Predicción de “Churn” en Plataformas de “Igaming” con Uso de “Machine Learning” y “Marketing Analytics”

Douglas Caldeira Silva; Nuno Manoel Martins Dias Fouto

DOI: 10.22167/2675-6528-202602832

Artículo derivado de Trabajo de Fin de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.

Resumen

La predicción de “churn” en plataformas de “iGaming” ha demostrado ser relevante debido al carácter no contractual de este entorno, donde la evasión se infiere a partir de señales conductuales y transaccionales observables. El trabajo tuvo como objetivo desarrollar y evaluar modelos predictivos capaces de estimar la probabilidad de “churn” de usuarios en plataformas de “iGaming”, basándose en variables conductuales y transaccionales, para apoyar decisiones de marketing analytics orientadas a la anticipación de la evasión. Se realizó una investigación aplicada, cuantitativa, predictiva y observacional retrospectiva, utilizando datos secundarios de una empresa del sector. La base analítica se estructuró en panel diario por usuario, con variables derivadas de la recencia, frecuencia, intensidad de uso y madurez de la relación. La definición operacional de “churn” consideró ventanas de inactividad de 15 y 30 días, adoptando la de 30 días como escenario principal. Se emplearon y evaluaron modelos de Regresión Logística y Random Forest. Los resultados indicaron que ambos algoritmos presentaron un elevado rendimiento predictivo. La Regresión Logística se destacó como alternativa principal por combinar alta precisión (0,8980), mejor rendimiento en AUC-ROC, AUC-PR y precisión, además de mayor interpretabilidad, mientras que Random Forest obtuvo un recall ligeramente superior y un F1-score equivalente. Se concluyó que el uso de técnicas de machine learning es viable para apoyar acciones de segmentación, priorización de usuarios y retención en “iGaming”, siempre que vaya acompañado de validación continua, monitorización del rendimiento y revisión periódica de la definición operacional de “churn”.

Palabras clave: Ambiente no contractual; Fuga de clientes; Random Forest; Regresión logística; Retención de clientes.

1. Introducción

La transformación digital ha impulsado la capacidad de las organizaciones para recopilar, almacenar y analizar datos sobre el comportamiento del consumidor, haciendo que las decisiones se basen cada vez más en la evidencia. En este escenario, el marketing analytics asume una posición estratégica, auxiliando en la identificación de patrones de consumo, segmentación de públicos y personalización de ofertas, así como en el desarrollo de acciones para la adquisición, retención y maximización del valor del cliente. Erevelles et al. (2016) destacan que los avances tecnológicos han ampliado el volumen, la velocidad y la variedad de los datos disponibles, creando nuevas posibilidades para la comprensión del comportamiento del consumidor y la orientación de decisiones de marketing. De forma complementaria, Kumar y Reinartz (2018) resaltan la contribución de la analítica en CRM y marketing para la segmentación, campañas, retención y gestión del valor del cliente. Dentro de este contexto, el fenómeno del churn, o evasión de clientes, emerge como uno de los principales desafíos para empresas en mercados digitales, ya que está directamente asociado a la interrupción o al debilitamiento de la relación del cliente con la organización (Jahromi et al., 2014).

En el sector de iGaming, esta discusión adquiere una relevancia particular debido a las características del segmento, que abarca plataformas digitales de apuestas deportivas, casino online y póker, operando en un entorno altamente competitivo, dinámico y dependiente del compromiso recurrente de los usuarios. En estos mercados, la retención de clientes es crucial, ya que la competencia es intensa, la migración entre plataformas puede ocurrir con facilidad y la recurrencia de uso impacta directamente el rendimiento del negocio. La capacidad de identificar señales previas de evasión se vuelve, por lo tanto, fundamental para las organizaciones que buscan mitigar pérdidas de ingresos, aumentar la permanencia de los usuarios y optimizar sus estrategias de relación. Merchie y Ernst (2022) refuerzan que la predicción de churn en online gambling es compatible con enfoques predictivos basados en el historial de actividad de los usuarios.

