Análisis de algoritmos aplicados al Churn Analysis / Analysis of algorithms applied to Churn Analysis

Verónica Fabbro, Ariel Deroche, Diego Basso, Florencia Pollo- Cattaneo

Abstract


This meta-paper describes the style to be used in articles and short papers for SBC conferences. For papers in English, you should add just an abstract while for the papers in Portuguese, we also ask for an abstract in Portuguese (“resumo”). In both cases, abstracts should not have more than 10 lines and must be in the first page of the paper.

 

 


Keywords


Algoritmos, churn analysis, fuga de clientes, minería de datos, retención de clientes.

References


Boulic, R. and Renault, O. (1991) “3D Hierarchies for Animation”, In: New Trends in Animation and Visualization, Edited by Nadia Magnenat-Thalmann and Daniel Thalmann, John Wiley & Sons ltd., England.

Dyer, S., Martin, J. and Zulauf, J. (1995) “Motion Capture White Paper”, http://reality.sgi.com/employees/jam_sb/mocap/MoCapWP_v2.0.html, December.

Holton, M. and Alexander, S. (1995) “Soft Cellular Modeling: A Technique for the Simulation of Non-rigid Materials”, Computer Graphics: Developments in Virtual Environments, R. A. Earnshaw and J. A. Vince, England, Academic Press Ltd., p. 449-460.

Knuth, D. E. (1984), The TeXbook, Addison Wesley, 15th edition.

Pollo-Cattaneo. M., Pytel, P., García-Martínez, R., Vegega, C., Amatriain, H., Ramón, H., Mansilla, D., Deroche, A., Cigliuti, P., Saavedra-Martínez, P., Garbarini, R., Rodriguez, D., Britos, P., Tomasello,M. (2013). Prácticas y Aplicaciones de Ingeniería de Requisitos en Proyectos de Explotación de Información. Proceedings del XV Workshop de Investigadores en Ciencias de la Computación, Pág. 171-175. ISBN 978-9-872-81796-1.

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

He, B., Shi, Y., Wan, Q., & Zhao, X. (2014). Prediction of customer attrition of commercial banks based on SVM model. Procedia Computer Science, 31, 423-430.

Chiang, D. A., Wang, Y. F., Lee, S. L., & Lin, C. J. (2003). Goal-oriented sequential pattern for network banking churn analysis. Expert Systems with Applications, 25(3), 293-302.

Ahn, J. H., Han, S. P., & Lee, Y. S. (2006). Customer churn analysis: Churn determinants and mediation effects of partial defection in the Korean mobile telecommunications service industry. Telecommunications policy, 30(10), 552-568.

Keramati, A., & Ardabili, S. M. (2011). Churn analysis for an Iranian mobile operator. Telecommunications Policy, 35(4), 344-356.

Mutanen, T. (2006). Customer churn analysis–a case study. Journal of Product and Brand Management, 14(1), 4-13.

Lozano Núñez, D. (2015). Modelos Predictivos del Churn - Abandono de clientes - para operadores de telecomunicaciones. Universidad de Vigo.

Alvarado Bustos Valdivia, J.M (2011). Diseño e Implementación de un modelo predictivo para detectar patrones de fuga en los servicios de telefónica del sur, Universidad Austral de Chile.

Kisioglu, P., & Topcu, Y. I. (2011). Applying Bayesian Belief Network approach to customer churn analysis: A case study on the telecom industry of Turkey. Expert Systems with Applications, 38(6), 7151-7157.

Hu, X. (2005). A data mining approach for retailing bank customer attrition analysis. Applied Intelligence, 22(1), 47-60.

Ahn, J. H., Han, S. P., & Lee, Y. S. (2006). Customer churn analysis: Churn determinants and mediation effects of partial defection in the Korean mobile telecommunications service industry. Telecommunications policy, 30(10), 552-568.

AManso, F. (2015) Análisis de Modelos de Negocios basados en Big Data para Operadores móviles. Universidad de San Andrés. Tesis de Maestría en Gestión de Servicios Tecnológicos y Telecomunicaciones (http://repositorio.udesa.edu.ar/jspui/bitstream/10908/10920/1/%5bP%5d%5bW%5d%20T.%20M.%20Ges.%20Manso%2c%20Fernando.pdf).

Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C. & Wirth, R. CRISP-DM 1.0 Step-by-step Data Mining Guide. http://tinyurl.com/crispdm, 2000 (accessed 02.05.17).

Science Direct, http://www.sciencedirect.com/, Último acceso Julio de 2017.

Google Académico, https://scholar.google.com.ar/, Último acceso Julio de 2017.

Bibliotecas Electrónicas UTN, http://portal.bibliotecas.utn.edu.ar/proxy/, Último acceso Julio de 2017.

Britos, P. V., & Britos, P. V. (2005). Minería de datos basada en sistemas inteligentes. Nueva Librería.

Dreiseitl, S., & Ohno-Machado, L. (2002). Logistic regression and artificial neural network classification models: a methodology review. Journal of biomedical informatics, 35(5), 352-359.

Ngai, E. W., Xiu, L., & Chau, D. C. (2009). Application of data mining techniques in customer relationship management: A literature review and classification. Expert systems with applications, 36(2), 2592-2602.

Vafeiadis, T., Diamantaras, K. I., Sarigiannidis, G., & Chatzisavvas, K. C. (2015). A comparison of machine learning techniques for customer churn prediction. Simulation Modelling Practice and Theory, 55, 1-9.

