Microssegmentação de clientes de uma instituição financeira brasileira para análise da rentabilidade

• Ano de defesa: 2024
• Autor(a) principal: Izepe, Fernanda
• Orientador(a): Matsumoto, Élia Yathie
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Instituição financeira; Margem de contribuição; Clientes; Segmentação; Aprendizado não supervisionado; Agrupamento
• Palavras-chave em Inglês: K-means; K-modes; Financial institution; Contribution margin; Customers; Segmentation; Unsupervised learning; Clustering
• Link de acesso: https://hdl.handle.net/10438/35832

Este estudo tem como foco principal a microssegmentação de uma base de 89.844 clientes de varejo de uma grande instituição financeira brasileira, utilizando técnicas de agrupamento, oriundas do aprendizado não supervisionado, para identificar pequenos grupos, que podem ser alvos de campanhas para aumento ou manutenção de rentabilidade. O objetivo central é compreender o comportamento dos clientes em relação ao uso de produtos bancários, como crédito, investimento, conta-corrente e cartões, visando especialmente a identificação de grupos-alvo para ações estratégicas de fidelização, retenção e maximização da margem de contribuição. A metodologia adotada envolveu uma análise minuciosa das variáveis disponíveis na base de dados fornecida pela instituição, com a colaboração de especialistas de negócios para a seleção e tratamento das variáveis mais relevantes. A base inicial foi subdividida em 15 segmentos de faixa de renda versus margem de contribuição, as variáveis foram convertidas em binárias para aprofundar a compreensão do perfil de cada grupo de clientes identificado, sendo então aplicados os algoritmos k-means e k-modes em cada um dos segmentos para agrupar clientes com características similares. Para cada segmento foi escolhido o algoritmo de melhor resultado a partir de uma análise negocial dos grupos formados, com foco nas características distintivas de cada um. Os resultados obtidos foram significativos, destacando-se a identificação de pequenos clusters que representam possibilidades concretas de ações por parte da área de negócios. É relevante mencionar que tais clusters, mesmo sendo de dimensões reduzidas, somados correspondem a 17,34% da base de clientes analisada, indicando um potencial impacto positivo nas estratégias de fidelização e rentabilidade da instituição financeira.