Trabajamos con herramientas de Strata y AWS para la retención de clientes y la estandarización de procesos de aprendizaje automático.
C&W Communications es un proveedor líder de servicios de telecomunicaciones y entretenimiento en el Caribe y Latinoamérica. Al igual que muchos proveedores de servicios, uno de sus principales desafíos es la retención de clientes. Se enfrentaban a problemas de abandono de clientes y necesitaban desarrollar una solución de aprendizaje automático personalizada para predecir y prevenir el abandono involuntario. También buscaban estandarizar su ciclo de vida de desarrollo de ML y automatizar sus procesos de ciencia de datos. Strata se asoció con el cliente para construir una plataforma MLOps escalable utilizando servicios de AWS, lo que resultó en un aumento de 10% en las campañas de retención y cobranza, una reducción de 90% en las tareas y errores operativos, y 70% menos esfuerzo para futuras versiones. La solución permitió al equipo de análisis del cliente centrarse en el desarrollo y las mejoras del rendimiento, al tiempo que redujo el tiempo de implementación en 95%.
Los desafíos comunes requieren soluciones innovadoras.
C&W Communications se enfrentó a un serio desafío empresarial al observar un aumento repentino en el número de suscriptores que abandonaban involuntariamente sus servicios. Este problema podía abordarse mediante técnicas de aprendizaje automático (ML). La empresa necesitaba predecir la probabilidad diaria de baja para poder diseñar campañas de cobro específicas y tomar medidas rápidas para prevenirla. De esta forma, buscaban no solo reducir el número de suscriptores que se daban de baja, sino también minimizar la deuda pendiente.
De igual modo, se enfrentaron a desafíos comunes al implementar modelos de aprendizaje automático en producción. Estos incluyen dificultades con la monitorización, la necesidad de intervenciones manuales y problemas de escalabilidad. Al igual que otras organizaciones, más de la mitad de sus proyectos de aprendizaje automático no pudieron implementarse con éxito en producción debido a flujos de trabajo inconsistentes y laboriosos. Las mejoras de los modelos a menudo se realizaban manualmente en respuesta a la disminución del rendimiento, y la escalabilidad en el proceso de desarrollo era limitada. Además, el éxito de estos proyectos dependía en gran medida del personal clave, lo que convertía la rotación de personal en una preocupación importante.
Los principales obstáculos a los que se enfrentó C&W Communications fueron dos. El primero fue predecir la probabilidad diaria de baja involuntaria de cada cliente para optimizar las campañas de retención y cobro. El segundo desafío consistió en gestionar el ciclo de vida completo de la solución de aprendizaje automático (ML), incluyendo la estandarización de los procedimientos operativos para reducir la dependencia del personal y garantizar la escalabilidad. Además, era necesario habilitar o deshabilitar funciones de forma remota sin implementar código, desarrollar un proceso de reentrenamiento automático para corregir la desviación del modelo de ML y evitar el uso ineficiente de recursos, ya que los empleados dedicaban mucho tiempo a tareas manuales en lugar de a tareas de negocio de gran impacto.
AWS – Socio confiable
C&W Communications ha estado utilizando diversos servicios de AWS para sus necesidades comerciales, incluyendo el despliegue de sus lagos de datos. Esta experiencia previa con AWS ha permitido una integración perfecta del servicio de modelos con la plataforma de gestión de campañas, aprovechando los lagos de datos existentes. Esta integración ha facilitado significativamente la recopilación de puntuaciones de propensión a la pérdida de clientes para las campañas de retención y cobro, agilizando el proceso y aumentando la eficiencia. Además, la reputación de AWS en cuanto a fiabilidad, escalabilidad y mejora continua ha reforzado la confianza de C&W en sus servicios y su dependencia de ellos para sus operaciones comerciales.
Trabajo conjunto de Strata y C&W Communications
Strata ha colaborado con C&W Communications durante muchos años, proporcionando soluciones de análisis avanzado y ciencia de datos, automatización de marketing para sus principales campañas y consultoría empresarial basada en datos. Strata cuenta con una amplia experiencia en técnicas de modelado descriptivo y predictivo, ofreciendo información más profunda mediante el uso de múltiples algoritmos de vanguardia y el desarrollo ágil de modelos. Identifican relaciones clave entre los datos y descubren nuevos patrones utilizando técnicas estadísticas para el modelado y las pruebas. Además, proporcionan paneles de visualización de datos para ayudar a las empresas a comprender su situación actual o los resultados de sus modelos, empleando el marco MLOps como práctica recomendada.
