Mejora de retención de clientes para el banco

"Este proyecto aborda la necesidad crítica del Banco Ciudad de anticipar el abandono de clientes (churn) en su segmento de clientela general de individuos. Actualmente, la entidad enfrenta una tasa de churn anual estimada del 20,8% (aproximadamente 172.041 clientes), lo que implica una pérdida económica anual cercana a los $115.324 millones de ARS.

La solución se basó en el desarrollo de un modelo predictivo de churn utilizando la metodología de cosechas temporales (snapshots) sobre datos de septiembre 2024 a septiembre 2025. El Análisis Exploratorio de Datos identificó que la mayor propensión al abandono se da en clientes jóvenes (menores de 24 años), en el subsegmento BUEPP y en aquellos sin acceso a Home Banking. Las variables con mayor peso predictivo se relacionaron con la actividad transaccional, los saldos en caja de ahorro y la antigüedad del cliente.

El modelo ganador fue un XGBoost, validado Out-of-Time (OOT), que alcanzó un ROC-AUC de 0,87 y un estadístico KS de 55,72. La efectividad se demostró con un Lift de 9 al intervenir en el top 5% de clientes con mayor probabilidad de abandono, logrando capturar el 45% de los clientes que efectivamente harían churn.

La implementación del modelo permite al banco priorizar campañas de retención con gran eficiencia, proyectando un beneficio económico mensual de hasta 249 millones de ARS en el escenario optimista, y recuperando la inversión total del proyecto (55 millones de ARS) en el primer mes de operación, con un ROI anual del 772% en el escenario conservador."