Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Silveira, Leonardo José Menezes |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/126836
|
Resumo: |
Uma constante no mundo dos negócios é a frequente movimentação de clientes, aderindo ou abandonando os serviços e produtos das empresas. O cliente é um dos ativos mais importantes de uma empresa. Reduzir o índice de abandono dos clientes passou a ser questão de sobrevivência e, ao mesmo tempo, o modo mais eficiente para manter a clientela, uma vez que a substituição dos desistentes por novos clientes custa, em média, 40% mais caro. Visando mitigar o fenômeno churn (evasão de clientes), este estudo teve por objetivo comparar modelos preditivos para descobrir o método mais eficiente para identificar os clientes que tendem ao abandono, no contexto de uma organização bancária. Através da revisão da literatura de trabalhos relacionados sobre o tema, os modelos Redes Neurais, Árvore de Decisão, Floresta Aleatória e Regressão logística foram os mais citados, sendo os eleitos para esse trabalho. O contexto foi uma organização bancária múltipla de economia mista, de capital aberto, de porte médio com mais de quatro milhões de clientes ativos. A metodologia abordada foi a quantitativa, descritiva e aplicada, utilizando dados reais para um estudo de caso. Foram desenvolvidas análises em uma amostra de 200 mil operações de crédito, com 497 variáveis explicativas. O tratamento estatístico dos dados e o desenvolvimento dos modelos preditivos de churn foram realizados por meio do software Orange Data Mining. Os resultados mais expressivos foram alcançados por meio da Floresta Aleatória, tendo sido observada acurácia (índice de acertos) em patamar de 82%. Portanto, o trabalho evidencia que o desenvolvimento de ações de retenção são relevantes e contribuem significativamente para os resultados da empresa. Palavras-chave: Evasão de clientes. Aprendizagem de máquina. Modelo preditivo Churn. Redes Neurais. Árvore de Decisão. Floresta Aleatória. Regressão Logística |
