Identificación de clientes de alto valor para el desarrollo de alianzas de una empresa

Ingeniera Civil Industrial === El competitivo y dinámico entorno empresarial de hoy, ha dado lugar a un significativo aumento en la utilización alianzas estratégicas, entendidas como un acuerdo entre dos o más organizaciones donde cada uno se beneficia de las fortalezas del otro, complementando sus...

Full description

Bibliographic Details
Main Author: Padilla Vergara, Karem
Other Authors: Marín Vicuña, Pablo
Language:es
Published: Universidad de Chile 2015
Subjects:
Online Access:http://repositorio.uchile.cl/handle/2250/133231
Description
Summary:Ingeniera Civil Industrial === El competitivo y dinámico entorno empresarial de hoy, ha dado lugar a un significativo aumento en la utilización alianzas estratégicas, entendidas como un acuerdo entre dos o más organizaciones donde cada uno se beneficia de las fortalezas del otro, complementando sus ventajas competitivas. LANPASS no ha sido la excepción, y ha establecido más de 22 alianzas con empresas de diversos rubros, y es mediante este canal, donde provienen más del 50% de los kilómetros acumulados del pozo total. Bajo este contexto, el objetivo de esta memoria es "Identificar los clientes más propensos a acumular beneficios en alianzas de una empresa". Para cumplir el objetivo, se utilizó una metodología basada en dos importantes procedimientos. Primero, un análisis descriptivo y bivariado, y luego, la construcción, aplicación y evaluación de dos técnica predictivas, árboles de decisión y regresión logística.Debido al tratamiento que posee con variables continuas, y a la simpleza en la interpretación de sus resultados, es que se escogió el modelo árboles de decisión. Dentro de los principales resultados, se obtuvo que los clientes Santander que canjean sobre 158.000 KMS en tres años, vuelan y que gastan sobre USD$ 140 en otras alianzas poseen una propensión de 93% de pertenecer a clientes de altor a esta alianza. La evaluación de este modelo fue el que mostró mejores resultados, capturando el 30% de los datos en el primer decil, en contraste con el modelo de Salcobrand que alcanza sólo el 15% en el primer decil. A partir de los resultados, se sostiene que las alianzas, que permiten a los clientes acumular mayor cantidad de kilómetros, como Santander y Movistar, incrementa las posibilidades reales del cliente a viajar, y por lo mismo, las variables más predictoras están relacionadas con el programa LANPASS, como lo son canje, vuelo y la frecuencia con que miran la página cotizando un viaje. Finalmente, al considerar los nuevos clientes identificados, más propensos para cada alianza, el valor esperado mensual para la empresa corresponde a un total de USD $M 35 si se lograra captar los todos los clientes seleccionados. Como trabajo futuro, se propone añadir al estudio, la influencia que posee la participación de los clientes en promociones, realizadas por alianzas y LANPASS, en la acumulación de beneficios en un futuro determinado.