentes y en un tiempo de ejecución razonable. En base a los resultados, se elige el método Logit Binario puesto que tuvo un mejor desempeño en las métricas más significativas para el negocio. Éste, en promedio, logró recuperar un 60% de las ventas generadas con sólo un 20% de la base de datos, en comparación con el 53,3% del árbol de decisión. Para elegir el producto más adecuado para cada cliente, se propone un modelo de Next Best Offer . Se realiza una simulación de esta metodología versus la actual, obteniendo un beneficio estimado 11% mayor y un aumento de 22% en pólizas vendidas. Para validar este método, se plantean dos experimentos de igualdad de proporciones. El primero busca comprobar que la elección mayor decil de propensión genera más ventas cuando existe un único máximo decil. El segundo busca verificar que la ponderación por el beneficio de la compañía genera más ventas cuando existe más de un producto que compartan el máximo decil. Finalmente, para estudios futuros, se propone la realización de un modelo que determine, para cada cliente, el canal más propenso para la contratación de un producto. Además, se plantea una idea de mejora del método Next Best Offer mediante la optimización según una ponderación tanto del decil de propensión como también del beneficio esperado para la compañía. / 13/11/2022

Web Intelligence has been quiet a popular topic lately. This thesis doesn't try to form the exact definition of Web Intelligence, because it's impossible. The aim is to demonstrate practical use of WI in retail banking instead. Since Web Intelligence can be seen as some kind of advanced Web Analytics system, the text starts off with explaining basics of Web Analytics. Then a hypothetical story about Mr. Cerny ' looking for a bank that would give him a mortgage loan is told. Meanwhile, a bank that provides Mr. Cerny 's current account tries to sell its own mortgage loan to him. Unfortunately, wrong channel at a wrong time is used to communicate the message which ends up with Mr. Cerny denying the offer instantly. Obvious mistakes made by the bank are then picked up and discussed. The conclusion is you need to know your customer very good to have long and healthy relationship. One way to achieve this is to deployWeb Intelligence solution that would reveal online habits of every one of your customers. Event Driven Marketing online campaigns can then be used to identify customers needs and target them at the right time, through the right channel and with the right message. If everything works well, the customer starts to percieve marketing communication as a personal support rather than annoying advertisement.