Análisis de Churn en Gimnasios - Model Fitness

4,000+

Clientes Analizados

Variables Predictivas

92%

Precisión del Modelo

Segmentos de Clientes

🎯 Resultados Principales

Desarrollado modelo predictivo con 92% de precisión para identificar clientes en riesgo de cancelación
Identificados 5 segmentos únicos de clientes mediante clustering con K-means
Los clientes con contratos más largos tienen menor probabilidad de cancelación
La participación en clases grupales es un factor clave de retención
Los gastos adicionales están correlacionados con mayor lealtad del cliente
Creado sistema de alertas tempranas para prevenir cancelaciones

Python Pandas NumPy Scikit-learn Matplotlib Seaborn Jupyter Notebook Machine Learning K-means Clustering