Peláez, I.M. (2016). Modelos de regresión: lineal simple y regresión logística. Revista SEDEN.

Van den Poel, D., & Lariviere, B. (2004). Customer attrition analysis for financial services using proportional hazard models. European journal of operational research, 157(1), 196-217.

Arnejo Calviño, H.A. (2016). Métodos para la mejora de predicciones en clases desbalanceadas en el estudio de bajas de clientes (CHURN)

Dupouy Berrios, C. (2014). Aplicación de Árboles de decisión para la estimación del escenario económico y la estimación de movimiento la tasa de interés en Chile. Santiago, Chile.

Lopez Nocera, M. (2012). Descubrimiento de Conocimiento Mediante la Integración de Algoritmos de Explotación de Información. Tesis de Magister en Ingeniería de Sistemas de Información. Facultad Regional Buenos Aires. Universidad Tecnológica Nacional.

Ramírez Cabrera, J.L. (2013) Análisis comparativo DBDT vs otros Algoritmos para el manejo de datos no escalares. Departamento de Sistemas Informáticos y Computación. Universidad Politécnica de Valencia.

Goddard J.C.; Cornejo J.M.; Martínez F.M.; Martínez A.E., Rufiner H.L.; Acevedo R.C. (1995) Redes Neuronales y Árboles de Decisión: Un Enfoque Híbrido. SINC.

Martín Arevalillo, J. (2013) Data mining con árboles de decisión en Bioinformática. In Ciclo de conferencias de la Facultad de Informática 2012/2013, 18 de junio de 2013, Sala de Grados de la Facultad de Informática de la Universidad Complutense de Madrid.

Orrù, G., Pettersson-Yeo, W., Marquand, A. F., Sartori, G., & Mechelli, A. (2012). Using support vector machine to identify imaging biomarkers of neurological and psychiatric disease: a critical review. Neuroscience & Biobehavioral Reviews, 36(4), 1140-1152.

Alvaro Flores,Sebastián Maldonado, Richard Weber (2015). Selección de atributos y support vectormachines adaptado al problema de fugade clientes. Revista Ingeniería de Sistemas.

Pyle, D. (1999). Data preparation for data mining (Vol. 1). morgan kaufmann.

Mihaich, F. (2014). Aplicación de redes neuronales en la clasificación de imágenes. Trabajo Especial de Licenciatura en Ciencias de la Computación. Universidad Nacional de Córdoba.

Tang Z & MacLennan J (2005). Data Mining with SQL Server 2005. Wiley Publishing, Inc.

Kotsiantis S., Kanellopoulos D. (2006). Association Rules Mining: A Recent Overview. GESTS International Transactions on Computer Science and Engineering, Vol.32 (1), pp. 71-82

Lavrac, N., Kavsek, B., Flach, P., Todorovski, L. (2004). Subgroup discovery with CN2-SD. Journal of Machine Learning Research, 5. Pp. 153-188.

T. Menzies, Y. Hu. (2013). Data Mining For Busy People. IEEE Computer, pgs. 18-25.

Jélvez Caamaño, A., Moreno Echeverría M., Ovalle Retamal, V., Torres Navarro, C., Troncoso Espinosa F. (2014). Modelo predictivo de fuga de clientes utilizando minería de datos para una empresa de telecomunicaciones en Chile. Académico Departamento de Ingeniería Industrial, Universidad del Bío-Bío.

Álvaro Pita Martín, D. (2012). Una metaheurística para la extracción de reglas de asociación. Aplicación a terremotos. Escuela Técnica Superior de Ingeniería Informática Máster Oficial en Ingeniería y Tecnología del Software.

Chen Y., Tang K., Shen R., Hu, Y. (2005). Market basket analysis in a multiple store environment. Original Research Article Decision Support Systems, Volume 40, Issue 2, Pages 339-354

Langley P., Sage S. (2013). Induction of Selective Bayesian Classifiers. Institute for the Study of Learning and Expertise. Palo Alto, CA-USA. Pp. 399-406.

Nath, S. V., & Behara, R. S. (2003, November). Customer churn analysis in the wireless industry: A data mining approach. In Proceedings-annual meeting of the decision sciences institute (pp. 505-510).

Ruiz Sánchez, D.R., (2006) Heurística de selección de atributos para datos de gran dimensionalidad. Departamento de Lenguajes y Sistemas Informáticos. Universidad de Sevilla.

Britos, P. (2008). Procesos de Explotación de Información basados en Sistemas Inteligentes. Tesis Doctoral. Universidad Nacional de La Plata. Facultad de Informática. Argentina.

García Serrano, A. (2013). Inteligencia artificial. Fundamentos, práctica y aplicaciones. Alfaomega.

Análisis de Redes Sociales (ARS), http://www.kstoolkit.org/An%C3%A1lisis+de+Redes+Sociales+%28ARS%29/, Último acceso Julio de 2017.

Klepac, G., (2015) Developing Churn Models Using Data Mining Techniques and Social Network Analysis. IGI Global. ISBN 1466662891, 9781466662896.

Lucas J. (2010). Métodos de Clasificación Basados en Asociación Aplicados a Sistemas de Recomendación. Tesis Doctoral. Universidad de Salamanca, Departamento de Informática y Automática, España.

Manso, F. (2015). Análisis de Modelos de Negocios Basados en Big Data para Operadores Móviles. Tesis de Magíster en Gestión de Servicios Tecnológicos y de Telecomunicaciones. Universidad de San Andrés.


Refbacks

  • There are currently no refbacks.