Planificación estratégica para Tarjeta Naranja: Desarrollo de un sistema de puntos para fomentar el ahorro destinado a individuos clientes de Naranja X

Abstract

El presente trabajo responde a la necesidad de Naranja X de fidelizar a sus clientes en un entorno competitivo como el sector fintech. A partir de un diagnóstico del macroentorno, la industria y un análisis interno, se identificó una baja adopción del producto Frascos, lo que representó una oportunidad de mejora. En el marco teórico se trabajó el concepto de gamificación, entendido como la aplicación de mecánicas de juego en contextos no lúdicos para incentivar comportamientos como el ahorro. Se propuso un sistema de puntos vinculado a Frascos para mejorar la experiencia del usuario, aumentar su fidelización y así incrementar los ingresos. La propuesta se enmarca en una planificación estratégica, combinando una estrategia de penetración de mercado, según la matriz Ansoff, con una de crecimiento por diferenciación. Si bien el ROI, el VAN y la TIR son positivos, se necesitan mayores ajustes para lograr aún más rentabilidad. Aun así, se considera una propuesta valiosa para seguir desarrollando, y se recomienda, para trabajos futuros, explorar cómo herramientas de inteligencia artificial pueden mejorar la personalización y efectividad de estas estrategias.

This work responds to Naranja X’s need to build customer loyalty in a competitive environment such as the fintech sector. Based on a diagnosis of the macroenvironment, the industry, and an internal analysis, a low adoption of the Frascos product was identified, representing an opportunity for improvement. The theoretical framework addressed the concept of gamification, understood as the application of game mechanics in non‑gaming contexts to encourage specific behaviors such as saving. A points‑based system linked to Frascos was proposed to improve the user experience, increase loyalty, and thus raise revenues. The proposal is part of a strategic planning process that combines a market penetration strategy, based on the Ansoff Matrix, with a growth strategy through differentiation. Although the ROI, NPV, and IRR are positive, further adjustments are needed to achieve greater profitability. Nevertheless, it is considered a valuable proposal for further development. Future work is encouraged to explore how artificial intelligence tools could improve the personalization and effectiveness of such strategies.