PREVISÃO DE RUPTURA DE CLIENTES DE PLANOS DE SAÚDE

• Ano de defesa: 2016
• Autor(a) principal: GALAS, SIDARTA SILVA
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual do Ceará
• Palavras-chave em Português: Plano de saúde
• Link de acesso: https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=83947

<div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">RESUMO</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">Embora exista uma vasta literatura referente à ruptura de cliente em empresas de</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">telefonia, as empresas operadoras de planos de saúde têm dedicado pouca importância ao</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">tema. O mercado brasileiro de planos de saúde movimentou, em 2015, R$ 117,3 bilhões,</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">até o terceiro trimestre, somadas as receitas das operadoras de planos de assistência</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">médica e odontológicos, onde a maioria deste valor pertence a planos de assistência</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">médica. Verificando a mudança do ano de 2014 para 2015, houve uma grande ruptura de</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">beneficiários em planos de assistência médica, cerca de 766 mil, mostrando a importância</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">de se identificar o risco de ruptura para a realização de ações de retenção de cliente. Diante</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">da lacuna e da importância acima indicadas, esse estudo tem como objetivo classificar o</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">risco de ruptura de clientes (beneficiários) de operadora de plano de saúde privado. O</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">estudo compreendeu uma pesquisa exploratória-aplicada de natureza quantitativa. A</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">partir do levantamento bibliográfico da pesquisa, foram apresentadas variáveis adequadas</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">à composição de identificação à propensão de ruptura de clientes. O banco de dados</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">trabalhado foi disponibilizado por uma operadora de planos de saúde, especificamente de</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">assistência médica, com 21.074 beneficiários, com informações desde o ano 2000. A</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">metodologia para analisar os dados se deu por meio do CRISP-DM, onde foi possível</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">aplicar, na etapa de data mining, um comitê de classificadores (árvore de decisão,</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">regressão logística e redes neurais) para prever o risco. Os resultados indicaram que a</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">árvore de decisão foi ligeiramente melhor que redes neurais MLP. Em uma análise</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">financeira dos resultados obtidos para esta operadora, verificou-se que os clientes</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">previstos como possíveis churn eram prejudiciais ao negócio da empresa. Deste modo, o</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">trabalho mostra que uma boa previsão de churn pode ajudar a empresa a definir se irá</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">realizar ações de incentivo a ruptura de clientes não rentáveis e/ou se fará ações de</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">retenção de clientes lucrativos.</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">Palavras-chave: Mercado de planos de saúde. Marketing de relacionamento. Retenção</span></font></div><div style=""><font face="Arial, Verdana"><span style="font-size: 13.3333px;">de clientes. Churn. CRISP-DM. Data mining. Comitê de classificadores.</span></font></div>