La literatura indica que el abandono del cliente generalmente no ocurre de forma aleatoria, siendo frecuentemente precedido por cambios observables en su comportamiento, como variaciones en la recencia, frecuencia y valor monetario de las interacciones. Kaya et al. (2018) demuestran que los patrones conductuales dinámicos, extraídos de registros transaccionales, pueden predecir decisiones de churn de manera más eficaz que los atributos demográficos. Mena et al. (2024) complementan, afirmando que las medidas de recencia, frecuencia y valor monetario, variantes en el tiempo, constituyen una base relevante para la predicción de churn. Esta perspectiva es aún más crítica en modelos de negocio no contractuales, en los cuales la pérdida del cliente no se manifiesta por una cancelación explícita, sino por señales de reducción o interrupción de la actividad observable. Fader y Hardie (2007) explican que, en contextos no contractuales, el momento en que el cliente se vuelve inactivo no es directamente observable por la empresa, lo que aproxima el fenómeno del churn a la realidad de las plataformas de iGaming, donde la evasión se infiere a partir del comportamiento transaccional del usuario.

En Brasil, la importancia del tema se ha intensificado por la reciente regulación del mercado de apuestas de cuota fija y juegos en línea. La Ley nº 14.790, de 29 de diciembre de 2023, estableció el marco normativo para la explotación de la apuesta de cuota fija e incluyó los juegos en línea, condicionando la operación a la autorización previa del poder público (BRASIL, 2023). Adicionalmente, el Ministerio de Hacienda registró el inicio de la operación plena del mercado regulado en enero de 2025 (BRASIL, 2024), lo que refuerza la institucionalización del sector y la necesidad de prácticas de gestión más estructuradas. En un entorno regulado, competitivo y intensivo en datos, la comprensión del comportamiento de los usuarios y la anticipación de movimientos de evasión se vuelven aún más relevantes para decisiones mercadológicas y gerenciales.

La elección del tema también se alinea con el creciente uso de datos en la toma de decisiones organizacionales. Con la mayor disponibilidad de registros conductuales y transaccionales, es posible emplear métodos analíticos para identificar patrones y clasificar perfiles de usuarios, subsidiando decisiones basadas en evidencia. Mitchell (1997) explica que el aprendizaje automático se basa en la construcción de sistemas que mejoran su desempeño a partir de la experiencia, ofreciendo soporte teórico para su aplicación en problemas con grandes volúmenes de datos y reconocimiento de patrones. En el contexto del iGaming, este enfoque es particularmente adecuado, ya que el churn no siempre se manifiesta por una cancelación explícita; en muchos casos, el usuario simplemente reduce su actividad o deja de interactuar con la plataforma, exigiendo que el abandono sea identificado por señales observadas en el propio comportamiento.

Ante este escenario, emerge la siguiente pregunta de investigación: ¿en qué medida las variables conductuales y transaccionales permiten predecir el churn en plataformas de iGaming, en un entorno no contractual? Desde la perspectiva académica, el estudio integra los campos de marketing analytics, retención de clientes y aprendizaje automático, alineándose a la Ciencia de Datos. Desde el punto de vista práctico, la investigación puede contribuir a la identificación temprana de usuarios con mayor riesgo de evasión, favoreciendo la priorización de acciones de retención, segmentación y relación orientadas por datos. En este contexto, el objetivo general de este trabajo consiste en desarrollar y evaluar modelos predictivos capaces de estimar la probabilidad de churn de usuarios en plataformas de iGaming, con base en variables conductuales y transaccionales, a fin de apoyar decisiones de marketing analytics orientadas a la anticipación de la evasión.

2. Material y Métodos

La investigación se caracterizó por ser aplicada, de enfoque cuantitativo, propósito predictivo y diseño observacional retrospectivo. El objetivo predictivo consistió en estimar la probabilidad de “churn” en plataformas de iGaming, utilizando datos estructurados de comportamiento y transacciones de usuarios, analizados por técnicas estadísticas y de machine learning (Gil, 2002; Prodanov y Freitas, 2013). Para ello, se emplearon datos secundarios de una empresa de gran tamaño del sector de iGaming, cuya identidad se preservó por confidencialidad. La unidad de análisis fue la instancia usuario-fecha, estructurada en un panel diario por usuario. La extracción inicial de los datos se realizó mediante consultas SQL sobre la base `kpis_usuarios_daily`, reuniendo variables como depósitos, retiros, “cashback”, “turnover” de casino, premio de casino y “gross gaming revenue” (GGR), relacionadas con el inicio de la relación, volumen transaccional e intensidad de actividad en la plataforma.

