Title: Metodología para la retención de clientes
Authors: Restrepo Navarrete, Yeimy Carolina
Director(s): Badillo Valderrama, Guillermo, dir.
Keywords: FUGA DE CLIENTES
RETENCIÓN
RETENCIÓN
FUGA DE CLIENTES
KDD
Issue Date: 2018
Citation: Restrepo Navarrete, Y. C. (2018). Metodología para la retención de clientes. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ciencias Económicas y Administrativas. Programa de Economía. Bogotá, Colombia
Abstract: Es un avance parcial de la investigación que se está realizando como parte de valor agregado del practicante en el Banco Agrario de Colombia, la investigación busca implementar una metodología para lograr la retención eficiente de los clientes, es decir establecer el conjunto de procedimientos a realizar desde un marco conceptual hasta el modelamiento mediante técnicas de minería de datos, para su posterior implementación en el Banco.
Description: Práctica Empresarial
Bibliography References: Ali, O., & Anturk, U. (2014). Dynamic churn prediction framework with more effective use of rare event data: the case of private banking. Istanbul: sciences and economics, business administration, Koc University Escobar.

Amin, A., Anwar, S. (2016) Customer churn prediction in the telecommunication sector using a rough set approached.

Álvarez, R. (2013). Minería de datos aplicada al manejo de la relación del cliente en una Entidad Bancaria (CRM). Quito: Escuela Politécnica Nacional.

Banco Agrario de Colombia (2016). Recuperado de https://www.bancoagrario.gov.co/ acerca/Paginas/default.aspx

Barrientos, F., & Ríos, S. (2013). Aplicación de Minería de Datos para Predecir Fuga de Clientes en la Industria de las Telecomunicaciones. Santiago Chile.

Berry., M & G, Linoff, (1999) “Mastering data mining: the art and science of customer relationship management “, New York: West susex: John Wiley & Sons.

Blattberg, R., Kim, B., & Neslin, S. (2008) Why database marketing? New York.In Database International Series in Quantitative Marketing, vol. 18. Springer.

Camargo, H. & Silva, M. (2011) Dos caminos en la búsqueda de patrones por medio de Minería de Datos: SEMMA y CRISP. Bogotá: Universidad del bosque .

Chamba., S., (2015). Minería de datos para segmentación de clientes en la empresa tecnológica Máster PC. Quito: Universidad Nacional de Loja.

Chen, D., Sain, L., & Guo, K. (2012) Data mining for the online retail industry: a case study of rfm model-based customer segmentation using data mining, journal of database marketing & customer strategy management, 197-208.

Congreso de la República. (2007). Ley 1150 de 2007. Recuperado de http://www.secretariasenado.gov.co/senado/basedoc/ley_1150_2007.html.

Davenport, H. Prusak, L (1998). Working knowledge: how organizations manage what they know. Boston, EEUU: Harvard Business School Press.

Ali, O., & Anturk, U. (2014). Dynamic churn prediction framework with more effective use of rare event data: the case of private banking. Istanbul: sciences and economics, business administration, Koc University Escobar.

Greene, W. (1993). Econometric Analysis, Prentice Hall.

Hand, D. (1998) Data mining: statistics and more, The American statistician.

Hawley, D. (2003). International wireless churn management: research and recommendations, Yankee group report.

Houtsma, M., & swami, A. (1995). Set-oriented data mining in relational databases, university of twente, the Netherlands

Huang, B., Kechadi M., Kiernan, G., Keogh, E., & Rashid, T. (2010). A new feature set with new window techniques for customer churn prediction in land- line telecommunications, Expert syst.

Komorowski, j., Pawlak, Z., Polkowski, l., & Skowron, A. (1999). Rough sets perspective on data and knowledge, in: the handbook of data mining and knowledge discovery, klosgrn, w. & zylkon, j. (ed.), pp. 134–149, oxford university press, New York USA.

Lemmens, A., & Croux, C. (2006). Bagging and boosting classification trees predict churn, pp 276–286.

Limayem, M. (2004). The impact of customer relationship management on customer loyalty: the moderating role of web site characteristics assion lawsonbody, journal of computer-mediated communication.

Lu, J. (2001) Predicting customer churn in the telecommunications industry an application of survival analysis modeling using SAS. Technical report, sprint Communications Company.

Mozer, M., Wolniewicz, R., Grimes, D., Johnson, E & Kaushansky, H. (2000). predicting subscriber dissatisfaction and improving retention in the wireless telecommunicati ons industry, Ieee transactions on neural networks.

Moreno, J., & Torres, O. (2014). Modelo predictivo de fuga de clientes utilizando minería de datos para una empresa de telecomunicaciones en chile.

Mangin, J, & Varela, J. (2003). Modelización y análisis con ecuaciones estructurales: Quito: Universidad de la Rioja pp.767-814

Neslin, S., Gupta, S., Kamakura, W., Lu, J., & Mason, C. (2006). Defection detection: measuring and understanding the predictive accuracy of customer churn models, journal of marketing research, 204–211.

Omaña, G. (abril, 2004), Revisión a la ley de 795 de 2003 0 de reforma financiera, seminario de reforma financiera, Colombia.

Oppenheim, D. (2017). Modelos de churn bancarios con r, Argentina: Universidad Austral.

Pawlak, Z. (1982). Rough sets, international journal of information and computer sciences, vol.11, pp. 341- 356.

Payne, A. (2006) handbook of crm, elsevier.

Rissinol, S., & Lambert, T. G. (2009) Rough set theory – fundamental concepts, principals, data extraction, and applications. Brazil: Federal University of Rondonia, Itajuba Federal University.

SAS Institute Inc. (27/04/2010). Recuperado de http://www.sas.com/offices/europe/uk/technologies/analytics/datamining/miner/semma.html

Sundardas, A. (2005) Marketing financiero, Mcgraw-hill

Tsiptsis, K., & Chorianopoulos, A. (2011) Data mining techniques in crm, John Wiley and Sons.

Van Den Poel, D., & Larivière, B. (2003). Interfaces with other disciplines customer attrition analysis for financial services using proportional hazard models, department of marketing, ghent university, journal of marketing research.

Zadeh, L. (1965). "Fuzzy sets", information and control, vol.8, pp 338-353.
URI: http://hdl.handle.net/10983/16270
Appears in Collections:AEA. Pregrado de Economía

Files in This Item:
File Description SizeFormat 
TRABAJO DE GRADO.pdf930.65 kBAdobe PDFView/Open    Request a copy
RAE.pdf156.94 kBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.