Ingeniero Civil Industrial / Las grandes tiendas por departamento han ampliado su gama de productos ofrecidos, incluyendo los servicios financieros, desarrollando así sus propias tarjetas de crédito, que permiten mayor flexibilidad de pago y mayor alcance de productos. Sin embargo, existe una diversa cartera de clientes, como algunos que no compran regularmente a cuotas y otros que no cumplen con sus pagos, introduciendo así el riesgo. Entonces surge la importancia de identificar cuáles son los clientes más valiosos para la empresa.
El presente trabajo de título se desarrolla en una empresa de retail la cual cuenta con su propia tarjeta de crédito. La memoria tiene como objetivo estimar el valor de los clientes incorporando el riesgo financiero. Para cumplirlo, se hace énfasis al estudio de dos variables fundamentales: El interés generado por el uso de la tarjeta y el riesgo. El interés depende de muchos factores como lo son el holding, el número de cuotas, el monto de la compra, entre otros. Esto convierte el valor del interés en una variable de alta volatilidad que no permite predecir un valor exacto de este. Por lo tanto se decide ordenar a los clientes según su valor, dividiéndolos en 4 grupos.
Para determinar el valor de los clientes se utilizará la fórmula de Lifetime Value, considerando como margen el interés que pagan los clientes al pagar por cuotas y por otra parte el riesgo financiero. Para estimar el interés, se utilizan 3 conjuntos de variables distintos combinados con 4 tipos de modelos de demanda: Lineal, Log-Normal, Poisson y Binomial Negativo; para así, identificar que combinación de estos permite valorizar y ordenar a los clientes con mayor nivel de precisión utilizando la matriz de confusión como herramienta de medición. Los dos primeros conjuntos de variables son referentes a las variables RFM mientras que el otro utiliza además variables demográficas y otras asociadas a la tarjeta.
Mediante un análisis por cuartiles, se obtiene que el cuartil superior entrega el 80% del margen interés a la firma mientras que el resto entrega 15%, 4% y 1%. El valor de cada grupo es de $256Mil, $41Mil, $13Mil y $1,6Mil respectivamente, donde el cuartil superior e inferior muestran mayor estabilidad que los cuartiles centrales al mantenerse un mayor número de clientes en el mismo grupo de un periodo a otro. Se identifica que el modelo de poisson presenta los mejores resultados de distinción de clientes para cada conjunto de variables mostrando una leve superioridad con el set RFM, llegando así a ubicar aproximadamente el 49% de los clientes en su grupo correspondiente, el 43% en la vecindad y tan solo el 8% en los grupos más apartados. Destacando su mayor nivel de acierto para el mejor y peor cuartil con un 58,5% y 57% de acierto respetivamente.
En conclusión, la metodología propuesta permitiría a la empresa identificar a sus mejores clientes tomando en consideración el riesgo asociado.
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/103567 |
| Date | January 2009 |
| Creators | Eguia Jacob, Ricardo Andrés |
| Contributors | Montoya Moreira, Ricardo, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Industrial, Aburto Lafourcade, Luis Alberto, Reyes, Manuel |
| Publisher | Universidad de Chile, Programa Cybertesis |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Eguia Jacob, Ricardo Andrés |
Page generated in 0.0017 seconds