Para la construcción de la base analítica, se definió una cohorte de usuarios que realizaron el primer depósito (FTD) en enero de 2025, seguida a lo largo del año. El panel diario completo por usuario se construyó para representar explícitamente los días con y sin movimiento, esencial para el etiquetado del “churn” en un entorno no contractual. La base pasó por procedimientos de consistencia y preparación, incluyendo estandarización de datos, verificación de duplicados y comprobación de fechas inconsistentes. Se excluyeron observaciones con FTD posterior a la fecha de referencia e instancias sin ventana futura suficiente para el etiquetado de la variable objetivo para evitar fugas temporales.

La variable objetivo, “churn”, se infirió basándose en la interrupción observable de la actividad transaccional del usuario, considerando el movimiento financiero (depósito o retiro) como actividad relevante. Se evaluaron ventanas de inactividad de 15 y 30 días consecutivos, adoptándose la de 30 días como escenario principal por ser más conservadora y reducir la sensibilidad de la etiqueta a pausas temporales.

Las variables incluidas en la modelización fueron seleccionadas por su disponibilidad empírica y adherencia teórica al problema de “churn”, priorizando atributos de recencia, frecuencia, intensidad monetaria, madurez de la relación y cambios temporales en el patrón de movimiento (Kaya et al., 2018; Mena et al., 2024). Entre las principales, destacaron `valor_ftd_usuario`, `tiempo_desde_ftd`, `ticket_medio_deposito_30d`, `desaceleracion_actividad`, `dias_activos_15d`, `qtd_deposito_15d` y `proporcion_dias_activos_30d`, que sintetizaron la actividad reciente del usuario.

Para la predicción de “churn”, se utilizaron algoritmos supervisados de clasificación. La Regresión Logística fue adoptada como modelo principal y baseline, debido a su simplicidad e interpretabilidad (James et al., 2021). El algoritmo Random Forest fue empleado como modelo comparativo, por su capacidad de capturar relaciones no lineales (Breiman, 2001).

La validación de los modelos se realizó mediante holdout temporal, una estrategia adecuada para bases de datos con estructura cronológica (Roberts et al., 2017). El corte temporal para la separación analítica fue el 25 de septiembre de 2025, asegurando que los predictores se calcularan con información disponible hasta la fecha de referencia.

En la especificación conservadora, la Regresión Logística se entrenó con 739.349 observaciones y se probó en 197.232. El Random Forest se entrenó con 738.995 observaciones y se probó en 196.979. El rendimiento predictivo se analizó mediante “accuracy”, AUC-PR, AUC-ROC, precisión, “recall”, “F1-score” y matriz de confusión (Fawcett, 2006; Powers, 2011; Saito y Rehmsmeier, 2015).

Los procedimientos computacionales se realizaron en un entorno Databricks. La extracción inicial de datos se realizó mediante consultas SQL, mientras que la preparación de la base, la creación de variables y la definición de la variable objetivo se llevaron a cabo en PySpark. El modelado utilizó bibliotecas de machine learning. El estudio se desarrolló con datos secundarios de una empresa de iGaming, cuya identidad se preservó por confidencialidad, centrándose en patrones de comportamiento transaccional y temporal, sin objetivo de identificación individual de los usuarios, respetando el secreto informacional.

3. Resultados y Discusión

Esta sección presenta los resultados obtenidos en la etapa empírica del estudio, con énfasis en la definición de la variable objetivo, las características de la base analítica y la comparación entre los algoritmos Regresión Logística y Random Forest en el escenario principal de “churn” en 30 días. El análisis se llevó a cabo a partir de los resultados observados en la ejecución de los modelos en el entorno Databricks, buscando interpretar los hallazgos no solo en términos estadísticos, sino también en función de su utilidad analítica y gerencial para el marketing analytics en iGaming. La discusión articula el desempeño predictivo, el perfil de error de los clasificadores y las implicaciones operacionales para acciones de retención en un entorno no contractual, ofreciendo una comprensión integral de la aplicación de modelos de machine learning en este contexto.

La variable objetivo, que representa el “churn”, se construyó basándose en la ausencia de movimiento futuro del usuario en un entorno no contractual. Inicialmente, se evaluaron dos escenarios operativos de “churn”: 15 y 30 días consecutivos sin ocurrencia de depósito o retiro. En el escenario de 15 días, la clase positiva de “churn” representó el 79,58% de las instancias, mientras que la clase negativa correspondió al 20,42%. Al ampliar la ventana de inactividad a 30 días, la clase positiva pasó a representar el 73,90% de las observaciones y la clase negativa el 26,10%. Este comportamiento indica que la adopción de una ventana más larga reduce la sensibilidad de la etiqueta a pausas temporales de corta duración.

