Incrementar la satisfacción de los clientes se ha convertido en un desafío sustancial para las empresas en su segmento de mercado, en especial, para el sector financiero. Así, posibles barreras al acceso de bienes y servicios para los clientes reduce la propensión de compra de estos, debido a que el cliente prioriza la uilidad que genera procesos fáciles y eficientes. En este sentido, los empresarios en su afán de incrementar su participación de mercado y potenciar sus niveles de ventas intentan utilizar múltiples estrategias que generen un impacto positivo sobre el cliente, siendo una de estás la reducción de los procesos de rotación de activos a inactivos con el objetivo de crear un ambiente de fidelización de los clientes.
Existen múltiples factores propios de la empresas (Clientes) como de la Corporporación y sus filiales (Prestadora de servicios) que reducen la transición de los clientes a categorizarse como Churn Ratio (Rotación de activos a inactivos). En este sentido, este informe tiene como objetivo determinar la dinámica de CR del segmento corporativo para Corficolombiana y sus filiales para los años de 2019 a 2021, además, de generar una proyección para el caso de 2022.
Para ello, el siguiente análisis está segmentado en tres apartados:
1) Análisis descriptivo del segmento corporativo.
2) Estimación de las probabilidades con técnicas estadística.
3) Benchmark de probabilidades con 2022.
Para el desarrollo análisis de CR, se emplearon tres principales bases de datos: 1) Datos del Modelo Comercial Integrado (MCI) de Corficolombiana y sus filiales; 2) Datos empresariales provenientes de las múltiples cámaras de comercio y 3) Datos de actividades comerciales de EXPERT. Posterior al procesamiento de las bases de datos, se procede a relacionar la nformación de estas bases de datos y se utiliza la información de las empresas que tienen información completa. En el uso de las metodologías de análisis, se usan dos métodos estadísticos: La regresión Logística y Arboles de Decisión (ADD). Estas metodologías tienen como principio calcular las probailidades de que acontezca un escenario con base a un vector de covariables que están catalogadas como variables independientes, es decir, la probabilidad de inacividad de los clientes. En consecuencia, la variable dependiente responde a una variable dicotómica (1= Inactivo; 0=Activo), donde la categoría de inactivo significa que el cliente no ha generado ingresos o posee un saldo en 0 para AUM’s y en volúmenes en un año determinado, y el caso contrario es para los activos.
Para el caso de las variables independientes, se examina el comportamiento de los clientes dentro de la corporación y sus filiales y la dinámica empresarial de estos. Así, el comportamiento de los clientes está encaminado con la tenencia de productos y las actividades comerciales registradas. Por otro lado, se tienen otras variables independientes relacionadas con las ventas, los activos y las exportaciones de las empresas. Finalmente, también se utilizan variables temporales y el segmento regional. Así, una vez realizados los procesos de análisis se tienen las siguientes percepciones:
1) El año donde hubo una menor propensión de ser Churn en el segmento corporativo es el 2021.
2) Mayor cantidad de visitas reduce la probabilidad de ser inactivo.
3) El contacto por Teams resulta ser más eficiente para la conservación de clientes.
4) Empresas consideradas grandes en niveles de activos, ventas y comercio exterior, tienden a tener una menor probabilidad de ser Churn.
5) Sectores como la salud, gobierno central y extracción energética son más propensos a categorizarse como Churn sobre el resto de sectores económicos.
6) Los clientes que pertenencen a las regionales Norte y Oriente tienen más riesgo a categorizarse como inactivos, caso contrario con las regionales de Antioquia, Centro y Occidente.
Esta sección tiene como objetivo establecer las ecuaciones estimadas para los cálculos de probabilidad:
1) Regresión Logística \[L_i=\frac{P_i}{1-P_i}=\beta_0+\beta_n*CAC_i+\theta_n*C_i+\phi_n*R_i+\alpha_n*A_i+\epsilon\] 2) Arboles de decisión (ADD) \[I_i(P,N)=\frac{-P_i}{P_i+N_i}*log^2*\frac{P_i}{P_i+N_i}-\frac{N_i}{P_i+N_i}*log^2*\frac{N_i}{P_i+N_i}\]
| Variables | Unidad de medida | Tipo |
|---|---|---|
| Cantidad de productos por cliente | Discreta | Clientes - actividades comerciales |
| Tipo de contacto (0==Contacto iniciado o en curso) | Discreta - categórica | Clientes - actividades comerciales |
| Tipo de contacto (1==Contacto virtual) | Discreta - categórica | Clientes - actividades comerciales |
| Tipo de contacto (2==Contacto presencial) | Discreta - categórica | Clientes - actividades comerciales |
| Cantidad de visitas con especialista | Discreta | Clientes - actividades comerciales |
| Acumulado del monto de ventas (Millones de Pesos) | Continua | Clientes (Empresas) |
| Acumulado del monto de activos (Millones de Pesos) | Continua | Clientes (Empresas) |
| Acumulado del monto exportaciones (USD valores FOB) | Continua | Clientes (Empresas) |
| Acumulado del monto importaciones (USD valores FOB) | Continua | Clientes (Empresas) |
| Segmento regional (1==Centro) | Discreta - categórica | Regional |
| Segmento regional (2==Antioquía) | Discreta - categórica | Regional |
| Segmento regional (3==Norte) | Discreta - categórica | Regional |
| Segmento regional (4==Occidente) | Discreta - categórica | Regional |
| Segmento regional (5==Oriente) | Discreta - categórica | Regional |
| 2019 | Discreta - categórica | Valor temporal |
| 2020 | Discreta - categórica | Valor temporal |
| 2021 | Discreta - categórica | Valor temporal |
Esté apartado tiene como objetivo introducir estadísticas descriptivas de los clientes del segmento corporativo, examinando su relación con la corporación y sus filiales y la capacidad instalada de los clientes en el ejercicio de su actividad económica.
495
535
457
$780
$1'241.100
$1'051.096
Title
Title
