Modelos Scoring con un Enfoque de Estructuras de Covarianza Aplicados a la Mercadotecnia Directa

Las empresas que mantienen relaciones comerciales directamente con los consumidores finales suelen enfrentarse al problema de anunciar sus productos y servicios a costos competitivos que les permitan mantener su liquidez. Lamentablemente, los medios tradicionales de mercadeo tales como la televisión, la radio o los medios impresos generan costos excesivamente altos, que, en casos de empresas pequeñas, pueden ser inclusive superiores al nivel de facturación que estas organizaciones podrían lograr. Como respuesta a este dilema surge la mercadotecnia directa, una técnica que permite dirigir la publicidad a clientes específicos seleccionados con base en sus características y propensión de compra. Los métodos para realizar esta selección pueden modelarse matemáticamente y existen empresas dedicadas al desarrollo exclusivo de este tipo de herramientas; lamentablemente el costo de implementación de sus modelos generados suele ser también demasiado elevado para los presupuestos asignados a la publicidad y mercadotecnia. Tomando como idea central el problema mencionado, esta tesis toma los aspectos más significativos de dos herramientas de análisis utilizadas en la industria crediticia y en las ciencias sociales, los Modelos Credit Scoring y los Modelos de Estructuras de Covarianza. El modelo resultante consta de 4 grandes etapas que se interrelacionan para calcular la propensión de compra de los clientes de una organización. Etapa de selección: Se identifican los clientes a analizar con base en información histórica. Etapa de modelación Etapa de calificación: Se sustituyen los valores reales de los clientes analizados en el modelo para obtener una Calificación Score. Etapa de calibración: Se calcula un nivel mínimo de aceptación denominado Cut Off y se analizan los resultados obtenidos mediante una matriz de confusión. Se realizan ajustes al modelo en caso de ser necesario. Para probar el modelo propuesto se analizó un caso de estudio tomado de la competencia CoIL 2000, realizada en Estados Unidos, cuyo objetivo es identificar a aquellos clientes, tomados de una base de datos, propensos a la contratación de un seguro de casas rodantes. Posteriormente se compararon los resultados obtenidos con un análisis de Regresión Logística para verificar la eficiencia de la metodología. El modelo propuesto y su aplicación práctica llevan a la conclusión de que es factible utilizar información cualitativa para pronosticar la propensión de compra de un cliente utilizando las cuatro etapas descritas, sí y solo sí la interpretación de la información es correcta y el modelo cumple con los supuestos estadísticos de variabilidad de los datos. Finalmente, el campo de investigación se abre como un amplio panorama para continuar con el análisis y desarrollo de este tipo de modelos que coadyuven a la toma de decisiones no solo en las estrategias mercadológicas sino en otros ámbitos profesionales