La definición de 30 días resultó ser más conservadora a efectos analíticos y se adoptó como escenario principal para la comparación entre algoritmos, aunque la elección sigue siendo operativa y dependiente del contexto de negocio. Esta ventana más larga se ajusta mejor al comportamiento intermitente típico de las plataformas digitales de iGaming. En entornos no contractuales, la simple ausencia de actividad durante unos pocos días no representa necesariamente un abandono efectivo, pudiendo reflejar pausas naturales en el patrón de uso. Así, el horizonte de 30 días tiende a producir una etiqueta más estable para la modelización y más compatible con decisiones de retención que exigen distinguir entre oscilación temporal y evasión probable (Fader et al., 2010; Merchie y Ernst, 2022).

Desde el punto de vista descriptivo, la base analítica presentó una fuerte concentración de valores iguales a cero en variables transaccionales diarias, como depósitos, retiros, “turnover” y GGR. Este patrón es coherente con la estructura usuario-fecha utilizada en el estudio y con la naturaleza discontinua de la actividad de los usuarios en plataformas de iGaming. Analíticamente, esto significa que una parte importante de la base está formada por días sin movimiento, lo que no constituye un error de construcción, sino una característica sustantiva del fenómeno observado. En contrapartida, tras el refinamiento de las variables, el atributo `valor_ftd_usuario` pasó a representar de forma más consistente una característica estructural del usuario a lo largo de su trayectoria, ampliando la utilidad informacional del “first-time deposit” para el modelado.

Este comportamiento descriptivo ya sugiere, incluso antes de la etapa predictiva, que la identificación del “churn” tiende a depender menos de un único evento monetario aislado y más de la combinación entre intensidad, frecuencia y recencia del uso. Las estadísticas descriptivas indican que la base combina dos propiedades relevantes para el problema de “churn”: elevada asimetría en variables monetarias y fuerte presencia de inactividad diaria. En términos de marketing analytics, este patrón es particularmente importante porque indica que la pérdida de vínculo con la plataforma no se debe solo a una caída abrupta en grandes valores transaccionales, sino también a cambios graduales de frecuencia e intensidad de uso.

En el proceso de construcción de la base, dos aspectos fueron particularmente relevantes para la coherencia temporal del problema. En primer lugar, la creación del panel diario completo por usuario permitió representar explícitamente los días sin movimiento, condición necesaria para el correcto etiquetado del “churn” en un entorno no contractual. En segundo lugar, la variable objetivo se construyó siempre a partir de una ventana futura de observación, de modo a evitar el uso de información posterior al momento de la predicción. En el escenario principal de “churn” en 30 días, la separación analítica se realizó con corte temporal el 25 de septiembre de 2025.

Esta separación resultó en 739.349 observaciones en entrenamiento y 197.232 en prueba para la Regresión Logística conservadora, y 738.995 observaciones en entrenamiento y 196.979 en prueba para el Random Forest conservador. En términos metodológicos, este cuidado es central, ya que la utilidad de un modelo de “churn” depende de su capacidad de operar con información disponible hasta la fecha de referencia, y no de reproducir retrospectivamente un comportamiento ya consumado. La interpretación de los resultados debe considerar que, en problemas de esta naturaleza, la robustez de la evidencia también depende de la distancia temporal entre observación y evento y de validaciones adicionales fuera de la muestra.

La comparación entre los algoritmos se realizó en el escenario principal de “churn” en 30 días. La Regresión Logística se trató como modelo principal conservador por combinar un alto rendimiento predictivo con una mayor interpretabilidad, mientras que el Random Forest se utilizó como modelo comparativo, permitiendo verificar si un enfoque no lineal basado en árboles produciría ganancias sustanciales de rendimiento. Esta elección también permite evaluar si la estructura del problema exige una mayor complejidad algorítmica o si una parte relevante de la señal puede ser capturada por un clasificador más simple y auditable. El carácter conservador de la comparación es especialmente relevante porque, en la especificación principal, se excluyeron variables excesivamente cercanas a la definición operativa del “churn”.

La Regresión Logística conservadora presentó una “accuracy” de 0,8980, un AUC-ROC de 0,9212 y un AUC-PR de 0,9743. Adicionalmente, obtuvo una “precision” de 0,9232, un “recall” de 0,9540 y un “F1-score” de 0,9384. Estos valores indican un desempeño predictivo robusto, con alta capacidad de discriminación entre las clases de “churn” y “no churn” en diferentes umbrales de decisión. La combinación de métricas elevadas refuerza la viabilidad del modelo para la anticipación de la evasión en plataformas de iGaming, ofreciendo un soporte significativo para decisiones de marketing analytics.

