Propuesta para la gestión de la fidelización de clientes para la compañía HashiCorp a través de Machine Learning

Abstract

Este trabajo aborda una propuesta para la gestión de la fidelización de clientes en HashiCorp utilizando un modelo predictivo de abandono basado en técnicas de Machine Learning. La investigación aborda una problemática crítica en el departamento de renovaciones: la dificultad para identificar proactivamente a los clientes con alto riesgo de no renovar sus contratos. A través de un enfoque metodológico, que incluyó entrevistas con líderes de distintos departamentos, se identificaron factores clave que contribuyen al riesgo de abandono, los cuales fueron utilizados para construir un modelo predictivo utilizando el algoritmo de bosques aleatorios. Este modelo calcula la probabilidad de abandono para cada cliente y presenta los resultados en un tablero (en adelante, dashboard) interactivo, lo que facilita la toma de decisiones informadas y proactivas por parte del equipo de renovaciones. La propuesta no genera costos adicionales, ya que aprovecha los recursos existentes de la organización, como las licencias de software, el personal interno y los sistemas actuales de gestión de datos. Además, se diseñaron estrategias específicas de fidelización, incluyendo programas de lealtad y segmentación de clientes por riesgo, que complementan los resultados del modelo y maximizan la retención. Entre las recomendaciones más destacadas se enfatiza la implementación de la propuesta, el enriquecimiento del modelo con métricas de uso de productos y la capacitación continua del equipo. Los beneficios incluyen una reducción significativa de la tasa de abandono, una mejora en la satisfacción del cliente y una mayor eficiencia operativa en el proceso de renovaciones. En síntesis, este trabajo representa un avance estratégico para HashiCorp, alineando la tecnología con objetivos organizacionales para garantizar el crecimiento sostenible.