Aplicación del procesamiento de lenguaje natural para segmentar clientes en una empresa de cobranza.

Contenido principal del artículo

Marco Santiago Jácome-Jara
Mario Ernesto Cevallos-Campoverde

Resumen

La recuperación de cartera es una actividad con gran demanda, impulsada por la inclusión financiera, la transformación digital y la ciencia de datos. Las empresas de cobranza invierten en infraestructura y mano de obra para ser competitivas y rentables, en un mercado con notables cambios económicos y sociales.


El marketing tradicional utiliza variables duras para conocer la estructura, características y condicionantes de grupos o personas, la incorporación de variables blandas añade información solapada, mejorando el análisis.  En esta línea, según el análisis transaccional existen tres maneras diferentes desde, y hacia donde, nos relacionamos con el mundo: padre, adulto y niño.


Los comportamientos, pensamientos, sentimientos y emociones que se expresan en cada uno de estos estados, se denominan “estados del yo”. El uso de estas herramientas a nivel empresarial se ve favorecido por la evolución del neuromarketing y el desarrollo de técnicas computacionales para sintetizar los procesos cognitivos, denominados Inteligencia Artificial (IA).


Así, esta propuesta de investigación plantea responder si la identificación a priori de los estados del yo permite diferenciar los patrones de relacionamiento padre, adulto y niño, utilizando IA, y propone utilizar estas variables blandas para la segmentación de una cartera vencida.


Utilizando Python para Procesamiento de Lenguaje Natural (PNL) y regresión logística para aclarar las relaciones entre segmentación y comportamiento de pago, se obtuvo resultados que revelan las relaciones propuestas, y se aceptan en su amplia mayoría, además de proponer las bases para el diseño de estrategias eficaces en la gestión de cobranza moderna.


Palabras clave: segmentación de clientes, cobranza, variables blandas, buyer persona, inteligencia artificial

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Jácome-Jara , M., & Cevallos-Campoverde , M. . (2022). Aplicación del procesamiento de lenguaje natural para segmentar clientes en una empresa de cobranza. 593 Digital Publisher CEIT, 7(5-2), 99-113. https://doi.org/10.33386/593dp.2022.5-2.1431
Sección
Administración
Biografía del autor/a

Marco Santiago Jácome-Jara , Pontificia Universidad Católica del Ecuador Sede Manabí - Ecuador

https://orcid.org/0000-0002-1243-2367?lang=es

Nacido en el tradicional barrio de Chimbacalle. Mis estudios secundarios los realicé en el colegio Juan Pío Montúfar. Me gradué como Ingeniero Matemático en la Escuela Politécnica Nacional y actualmente curso la maestría en Marketing Digital. Llevo más de 20 años generando valor en empresas de servicios financieros y telecomunicaciones. Mis principales intereses son política, filosofía y matemáticas. Actualmente desarrollo aplicaciones empresariales basadas en inteligencia artificial.  

Mario Ernesto Cevallos-Campoverde , Pontificia Universidad Católica del Ecuador Sede Manabí - Ecuador

https://orcid.org/0000-0001-8381-9326

Magister en Planificación y Dirección Estratégica, Licenciado en Publicidad, con 17 años de experiencia, gerente de Lasintec, empresa consultora en desarrollo y crecimiento empresarial, docente universitario, exfuncionario público desempeñando actividades de dirección administrativa financiera, asesoría en planificación, análisis técnico de la contratación pública y administración del talento humano. Para el sector privado el ejercicio se ha enfocado desempeñar actividades como consultor en desarrollo y crecimiento de empresas, estrategias de mercadeo, comerciales, publicidad, comercio electrónico, innovación, implementación de tecnología y expansión de franquicias. 