El Random Forest conservador, a su vez, obtuvo una “accuracy” de 0,8976, un AUC-PR de 0,9641, un AUC-ROC de 0,9044, una “precision” de 0,9127, un “recall” de 0,9664 y un “F1-score” de 0,9388. En términos estrictamente numéricos, las diferencias entre los modelos fueron pequeñas. Este resultado sugiere que parte sustancial de la señal predictiva puede ser capturada incluso por una frontera de decisión más simple. Sin embargo, la proximidad entre los desempeños también recomienda cautela: en problemas con variables recientes muy informativas, resultados elevados pueden reflejar tanto la capacidad de anticipación como la fuerte proximidad entre el comportamiento observado y el evento que se busca predecir.

La lectura de las métricas debe hacerse con cautela, especialmente debido a la distribución asimétrica de las clases. Dado que la clase positiva de “churn” representa el 73,90% de la base en el escenario de 30 días, la “accuracy”, aisladamente, tiene utilidad limitada como criterio de decisión. Como referencia mínima, un clasificador ingenuo que predijera siempre “churn” ya alcanzaría una precisión de aproximadamente 0,7390, sin ofrecer capacidad discriminatoria comparable. En este contexto, la Regresión Logística conservadora elevó la “accuracy” a 0,8980, lo que representa una ganancia de unos 15,9 puntos porcentuales sobre esta línea de base trivial.

Por esta razón, las métricas más relevantes para la interpretación de los resultados son AUC-PR, AUC-ROC, “precision”, “recall”, “F1-score” y, complementariamente, la matriz de confusión. Bajo esta perspectiva, la Regresión Logística presentó mejor desempeño en AUC-ROC, AUC-PR y “precision”, mientras que el Random Forest alcanzó “recall” ligeramente superior y “F1-score” prácticamente equivalente. Este patrón indica que el Random Forest fue un poco más agresivo en la recuperación de “churns” reales, al paso que la Regresión Logística preservó mejor la separación entre las clases a lo largo de los umbrales y el control relativo de falsos positivos.

El análisis de la matriz de confusión refuerza esta diferencia de perfil. En la ejecución consolidada, la Regresión Logística conservadora produjo 23.931 verdaderos negativos, 12.691 falsos positivos, 7.350 falsos negativos y 152.553 verdaderos positivos. El Random Forest conservador, por su parte, produjo 22.207 verdaderos negativos, 14.781 falsos positivos, 5.376 falsos negativos y 154.479 verdaderos positivos. En términos sustantivos, esto significa que el Random Forest recuperó más “churns” reales, pero a costa de activar incorrectamente a un mayor número de usuarios.

Como estas matrices dependen del umbral de clasificación adoptado en la ejecución de los experimentos, deben leerse como un retrato operacional del “trade-off” entre cobertura y selectividad en el escenario probado. En términos de negocio, esta diferencia es relevante porque la elección del modelo no depende solo del rendimiento estadístico agregado, sino también de la lógica operacional de las acciones de retención. En un contexto en el que el costo de contactar o bonificar a los usuarios sea elevado, un modelo con mayor “precision” puede ser más adecuado. Por otro lado, en estrategias en las que la prioridad sea maximizar la cobertura de los usuarios con riesgo de evasión, un modelo con “recall” más alto puede ser preferible.

Esta interpretación acerca los resultados del campo de marketing analytics. En aplicaciones prácticas, un modelo de “churn” no se utiliza solo para clasificación abstracta, sino para orientar decisiones como priorización de campañas, definición de públicos para CRM, segmentación de riesgo y asignación de presupuesto promocional. En este sentido, la diferencia entre los algoritmos puede leerse como una diferencia entre estrategias de activación: una más selectiva, con menor dispersión de esfuerzos, y otra más abarcadora, con mayor cobertura, pero con mayor riesgo de contactos innecesarios.

En términos gerenciales, esto significa que el puntaje predictivo puede ser incorporado a distintas reglas de relación, combinando riesgo de evasión con valor del usuario, sensibilidad promocional y costo esperado de intervención. Dicha lectura es convergente con estudios que sitúan la predicción de “churn” como instrumento relevante para la retención y para la toma de decisión en CRM en el sector de online gambling (Coussement y De Bock, 2013). El análisis de las importancias de las variables en el modelo Random Forest evidenció el predominio de atributos asociados a la actividad reciente y a la frecuencia transaccional.