Un enfoque MLOps para una mayor escalabilidad
Strata colaboró estrechamente con C&W para desarrollar una solución integral que abordara sus desafíos tanto en la predicción de abandono de clientes como en la gestión del aprendizaje automático (ML). La solución MLOps desarrollada por Strata automatiza procesos comunes de ciencia de datos, incluyendo la preparación de datos, el entrenamiento de modelos y las pruebas. La solución de Strata utiliza algoritmos de ML de alto rendimiento para el procesamiento de datos, la predicción, el monitoreo y el reentrenamiento automático, y se implementa en la cuenta en la nube del cliente. El sistema es sin servidor y orientado a eventos, desarrollado bajo metodologías ágiles para permitir lanzamientos granulares a producción. A lo largo del proyecto, Strata colaboró con varios departamentos de C&W, incluyendo negocios, finanzas, análisis y ML, para garantizar que la solución cumpliera con las necesidades y requisitos específicos de la organización.
La solución incorpora un modelo de aprendizaje automático que predice la deserción involuntaria mediante un algoritmo avanzado basado en árboles, seleccionado tras exhaustivas pruebas y experimentación. La arquitectura está totalmente integrada con AWS Step Functions, utilizando AWS Glue para la canalización de datos y Data Lake de CWC como fuente de datos. Amazon SageMaker Job gestiona las canalizaciones del modelo, mientras que Amazon CloudWatch administra el registro y Amazon DynamoDB almacena los metadatos del modelo y el seguimiento de procesos. En resumen, el marco MLOps ofrece alta escalabilidad y disponibilidad, reduce el tiempo de comercialización y facilita la gestión, operación y mantenimiento estandarizados y sencillos de la solución de aprendizaje automático.
El objetivo del sistema es realizar inferencias, monitorización y métricas diarias, así como un reentrenamiento semanal, tal como se ilustra en el diagrama de arquitectura a continuación. El proceso diario comienza cuando se dispone de nuevos datos para el día asignado. Cada canalización está diseñada para ser atómica, lo que significa que las canalizaciones incompletas o defectuosas no producirán datos corruptos. En su lugar, solo generarán metadatos para su análisis. Esta configuración permite que cada canalización se active de nuevo y reescriba su salida, creando nuevos metadatos.
Arquitectura de alto nivel
Debido al gran volumen de datos a procesar, se requería una solución de computación de datos distribuida. Tras una evaluación exhaustiva, se seleccionó Glue Spark como la opción más adecuada para el cliente. Las canalizaciones de datos se ejecutan en trabajos de Spark Glue, que están vinculados al catálogo de datos de AWS Glue, y los datos procesados se almacenan y particionan en el bucket de datos del proyecto.
Una vez completadas las canalizaciones de datos, el flujo de trabajo del modelo de aprendizaje automático se traslada a varios contenedores de trabajos de procesamiento de SageMaker que realizan diversas tareas, como el cálculo de métricas del modelo, la generación de datos de preprocesamiento, la obtención de puntuaciones de inferencia, el reentrenamiento del modelo y la selección semanal del mejor modelo. Los trabajos de procesamiento se ejecutan sin servidor, aprovechando la escalabilidad y flexibilidad de AWS SageMaker. Esto permite al equipo gestionar fácilmente las etapas de inferencia y monitorización del ciclo de vida del modelo de aprendizaje automático de forma optimizada y automatizada.
Mejora del rendimiento del modelo y de la campaña de retención: reducción de tareas manuales.
La solución implementada generó un impacto positivo significativo, incluyendo un aumento de 10% en las campañas de retención y cobranza, una reducción de 90% en las tareas operativas manuales y los errores gracias a la automatización del flujo de trabajo y las operaciones estandarizadas, y una reducción de 70% en el esfuerzo necesario para el lanzamiento en nuevos mercados debido a la arquitectura replicable y escalable. Tras desarrollar con éxito el modelo de abandono para el primer mercado (Jamaica), Strata fue invitada a crear modelos adicionales para otros dos mercados (Bahamas y Trinidad y Tobago). Además, el marco de aprendizaje automático permite al equipo analítico centrarse por completo en el desarrollo y la mejora del rendimiento del modelo, aprovechando mejor su talento y reduciendo el tiempo de implementación en 95%.
La solución garantiza la coherencia mediante sus propios contenedores desarrollados, ofrece flexibilidad y reproducibilidad para el desarrollo de nuevos mercados, promueve la reutilización de componentes en diferentes proyectos y admite la escalabilidad a través del marco MLOps, la monitorización y la explicabilidad mediante el seguimiento de metadatos.
El trabajo colaborativo continúa.
Existe un contrato vigente entre C&W Communications y Strata para la entrega de soluciones de aprendizaje automático y campañas de marketing, incluyendo lanzamientos diarios de campañas de retención, estimulación y cobro dirigidas a diferentes audiencias y objetivos. Se proporcionan diversas soluciones de modelos para distintos problemas y mercados (predicción de abandono, predicción de no recarga, segmentación de recargas y segmentación conductual), las cuales se ejecutan diariamente, semanalmente o mensualmente como insumos para las campañas mencionadas. Este servicio también incluye el apoyo al cliente en el análisis y monitoreo de los KPI clave, ayudando a identificar posibles problemas o a obtener información valiosa a partir de los datos. Strata pertenece al nivel avanzado de AWS y ha validado su ruta de servicios.
