Optimización De Horarios De Contacto Con Clientes Utilizando Un Modelo De Clasificación Predictivo: Caso Empresa de Cobranza ABC

Abstract

Este estudio presenta la implementación de un modelo de tipo predictivo el cual será empleado para la clasificación, apoyado en técnicas de aprendizaje automático, para optimizar los horarios de contacto telefónico con clientes en una empresa dedicada a la gestión de cobranzas. A partir del análisis de más de 3.5 millones de registros históricos, se identificaron patrones de comportamiento que permiten establecer los momentos del día con mayor probabilidad de contacto efectivo. Los resultados muestran que los rangos horarios de 9:00 a 12:59 (H2) y de 13:00 a 15:59 (H3) presentaron tasas de efectividad del 36.5 % y 25.2 %, respectivamente, mientras que el horario nocturno (19:00 a 23:59) apenas alcanzó un 5.9 %. Con la meta de mejorar considerablemente la eficiencia operativa del call center, se utilizaron los modelos Random Forest y Gradient Boosting, obteniendo una exactitud del 82.23 % y 82.22 %, respectivamente. La metodología CRISP-DM guió el desarrollo del proceso analítico, desde la comprensión del negocio hasta el despliegue del modelo en el sistema de gestión de llamadas de la empresa. El modelo Random Forest permitió además el etiquetado inteligente de los números telefónicos con su mejor rango horario, facilitando decisiones informadas y personalizadas por parte de los gestores. Este enfoque contribuye notablemente a la inteligencia artificial aplicada a procesos empresariales, proporcionando una herramienta robusta, escalable y adaptable para empresas que buscan maximizar su efectividad en la comunicación con clientes. La solución propuesta mejora no solo la tasa de contactabilidad, sino también la experiencia del usuario, al evitar llamadas en momentos inadecuados y asignar estratégicamente los recursos humanos y tecnológicos disponibles.