En el panorama actual del marketing impulsado por datos, predecir las respuestas de los clientes a las campañas de marketing es esencial para optimizar tanto la participación como el Retorno de la Inversión (ROI). Este estudio tiene como objetivo desarrollar un modelo predictivo utilizando un Árbol de Decisión (DT) para identificar los factores clave que influyen en el comportamiento del cliente y mejorar la segmentación de la campaña. La metodología implica la construcción del modelo DT, logrando inicialmente una precisión del 87.3%. Sin embargo, el modelo enfrentó desafíos con la precisión y la recuperación debido al desequilibrio de clases. Para abordar esto, se aplicó una técnica de re-muestreo, que mejoró significativamente el rendimiento del modelo, aumentando la recuperación del 44% al 83.1% y el puntaje F1 del 49% al 74.2%. Las características clave identificadas incluyen la recencia de la compra de un cliente, su duración como cliente y su historial de respuesta a campañas anteriores. Este estudio demuestra la practicidad y la interpretabilidad del modelo DT, ofreciendo ideas accionables para los profesionales del marketing que buscan mejorar la efectividad de la campaña y la segmentación de clientes.