Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor Methods
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista FSA |
Texto Completo: | http://www4.unifsa.com.br/revista/index.php/fsa/article/view/2283 |
Resumo: | Modelagem preditiva para classificação de churn (abandono de cliente) é uma prática comum em empresas de diversos setores, no entanto, embora seja um tema vastamente explorado, escolher o classificador adequado pode ser uma tarefa árdua, dadas as particularidades de cada empresa e a variedade de algoritmos disponíveis. Portanto, a proposta deste artigo é a escolha de um algoritmo para modelagem preditiva de churn em uma startup brasileira. O processo decisório fez uso do método SAPEVO-M para obter os pesos dos critérios e definir uma medida de interpretabilidade para os algoritmos avaliados, e o método VIKOR foi utilizado para avaliar as alternativas. Após a aplicação dos métodos, os classificadores treinados com os algoritmos SVM (kernel radial) e Regressão Logística foram considerados os mais adequados para o modelo de negócio da empresa em questão. Palavras-chave: SAPEVO-M; VIKOR. Tomada de Decisão. Modelagem Preditiva. Churn. ABSTRACT Predictive modeling for customer churn classification is a common practice among companies from different sectors, however even though it is a widely explored subject, choosing a suitable classifier may be a difficult task, given the particularities of each company and the variety of available algorithms. Therefore, the purpose of this article is to choice of an algorithm for customer churn predictive modeling in a Brazilian startup. The decision-making process used the SAPEVO-M method to obtain the weights of criteria and to define an interpretability measure for the evaluated algorithms, and the VIKOR method was used to evaluate the alternatives. After applying the methods, the classifiers trained with SVM (radial kernel) and Logistic Regression algorithms were considered the most suitable for the business model of the company in question. Keywords: SAPEVO-M; VIKOR. Tomada de Decisão. Modelagem Preditiva. Churn. |
id |
FSA-3_31055d3f4d11713b227d7fa3d81e4e0b |
---|---|
oai_identifier_str |
oai:ojs.projetos.polarisweb.com.br:article/2283 |
network_acronym_str |
FSA-3 |
network_name_str |
Revista FSA |
repository_id_str |
|
spelling |
Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor MethodsEngenharia de Produção; Administração; ContabilidadeModelagem preditiva para classificação de churn (abandono de cliente) é uma prática comum em empresas de diversos setores, no entanto, embora seja um tema vastamente explorado, escolher o classificador adequado pode ser uma tarefa árdua, dadas as particularidades de cada empresa e a variedade de algoritmos disponíveis. Portanto, a proposta deste artigo é a escolha de um algoritmo para modelagem preditiva de churn em uma startup brasileira. O processo decisório fez uso do método SAPEVO-M para obter os pesos dos critérios e definir uma medida de interpretabilidade para os algoritmos avaliados, e o método VIKOR foi utilizado para avaliar as alternativas. Após a aplicação dos métodos, os classificadores treinados com os algoritmos SVM (kernel radial) e Regressão Logística foram considerados os mais adequados para o modelo de negócio da empresa em questão. Palavras-chave: SAPEVO-M; VIKOR. Tomada de Decisão. Modelagem Preditiva. Churn. ABSTRACT Predictive modeling for customer churn classification is a common practice among companies from different sectors, however even though it is a widely explored subject, choosing a suitable classifier may be a difficult task, given the particularities of each company and the variety of available algorithms. Therefore, the purpose of this article is to choice of an algorithm for customer churn predictive modeling in a Brazilian startup. The decision-making process used the SAPEVO-M method to obtain the weights of criteria and to define an interpretability measure for the evaluated algorithms, and the VIKOR method was used to evaluate the alternatives. After applying the