SOCI | Devpost

SOCI — Churn Hunters Predicción de churn para Arca Continental · Hack 4 Her El problema Cada mes Arca Continental pierde ~12 millones de MXN en tienditas del canal tradicional que dejan de comprar. Hoy se detecta tarde: el equipo comercial reacciona cuando el cliente ya se fue. Queríamos darle la vuelta y predecir quién está a punto de irse, antes de que pase. Qué hace SOCI le asigna a cada cliente una probabilidad de churn y lo clasifica en una lista de acción:

🔴 Alto → llamada urgente (~5,998 clientes) 🟡 Medio → visita este mes (~7,997) 🟢 Bajo → seguimiento normal

Sobre 199,923 clientes evaluados para febrero 2026, esto representa ~$11.8M MXN recuperables al mes. Y responde las 3 preguntas del reto:

¿Qué pesa más? La recencia de compra (meses sin comprar) es la señal más fuerte, seguida de la posición del cliente en su territorio y la pérdida de coolers. ¿El territorio importa? Sí: Monclova (1.35%), Reynosa (1.31%) y Guadalajara (1.13%) tienen mucho más churn que Durango (0.28%). ¿Los coolers importan? Mucho. A más coolers, menos churn: CoolersChurn03.34%10.73%6+0.05%

Instalar el primer cooler reduce el churn ~78% — la acción de retención con mayor ROI.

Cómo lo construimos

Datos: 4 tablas reales de Arca (~5M de ventas, ~4.6M de coolers, 371K clientes). Feature engineering (43 variables): lags de ventas, tendencias, caídas vs. máximo, recencia, coolers perdidos y contexto territorial. Modelo: XGBoost optimizado para datos desbalanceados, métrica PR-AUC. Validación Walk-Forward: entrenamos con ene 2024 → dic 2025, validamos en ene 2026 y predecimos feb 2026 — sin fuga de información. Resultado: PR-AUC 0.9262 (~107× sobre baseline). Dashboard en HTML + Chart.js con un asistente de IA (LLaMA 3.3 70B vía Groq) que explica las métricas en lenguaje natural.

Retos

Manejar un desbalance extremo (casi nadie churnea) usando PR-AUC en vez de accuracy. No filtrar el futuro: usar solo lo conocido antes del mes a predecir. Procesar +9M de registros optimizando memoria.

Lo que aprendimos La métrica correcta lo es todo, la validación temporal hace la diferencia, y la mejor variable no fue la más compleja sino la más simple y explicable: la recencia de compra. Qué sigue Integrarlo al CRM de Arca, agregar explicaciones SHAP por cliente en el dashboard y medir el churn evitado con un experimento A/B.