Bogotá - Ciencias - Maestría en Ciencias - Estadística · 2026

Análisis de supervivencia para la evaluación del ciclo de vida de clientes en una empresa con modelos de suscripción

El abandono de clientes en contextos de suscripción constituye un fenómeno temporal cuya adecuada comprensión es fundamental para la gestión del riesgo y la toma de decisiones. Más que su ocurrencia en sí, el problema radica en la ausencia de modelos que permitan caracterizar su dinámica en el tiempo, especialmente en presencia de censura administrativa. Este trabajo final de maestría aborda el abandono como un problema de tiempo hasta evento, utilizando un conjunto analítico de 40,556 clientes con seguimiento mensual y una proporción relevante de observaciones censuradas. La caracterización inicial se realiza mediante estimadores de Kaplan-Meier y Nelson-Aalen, y se profundiza en el análisis de la función de riesgo instantáneo a través de suavizamientos kernel y splines (funciones base) penalizados, lo que permite identificar variaciones locales persistentes y un comportamiento periódico del riesgo a lo largo del ciclo de vida. Se ajusta un modelo de Cox con covariables de diversificación de productos, tipo de portafolio y consumo inicial transformado; sin embargo, el diagnóstico evidencia no proporcionalidad de riesgos, limitando la validez de efectos constantes en el tiempo. En este contexto, se implementan modelos basados en redes neuronales, específicamente DeepSurv y Cox-Time, y se comparan con el modelo de Cox mediante el índice de concordancia y el Brier Score integrado en muestra de prueba. DeepSurv presenta el mejor desempeño predictivo entre los modelos evaluados. Los resultados muestran que una mayor diversificación de productos se asocia con un menor riesgo de abandono, mientras que un mayor consumo inicial no implica necesariamente mayor permanencia. El principal aporte del trabajo radica en una comparación integrada de enfoques y en la construcción de un modelamiento flexible del riesgo que permite capturar su dinámica temporal, integrando rigurosidad estadística con aplicabilidad en negocio para la predicción del abandono, la segmentación de clientes y la priorización de estrategias de retención. (Texto tomado de la fuente)