En el caso de Random Forest, entre los seis atributos más relevantes, destacaron `dias_ativos_15d`, `qtd_deposito_15d`, `qtd_deposito_30d`, `deposito_15d`, `proporcao_dias_ativos_30d` y `deposito_30d`. Estos hallazgos indican que la distinción entre usuarios con mayor y menor probabilidad de “churn” está fuertemente asociada a la intensidad y recurrencia reciente de la actividad. Este resultado es coherente con la literatura sobre “churn” en contextos no contractuales, que tiende a destacar la centralidad de indicadores ligados a la recenticidad, frecuencia e intensidad comportamental (Fader et al., 2010).

En el caso específico del iGaming, la relevancia de estas variables sugiere que el debilitamiento del vínculo con la plataforma se hace observable sobre todo a través de la reducción de la actividad transaccional en las ventanas más cercanas a la fecha de referencia, en línea con la formulación del “churn” como problema de clasificación en online gambling presentado por Merchie y Ernst (2022). Al mismo tiempo, la predominancia de atributos muy recientes impone una reserva importante: parte del rendimiento puede derivar del hecho de que tales variables funcionan como marcadores bastante cercanos del propio evento de “churn”.

Esto fortalece la predicción a corto plazo, pero no elimina la necesidad de pruebas adicionales para evaluar la generalización en horizontes más lejanos. En términos gerenciales, esto significa que los modelos predictivos pueden ser particularmente útiles para identificar señales tempranas de alejamiento, permitiendo activar a los usuarios antes de que la evasión se consolide. Sin embargo, los hallazgos sugieren una mayor utilidad para intervenciones a corto plazo que para decisiones estratégicas a largo plazo, ya que la fuerza de las variables recientes tiende a reducir la distancia entre la detección de debilitamiento conductual y la materialización del “churn”.

Así, aunque los resultados son favorables al uso de machine learning para la anticipación del “churn”, deben ser comprendidos en el recorte específico de este estudio, sin generalizaciones excesivas y sin presumir un desempeño equivalente en otras ventanas temporales o en bases estructuradas de modo distinto. En relación a la interpretabilidad de la Regresión Logística, los coeficientes del modelo representan la variación en el logaritmo de las chances de “churn” asociada a cada variable, mantenidas las demás constantes. Coeficientes positivos indican asociación con aumento de las chances de “churn”, mientras que coeficientes negativos indican asociación con reducción de esas chances.

La exponenciación del coeficiente proporciona la razón de probabilidades (“odds ratio”): valores superiores a 1 indican aumento de las probabilidades relativas y valores inferiores a 1 indican reducción. Sin embargo, la versión consolidada de la modelización utilizada en este trabajo no conservó la tabla con los coeficientes individuales de las variables. Por este motivo, no se presentan valores específicos que no estén registrados en los resultados originales. La interpretación sustantiva de la Regresión Logística se apoya, por lo tanto, en las métricas de rendimiento, en el perfil de errores observado y en la lógica comportamental de las variables utilizadas en la modelización.

La elección de la Regresión Logística como modelo principal es defendible en el contexto analizado. Aunque el Random Forest presentó un “recall” ligeramente superior y un “F1-score” prácticamente equivalente, la Regresión Logística obtuvo mejores resultados en AUC-ROC, AUC-PR y “precision”, además de ofrecer mayor interpretabilidad. Este patrón sugiere que la introducción de mayor complejidad algorítmica no produjo una ganancia proporcional en las métricas más útiles para una aplicación gerencial selectiva. En términos prácticos, la diferencia entre los modelos equivale a privilegiar una mayor cobertura de “churns” reales, en el caso del Random Forest, o un menor volumen de activaciones indebidas, en el caso de la Regresión Logística.

En el contexto empresarial, esta característica tiene una relevancia concreta, ya que facilita la comunicación con las áreas de negocio, la auditabilidad del proceso analítico y la incorporación del modelo en rutinas de decisión orientadas al marketing. Así, la opción por el modelo logístico no deriva solo de una preferencia metodológica, sino de una combinación entre rendimiento competitivo, parsimonia analítica y mayor transparencia para el uso aplicado. Este enfoque permite que los equipos de marketing comprendan mejor los factores que influyen en el “churn” y desarrollen estrategias de retención más eficaces y dirigidas.