methods, the classifiers trained with SVM (radial kernel) and Logistic Regression algorithms were considered the most suitable for the business model of the company in question. Keywords: SAPEVO-M; VIKOR. Tomada de Decisão. Modelagem Preditiva. Churn.Revista FSA (St. Augustine College Journal)Revista FSA (Centro Universitário Santo Agostinho)Silva Júnior, Antonio Carlos; Cientista de Dados no segmento de cosméticosAlmeida, Isaque David Pereira de; Mestrando em Engenharia de Produção na Universidade Federal Fluminense (UFF)Santos, Marcos dos; Professor do Programa de Pós-graduação em Sistemas e Computação (PPgSC) do Instituto Militar de Engenharia (IME).Quintal, Renato Santiago; Professor do Magistério Superior da Escola Naval (EN).2021-05-20info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfapplication/x-rarapplication/xmlhttp://www4.unifsa.com.br/revista/index.php/fsa/article/view/228310.12819/2021.18.5.8Revista FSA (St. Augustine College Journal); Rev. FSA, Teresina, v. 18, n. 5, mai. 2021; 129-145Revista FSA (Centro Universitário Santo Agostinho); Rev. FSA, Teresina, v. 18, n. 5, mai. 2021; 129-1452317-29831806-6356reponame:Revista FSAinstname:Faculdade Santo Agostinho (FSA)instacron:FSAporhttp://www4.unifsa.com.br/revista/index.php/fsa/article/view/2283/491492807http://www4.unifsa.com.br/revista/index.php/fsa/article/view/2283/491492808http://www4.unifsa.com.br/revista/index.php/fsa/article/view/2283/491492809http://www4.unifsa.com.br/revista/index.php/fsa/article/downloadSuppFile/2283/1630Direitos autorais 2021 Revista FSA (Centro Universitário Santo Agostinho)http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccess2021-05-26T20:31:15Zoai:ojs.projetos.polarisweb.com.br:article/2283Revistahttp://www4.unifsa.com.br/revista/index.php/fsaPRIhttp://www4.unifsa.com.br/revista/index.php/fsa/oairevistafsa@unifsa.com.br2317-29831806-6356opendoar:2021-05-26T20:31:15Revista FSA - Faculdade Santo Agostinho (FSA)false |
dc.title.none.fl_str_mv |
Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor Methods |
title |
Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor Methods |
spellingShingle |
Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor Methods Silva Júnior, Antonio Carlos; Cientista de Dados no segmento de cosméticos Engenharia de Produção; Administração; Contabilidade |
title_short |
Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor Methods |
title_full |
Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor Methods |
title_fullStr |
Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor Methods |
title_full_unstemmed |
Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor Methods |
title_sort |
Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor Methods |
author |
Silva Júnior, Antonio Carlos; Cientista de Dados no segmento de cosméticos |
author_facet |
Silva Júnior, Antonio Carlos; Cientista de Dados no segmento de cosméticos Almeida, Isaque David Pereira de; Mestrando em Engenharia de Produção na Universidade Federal Fluminense (UFF) Santos, Marcos dos; Professor do Programa de Pós-graduação em Sistemas e Computação (PPgSC) do Instituto Militar de Engenharia (IME). Quintal, Renato Santiago; Professor do Magistério Superior da Escola Naval (EN). |
author_role |
author |
author2 |
Almeida, Isaque David Pereira de; Mestrando em Engenharia de Produção na Universidade Federal Fluminense (UFF) Santos, Marcos dos; Professor do Programa de Pós-graduação em Sistemas e Computação (PPgSC) do Instituto Militar de Engenharia (IME). Quintal, Renato Santiago; Professor do Magistério Superior da Escola Naval (EN). |
author2_role |
author author author |
dc.contributor.none.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Silva Júnior, Antonio Carlos; Cientista de Dados no segmento de cosméticos Almeida, Isaque David Pereira de; Mestrando em Engenharia de Produção na Universidade Federal Fluminense (UFF) Santos, Marcos dos; Professor do Programa de Pós-graduação em Sistemas e Computação (PPgSC) do Instituto Militar de Engenharia (IME). Quintal, Renato Santiago; Professor do Magistério Superior da Escola Naval (EN). |