Citas

Acevedo, E. (2018). Según el Global Findex y más allá del Global Findex. https://www.findevgateway.org/sites/default/files/publications/files/libro_inclusion-versiondigital_0.pdf

Antonio, F., & Zaga, R. (2021). El sobreendeudamiento como problema legal y social. Propuesta de reforma del Código de Protección y Defensa del Consumidor. https://doi.org/10.21142/DES-1301-2021-0011

Arias, E. (2 de enero de 2022). Historia del crédito. https://economipedia.com/historia/historia-del-credito.html

Armstrong, G., Kotler, P., y Mues Zepeda, A. (2013). Fundamentos de marketing. https://frrq.cvg.utn.edu.ar/pluginfile.php/14584/mod_resource/content/1/Fundamentos%20del%20Marketing-Kotler.pdf

Arroyo, I. (2021). Universidad Andina Simón Bolívar Sede Ecuador. Modelo econométrico aplicado para determinar el comportamiento de la cartera de microcrédito de los bancos privados del Ecuador especializados en microcrédito en el periodo 2007-2019. http://hdl.handle.net/10644/8384

Banco Mundial. (29 de marzo de 2022). Inclusión financiera. Entendiendo La Pobreza. https://www.bancomundial.org/es/understanding-poverty

Bojanić, M., Delić, V., & Karpov, A. (2020). Call redistribution for a call center based on speech emotion recognition. Applied Sciences (Switzerland), 10(13). https://doi.org/10.3390/app10134653

Caldentey, E. P., & Titelman, D. (2014). La inclusión financiera para la inserción productiva y el papel de la banca de desarrollo. www.cepal.org/es/suscripciones

Cambria, E., Havasi, C., & Hussain, A. (2012). SenticNet 2: A Semantic and Affective Resource for Opinion Mining and Sentiment Analysis. www.aaai.org

Contact Center Predictions for 2023 and Beyond. (2022). 8x8 Contact Center Predictions Report. https://www.8x8.com/resources?asset=97g7vnr0v375h8nqg0tafm7fah

Demirgüç-Kunt, A., Klapper, L., Singer, D., & Ansar, S. (2021). Financial Inclusion, Digital Payments, and Resilience in the Age of COVID-19.

Demirguc-Kunt, A., Klapper, L., Singer, D., Ansar, S., Hess, J. (2018) A. The Global Findex Banco Mundial. (2017). The Global Findex Database 2017 Measuring Financial Inclusion and the Fintech Revolution. https://documentos.bancomundial.org/es/publication/documents-reports/documentdetail/332881525873182837/the-global-findex-database-2017-measuring-financial-inclusion-and-the-fintech-revolution

Fabricio, R., & Flores, D. (2018). Determinantes de la Tasa de Morosidad de la Cartera Bruta de Consumo: Desde la visión de los datos de panel dinámicos. https://estadisticas.superbancos.gob.ec/portalestadistico/portalestudios/wp-content/uploads/sites/4/downloads/2018/09/determinantes_morosidad_2017.pdf

Felipe, D., Espinoza, V., Jesús, J., & Julissa, M. (2021). Inteligencia artificial y condición humana: ¿Entidades contrapuestas o fuerzas complementarias? https://www.redalyc.org/articulo.oa?id=28066593034

Golman, M., & Bekerman, M. (2018). What drives debt defaults in microfinance? The case of the asociación civil avanzar. In Problemas del Desarrollo (Vol. 49, Issue 195, pp. 127–151). Universidad Nacional Autónoma de México. https://doi.org/10.22201/iiec.20078951e.2018.195.62527

Improving Debt Collection with Technology. (Diciembre de 2022). Https://www.Acqueon.Com/Blog/Improving-Debt-Collection-with-Technology/.

Jácome, M. (2015). Construcción de un modelo estadístico para calcular el riesgo de deterioro de una cartera de microcréditos y propuesta de un sistema de gestión para la recuperación de la cartera en una empresa de cobranzas. http://bibdigital.epn.edu.ec/handle/15000/9194

Peña, O. (2019). Análisis de audio para extracción de características, segmentación, clasificación y predicción https://cimat.repositorioinstitucional.mx/jspui/bitstream/1008/1029/1/TE%20754.pdf

Rivera, M., Pulgar, K., Dávalos, E., y Gallegos, D. (2022). Inclusión financiera y pobreza: Un analisis para el Ecuador. www.cidecuador.com

Solano, R., Guerrero, R., y Ponce, K. (2020). Inclusión financiera y desarrollo. https://www.superbancos.gob.ec/bancos/wp-content/uploads/downloads/2020/07/LIBRO-INCLUSION-FINANCIERA-Y-DESARROLLO.pdf