Como ejercicio ilustrativo de aplicación gerencial, se consideró el conjunto asociado a la matriz de confusión de la Regresión Logística, totalizando 196.525 instancias. Con 165.244 casos clasificados como positivos por el modelo, obtenidos por la suma entre verdaderos positivos y falsos positivos, una estrategia orientada por el “score” reduciría en aproximadamente un 16% el volumen de activaciones en comparación con el contacto indiscriminado de toda la base. Admitiendo, solo para fines de simulación, un costo medio de R$ 5,00 por contacto o acción de retención, el costo estimado pasaría de R$ 982.625,00 a R$ 826.220,00.

Esta reducción corresponde a una economía potencial de R$ 156.405,00 por ciclo. Este valor no representa una ganancia financiera efectivamente observada por la empresa, ya que la simulación no incorpora la tasa de conversión de las campañas, el valor del cliente, el costo de incentivos o el retorno incremental de las acciones de retención. Su objetivo es demostrar cómo la priorización basada en el riesgo de “churn” puede contribuir a una asignación más eficiente del presupuesto de marketing. La capacidad de optimizar los recursos de marketing es un beneficio significativo para las empresas del sector iGaming.

Los resultados, por lo tanto, indican que la aplicación de técnicas de machine learning al marketing analytics en iGaming es prometedora para la anticipación del “churn” en el horizonte de 30 días adoptado en este estudio. Las evidencias obtenidas sugieren que variables comportamentales y transaccionales recientes poseen una fuerte capacidad de discriminar usuarios con mayor probabilidad de evasión y que diferentes algoritmos pueden ofrecer perfiles distintos de utilidad gerencial. En este sentido, los hallazgos refuerzan la viabilidad del uso de modelos predictivos como soporte a la segmentación, a la priorización de usuarios y a la planificación de acciones de retención en entornos no contractuales.

En resumen, la predicción de “churn” en iGaming puede generar valor analítico y gerencial cuando se integra con prácticas de marketing analytics, especialmente en actividades de segmentación, priorización de usuarios y planificación de retención. Entre los modelos evaluados, la Regresión Logística conservadora fue adoptada como alternativa principal por reunir un rendimiento estadístico competitivo, mejor comportamiento en AUC-ROC, AUC-PR y “precision” y mayor interpretabilidad para uso aplicado, manteniendo una “accuracy” de 0,8980 incluso en una especificación más prudente. El Random Forest, por su parte, contribuyó como benchmark relevante, amplió la comprensión del “trade-off” entre cobertura y selectividad y reforzó la importancia de las variables de actividad reciente y frecuencia transaccional para la lectura del riesgo de evasión. Considerados en conjunto, los resultados sustentan la viabilidad del uso de modelos predictivos en el problema estudiado, pero también indican que su adopción práctica debe ir acompañada de validación continua, monitoreo de rendimiento y revisión periódica de la definición operacional de “churn”.

4. Conclusión

El presente trabajo tuvo como objetivo desarrollar y evaluar modelos predictivos para estimar la probabilidad de churn de usuarios en plataformas de iGaming, utilizando variables comportamentales y transaccionales, con el fin de apoyar decisiones de marketing analytics en la anticipación de la evasión. Se verificó que tanto la Regresión Logística como el Random Forest presentaron un elevado rendimiento predictivo en el escenario principal de churn, definido por 30 días de inactividad. La Regresión Logística se destacó como la alternativa principal, combinando alta precisión de 0,8980, mejor rendimiento en AUC-ROC y AUC-PR, y mayor exactitud, además de ofrecer mayor interpretabilidad para aplicación gerencial. Se observó que el Random Forest obtuvo un recall ligeramente superior y F1-score equivalente, pero con un mayor costo en falsos positivos. Los hallazgos indicaron que la capacidad de discriminar usuarios con mayor probabilidad de evasión está fuertemente asociada a atributos de actividad reciente y frecuencia transaccional, como días activos y cantidad de depósitos en ventanas de 15 y 30 días. La principal contribución del estudio reside en demostrar la viabilidad del uso de técnicas de machine learning para generar valor analítico y gerencial en iGaming, subsidiando la segmentación, la priorización de usuarios y la planificación de acciones de retención de forma más eficiente, con potencial de optimización de recursos de marketing.

