La optimización de los costes operativos del Call Center empleando técnicas de clasificación

Resumen

La provisión de crédito a los clientes de las redes bancarias a través de los servicios de call center siempre ha sido uno de los recursos que generan importantes ingresos para las instituciones financieras, sin embargo, el servicio ofrece un costo, muchas veces por encima de lo deseable para garantizar una contratación rentable con Banco. En base a esto, este trabajo tiene como objetivo evaluar la optimización de los costos operacionales del centro de llamadas, utilizando técnicas de clasificación, mediante la experimentación de técnicas de aprendizaje automático supervisado para realizar la tarea de clasificación, con el fin de generar un modelo predictivo, que ofrece una mejor desempeño en la operación de oferta de crédito bancario, para llevar a cabo una acción eficaz y productiva, concibiendo mayores ahorros para la empresa en la identificación de los públicos con mayor adhesión. Para ello, se seleccionó una base de datos con 11.162 registros de llamadas realizadas desde un banco, ofreciendo a sus clientes una carta de crédito. Los resultados arrojaron correlaciones de valor entre variables, como duración de la llamada, estado civil, nivel educativo e incluso recurrencia en la adhesión a contratos de crédito de suscriptores, con la aplicación del PCA para reducir modelos de dimensionalidad y clasificación, como : AdaBoost, Gradient Boosting, SVM RBF, Naive Bayes, Random Forest, se pudo percibir el perfil del consumidor con buena aquiescencia para la propuesta de inversión y un grupo de personas con alta probabilidad de no adherencia a la carta de crédito, por lo que se pudo perfilar una acción dirigida al público predispuesto a la oferta, minimizando los gastos alcanzando una mayor rentabilidad.