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

Abstract

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