Churn Hunters by las Tortugas Hackatecas

Inspiration

Las tienditas de abarrotes y misceláneas del canal tradicional son el corazón de la economía mexicana y la columna vertebral de Arca Continental. Sin embargo, una fuga silenciosa de 12 millones de pesos mensuales en clientes que dejan de comprar representa un reto crítico. Inspiradas por el equipo de Digital Nest y motivadas por proteger este canal tan icónico, las Tortugas Hackatecas decidimos diseñar una solución que no se lamente por las pérdidas del mes pasado, sino que use la inteligencia artificial para predecir el futuro y actuar a tiempo.

What it does

Churn Hunters es un sistema inteligente de analítica avanzada que evalúa mensualmente el nivel de riesgo de abandono de cada cliente del canal tradicional. Al procesar millones de registros, nuestra solución genera un scoring predictivo que clasifica a las tienditas en tres niveles: Riesgo Alto, Medio o Bajo. El sistema responde directamente a las tres grandes dudas del negocio: identifica qué variables transaccionales pesan más, determina el impacto real del territorio geográfico y evalúa cómo la asignación de coolers (refrigeradores) actúa como un escudo protector contra la pérdida de clientes.

How we built it

Construimos la solución utilizando un enfoque de Machine Learning usando Python:

EDA Masivo: Analizamos más de 5 millones de filas de datos reales anonimizados (Ventas, Clientes, Coolers y Labels) con Pandas, Matplotlib y Seaborn para entender el comportamiento comercial desde 2024.
Ingeniería de Features: Diseñamos variables temporales para capturar la tendencia de compra y el histórico mensual de refrigeradores por punto de venta, controlando el fuerte desbalance de clases nativo del problema.
Modelado de Alto Rendimiento: Elegimos LightGBM como nuestro motor predictivo debido a su escalabilidad masiva, eficiencia extrema en el uso de memoria y su capacidad única para procesar variables categóricas complejas (como territorios y subcanales) en cuestión de minutos.

Challenges we ran into

El primer gran reto fue el volumen de la información; procesar tablas con millones de registros empujó los límites de memoria de nuestro entorno de Google Colab, lo que nos obligó a ser sumamente eficientes con los tipos de datos y los cruces (joins). El segundo desafío fue el severo desbalance de la variable objetivo (pocos clientes hacen churn en comparación con la masa total), lo que solucionamos optimizando las métricas de evaluación hacia el Recall (Sensibilidad) y el F1-Score, asegurando que el modelo realmente atrape a las tienditas en riesgo en lugar de solo predecir el caso común.

Accomplishments that we're proud of

Desarrollar un modelo predictivo con LightGBM que es altamente veloz, escalable y listo para producción en la infraestructura de Arca Continental.
Resolver con datos las 3 preguntas clave del negocio, demostrando matemáticamente la correlación entre la cantidad de coolers, la ubicación geográfica y la retención del cliente.
Diseñar un sistema de scoring intuitivo que traduce métricas de datos complejas en una herramienta accionable para que cualquier directivo o agente comercial tome decisiones en el campo.

What we learned

Reafirmamos que en la ciencia de datos el 80% del éxito radica en una limpieza impecable y una ingeniería de variables con sentido de negocio. Aprendimos la importancia de seleccionar el algoritmo correcto; mientras que otros enfoques tradicionales habrían colapsado con 5 millones de registros, LightGBM nos demostró el poder de los algoritmos basados en histogramas. Finalmente, aprendimos que una solución técnica no tiene valor si no se conecta con el impacto financiero de la empresa.

What's next for Churn Hunters by las Tortugas Hackatecas

El siguiente paso para nuestra solución es integrarla en un tablero analítico interactivo (como PowerBI o una app web) para el equipo de ventas. Además, queremos transformar el modelo de netamente predictivo a prescriptivo; es decir, que el sistema no solo alerte "este cliente tiene riesgo alto", sino que recomiende automáticamente la acción comercial ideal (por ejemplo: reasignar un cooler de más puertas o activar una promoción personalizada de Monster o Jugos del Valle) para capturar de inmediato esos 12 millones de MXN en juego.