Proyecto de investigación de un modelo predictivo para la optimización del proceso de captación de estudiantes en el Instituto Superior San Ignacio de Loyola

Abstract

El presente trabajo de investigación plantea la creación de un modelo predictivo para calificar prospectos en el proceso comercial de captación y conversión de estudiantes en el Instituto San Ignacio de Loyola (ISIL). Su objetivo es optimizar la eficiencia, la tasa de conversión y el retorno de inversión (ROI, por sus siglas en inglés) mediante analítica avanzada y asignación estratégica de recursos basada en datos. El modelo utiliza algoritmos de aprendizaje automático aplicados a datos históricos del customer relationship management (CRM) Salesforce, generando puntajes que priorizan prospectos según su probabilidad de inscripción y orientan campañas comerciales. La propuesta busca contrarrestar la disminución proyectada en la conversión de prospectos (de 17.53 % en 2022 a 14.00 % en 2026) mediante un incremento del 10 %, elevando la tasa a 15.4 %. Con una base anual de 90 000 prospectos, esto representa 1158 matrículas adicionales por año. Asimismo, se estima una reducción mínima del 10 % en el costo de adquisición de clientes (CAC), optimizando la inversión comercial. En términos financieros, el proyecto se considera viable y prioritario. Se proyecta un ROI acumulado de 141.08 % en tres años, equivalente a S/ 1.41 de retorno neto por cada sol invertido, y un valor actual neto (VAN) con retorno del 25.87 %. El beneficio directo por matrículas adicionales, considerando un ingreso promedio anual de S/ 5400 por estudiante, asciende a S/ 6 253 200 anuales. Estos resultados evidencian que el modelo no solo mejora la eficiencia operativa, sino que transforma la gestión comercial al pasar de un enfoque descriptivo a uno predictivo, permitiendo anticipar comportamientos y optimizar decisiones. Con ello, ISIL fortalece su competitividad al competir por valor y no únicamente por costos, consolidando una ventaja estratégica sostenible.

This research project proposes the creation of a predictive model to qualify prospects in the commercial process of attracting and converting students at the San Ignacio de Loyola Institute (ISIL). Its objective is to optimize efficiency, conversion rates, and return on investment (ROI) through advanced analytics and strategic resource allocation based on data. The model uses machine learning algorithms applied to historical data from Salesforce customer relationship management (CRM), generating scores that prioritize prospects according to their likelihood of enrollment and guide sales campaigns. The proposal seeks to counteract the projected decline in prospect conversion (from 17.53% in 2022 to 14.00% in 2026) by increasing it by 10%, raising the rate to 15.4%. With an annual base of 90,000 prospects, this represents 1,158 additional enrollments per year. Likewise, a minimum reduction of 10% in customer acquisition cost (CAC) is estimated, optimizing commercial investment. In financial terms, the project is considered viable and a priority. A cumulative ROI of 141.08% is projected over three years, equivalent to a net return of S/ 1.41 for every sol invested, and a net present value (NPV) with a return of 25.87%. The direct benefit from additional enrollments, considering an average annual income of S/ 5,400 per student, amounts to S/ 10,206,000 per year. These results show that the model not only improves operational efficiency but also transforms commercial management by shifting from a descriptive to a predictive approach, allowing for the anticipation of behaviors and the optimization of decisions. In doing so, ISIL strengthens its competitiveness by competing on value and not just on cost, consolidating a sustainable strategic advantage.