dc.subject.por.fl_str_mv |
Engenharia de Produção; Administração; Contabilidade |
topic |
Engenharia de Produção; Administração; Contabilidade |
description |
Modelagem preditiva para classificação de churn (abandono de cliente) é uma prática comum em empresas de diversos setores, no entanto, embora seja um tema vastamente explorado, escolher o classificador adequado pode ser uma tarefa árdua, dadas as particularidades de cada empresa e a variedade de algoritmos disponíveis. Portanto, a proposta deste artigo é a escolha de um algoritmo para modelagem preditiva de churn em uma startup brasileira. O processo decisório fez uso do método SAPEVO-M para obter os pesos dos critérios e definir uma medida de interpretabilidade para os algoritmos avaliados, e o método VIKOR foi utilizado para avaliar as alternativas. Após a aplicação dos métodos, os classificadores treinados com os algoritmos SVM (kernel radial) e Regressão Logística foram considerados os mais adequados para o modelo de negócio da empresa em questão. Palavras-chave: SAPEVO-M; VIKOR. Tomada de Decisão. Modelagem Preditiva. Churn. ABSTRACT Predictive modeling for customer churn classification is a common practice among companies from different sectors, however even though it is a widely explored subject, choosing a suitable classifier may be a difficult task, given the particularities of each company and the variety of available algorithms. Therefore, the purpose of this article is to choice of an algorithm for customer churn predictive modeling in a Brazilian startup. The decision-making process used the SAPEVO-M method to obtain the weights of criteria and to define an interpretability measure for the evaluated algorithms, and the VIKOR method was used to evaluate the alternatives. After applying the methods, the classifiers trained with SVM (radial kernel) and Logistic Regression algorithms were considered the most suitable for the business model of the company in question. Keywords: SAPEVO-M; VIKOR. Tomada de Decisão. Modelagem Preditiva. Churn. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-05-20 |
dc.type.none.fl_str_mv |
|
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www4.unifsa.com.br/revista/index.php/fsa/article/view/2283 10.12819/2021.18.5.8 |
url |
http://www4.unifsa.com.br/revista/index.php/fsa/article/view/2283 |
identifier_str_mv |
10.12819/2021.18.5.8 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
http://www4.unifsa.com.br/revista/index.php/fsa/article/view/2283/491492807 http://www4.unifsa.com.br/revista/index.php/fsa/article/view/2283/491492808 http://www4.unifsa.com.br/revista/index.php/fsa/article/view/2283/491492809 http://www4.unifsa.com.br/revista/index.php/fsa/article/downloadSuppFile/2283/1630 |
dc.rights.driver.fl_str_mv |
Direitos autorais 2021 Revista FSA (Centro Universitário Santo Agostinho) http://creativecommons.org/licenses/by-nc-nd/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Direitos autorais 2021 Revista FSA (Centro Universitário Santo Agostinho) http://creativecommons.org/licenses/by-nc-nd/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/x-rar application/xml |
dc.publisher.none.fl_str_mv |
Revista FSA (St. Augustine College Journal) Revista FSA (Centro Universitário Santo Agostinho) |
publisher.none.fl_str_mv |
Revista FSA (St. Augustine College Journal) Revista FSA (Centro Universitário Santo Agostinho) |
dc.source.none.fl_str_mv |
Revista FSA (St. Augustine College Journal); Rev. FSA, Teresina, v. 18, n. 5, mai. 2021; 129-145 Revista FSA (Centro Universitário Santo Agostinho); Rev. FSA, Teresina, v. 18, n. 5, mai. 2021; 129-145 2317-2983 1806-6356 reponame:Revista FSA instname:Faculdade Santo Agostinho (FSA) instacron:FSA |
instname_str |
Faculdade Santo Agostinho (FSA) |
instacron_str |
FSA |
institution |
FSA |
reponame_str |
Revista FSA |
collection |
Revista FSA |
repository.name.fl_str_mv |
Revista FSA - Faculdade Santo Agostinho (FSA) |
repository.mail.fl_str_mv |
revistafsa@unifsa.com.br |
_version_ |
1798944906703536128 |