Cuéntame cómo construirías desde cero un modelo de abandono para un producto de suscripción.

Define primero el abandono y el horizonte de predicción, ya que la etiqueta determina todo lo demás. Construye un conjunto de variables correcto en el tiempo a partir del comportamiento anterior al corte, reparte por tiempo, empieza con una línea base de logística regularizada o gradient boosting, y evalúa con la precisión al nivel de capacidad de retención que exista. Luego diseña la intervención junto con el modelo, porque una puntuación sobre la que nadie actúa no vale nada.

Empiezo por la etiqueta, porque el abandono no es obvio. En una suscripción mensual puede ser no renovar en la siguiente fecha de facturación; en un producto de uso puede ser sin actividad durante treinta días. También fijo el horizonte: ¿predecimos el abandono en los próximos treinta días o en el próximo trimestre? Son modelos distintos con intervenciones distintas. Luego construyo variables a una fecha de corte, usando solo comportamiento anterior a ella: tendencia de uso, tickets de soporte, fallos de pago, cambios en el número de licencias, antigüedad. La corrección temporal es la parte con la que más cuidado tengo. Reparto por tiempo, entrenando con cohortes anteriores y validando con posteriores. La línea base es una regresión logística regularizada para tener algo interpretable, y luego gradient boosting para ver cuánto margen queda. Para evaluar pregunto al equipo de retención a cuántos clientes puede contactar por semana e informo de la precisión en esa franja superior en lugar del AUC global. Y insisto en diseñar la intervención con ellos, idealmente con un grupo de control, porque si no, en seis meses nadie podrá decir si el modelo salvó a un solo cliente.