Sin embargo, el estudio presentó algunas limitaciones que merecen consideración. La definición operacional de churn adoptada fue específica para el contexto analizado y dependiente de la ventana temporal de 30 días, lo que puede no generalizarse a otros escenarios. La predominancia de variables muy recientes, aunque útil para la predicción a corto plazo, puede no asegurar el mismo nivel de desempeño predictivo en horizontes más largos o en bases de datos con estructuras distintas. Además, la evaluación de los modelos se realizó en un recorte temporal específico, sin validaciones adicionales en diferentes períodos o con datos externos. Para estudios futuros, se sugiere la realización de pruebas con otros horizontes de inactividad y umbrales de clasificación, la implementación de estrategias adicionales de validación temporal, la calibración de los escores predictivos y la integración con métricas de valor del cliente y retorno de las acciones de retención. Se recomienda también ampliar la comparación entre algoritmos, incorporar nuevas variables comportamentales y promocionales, e investigar el desempeño de los modelos en diferentes contextos operacionales del sector, a fin de fortalecer la robustez analítica y la aplicabilidad práctica de los resultados obtenidos.

Referencias Bibliográficas

Brasil. 2023. Lei nº 14.790, de 29 de dezembro de 2023. Dispõe sobre a modalidade lotérica denominada aposta de quota fixa, altera as Leis nº 5.768, de 20 de dezembro de 1971, nº 13.756, de 12 de dezembro de 2018, e n° 14.183, de 14 de julho de 2021, e dá outras providências. Brasília, DF: Presidência da República. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2023-2026/2023/lei/l14790.htm . Acesso em: 8 abr. 2026.

Brasil. Ministério da Fazenda. 2024. Regulamentação feita pela Secretaria de Prêmios e Apostas coloca Brasil em mercado regulado de apostas em 2025. Brasília, DF, 26 dez. 2024. Disponível em: https://www.gov.br/fazenda/pt-br/assuntos/noticias/2024/dezembro/regulamentacao-feita-pela-secretaria-de-premios-e-apostas-coloca-brasil-em-mercado-regulado-de-apostas-em-2025 . Acesso em: 8 abr. 2026.

Breiman, L. 2001. Random forests. Machine Learning, v. 45, n. 1, p. 5-32. DOI: 10.1023/A:1010933404324.

Erevelles, S.; Fukawa, N.; Swayne, L. 2016. Big data consumer analytics and the transformation of marketing. Journal of Business Research, v. 69, n. 2, p. 897-904. DOI: 10.1016/j.jbusres.2015.06.041.

Fader, P. S.; Hardie, B. G. S. 2007. How to project customer retention. Journal of Interactive Marketing, v. 21, n. 1, p. 76-90. DOI: 10.1002/dir.20074.

Gil, A. C. 2002. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas.

Jahromi, A. T.; Stakhovych, S.; Ewing, M. 2014. Managing B2B customer churn, retention and profitability. Industrial Marketing Management, v. 43, n. 7, p. 1258-1268. DOI: 10.1016/j.indmarman.2014.06.016.

James, G.; Witten, D.; Hastie, T.; Tibshirani, R. 2021. An introduction to statistical learning: with applications in R. 2. ed. New York: Springer. DOI: 10.1007/978-1-0716-1418-1.

Kaya, E.; Dong, X.; Pentland, A. S. 2018. Behavioral attributes and financial churn prediction. EPJ Data Science, v. 7, art. 41. DOI: 10.1140/epjds/s13688-018-0165-5.

Kumar, V.; Reinartz, W. 2018. Customer relationship management: concept, strategy, and tools. 3. ed. Berlin: Springer. DOI: 10.1007/978-3-662-55381-7.

Mena, G.; Coussement, K.; De Bock, K. W.; De Caigny, A.; Lessmann, S. 2024. Exploiting time-varying RFM measures for customer churn prediction with deep neural networks. Annals of Operations Research v. 339, p. 765-787. DOI: 10.1007/s10479-023-05259-9.

Merchie, F.; Ernst, D. 2022. Churn prediction in online gambling. Future Generation Computer Systems, v. 132, p. 108-123. DOI: 10.1016/j.future.2022.02.013.

Mitchell, T. M. 1997. Machine learning. ISBN 9780071154673. McGraw-Hill.

Prodanov, C. C.; Freitas, E. C. 2013. Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico. 2. ed. Novo Hamburgo: Feevale.

Roberts, D. R.; Bahn

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy