Um modelo para previsão de churn na área do retalho

Detalhes bibliográficos
Autor(a) principal: Veloso, Fernando Jorge Machado
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/1822/28552
Resumo: Dissertação de mestrado em Engenharia de Informática
id RCAP_fb492a782fdf8eedbe3ac48bac6e6e16
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/28552
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Um modelo para previsão de churn na área do retalhoData miningÁrvores de decisãoRegressão logísticaRedes neuronaisRandom forestsSupport vector machinesPrevisão de churnSistemas de retalhoDecision treesLogistic regressionNeural networksChurn predictionRetail systems681.3658.8Dissertação de mestrado em Engenharia de InformáticaO ambiente de grande competitividade característico do sector do retalho e crescente dificuldade na captação de novos clientes leva as empresas a apostar na implementação de estratégias adequadas para promover a satisfação dos clientes adquiridos para motivar a sua lealdade. É neste contexto que se começa a reconhecer a importância de combater o fenómeno de churn, ou seja, a perda de clientes. É necessário identificar os clientes que estão em risco de churn e, para isso, é necessário criar um método que o permita fazer com antecedência para que possam recair sobre eles as campanhas de retenção proactivas. Quanto mais eficaz for o método a identificar os clientes em riscos, maior será o retorno da aplicação da campanha. Muitos trabalhos têm sido desenvolvidos na área de previsão de churn nos mais diversos sectores. Contudo, na área do retalho a pesquisa têm sido muito limitada. Assim, com este trabalho de dissertação pretendeu-se estudar o fenómeno da perda de clientes com o objectivo de definir e implementar um modelo de churning para o sector do retalho recorrendo a técnicas de mineração de dados. Pretendeu-se fazer um levantamento das principais questões envolvidas na previsão de churn no retalho, na construção do conjunto de dados (assinaturas dos clientes) e na aplicação de técnicas de mineração de dados no processo de previsão. Nesse sentido, foram construídos alguns modelos para fazer a previsão de casos de churn baseados em cinco das técnicas de classificação mais utilizadas em trabalhos de previsão de churn: Árvores de Decisão, Regressão Logística, Redes Neuronais, Random Forests e SVM. A avaliação e comparação da performance dos modelos elaborados foi feita de acordo com várias medidas como accuracy, precision, sensitivity, specificity, f-measure e AUC e, para além disso, foi testado o impacto, na precisão do modelo, da alteração da densidade de eventos de churn no conjunto de treino.The great competitive environment characteristic of the retail sector and increasing difficulty in attracting new customers leads firms to invest in the implementation of appropriate strategies to promote customer satisfaction to motivate their loyalty. It is in this context that we begin to recognize the importance of combating the phenomenon of churn, i.e., the loss of clients. It is necessary to identify customers who are at risk of churn and, therefore, it is necessary to create a method that allows to do it in advance so that they can be covered by the proactive retention campaigns. The more effective the method to identify customers at risk, the higher the return of applying the campaign. Many studies have been developed in the area of churn prediction in various sectors. However, in the area of retail the research has been very limited. So with this dissertation work was intended to study the phenomenon of loss of customers to define and implement a model of churning to the retail sector using data mining techniques. The intention was to make a survey of the main issues involved in the prediction of churn in retail, construction of the dataset (customer signatures) and applying data mining techniques in the forecasting process. Accordingly, some models were constructed to forecast cases of churn based on five of the most commonly used classification techniques in churn prediction: Decision Trees, Logistic Regression, Neural Networks, Random Forests and SVM. The evaluation and comparison of the performance of models developed has been made according to several measures as accuracy, precision, sensitivity, specificity, f-measure and AUC and, furthermore, has been tested the impact of the change in the density of churn events in the training set.Belo, OrlandoUniversidade do MinhoVeloso, Fernando Jorge Machado2013-03-202013-03-20T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/28552por201195267info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:01:28Zoai:repositorium.sdum.uminho.pt:1822/28552Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T18:51:22.783828Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Um modelo para previsão de churn na área do retalho
title Um modelo para previsão de churn na área do retalho
spellingShingle Um modelo para previsão de churn na área do retalho
Veloso, Fernando Jorge Machado
Data mining
Árvores de decisão
Regressão logística
Redes neuronais
Random forests
Support vector machines
Previsão de churn
Sistemas de retalho
Decision trees
Logistic regression
Neural networks
Churn prediction
Retail systems
681.3
658.8
title_short Um modelo para previsão de churn na área do retalho
title_full Um modelo para previsão de churn na área do retalho
title_fullStr Um modelo para previsão de churn na área do retalho
title_full_unstemmed Um modelo para previsão de churn na área do retalho
title_sort Um modelo para previsão de churn na área do retalho
author Veloso, Fernando Jorge Machado
author_facet Veloso, Fernando Jorge Machado
author_role author
dc.contributor.none.fl_str_mv Belo, Orlando
Universidade do Minho
dc.contributor.author.fl_str_mv Veloso, Fernando Jorge Machado
dc.subject.por.fl_str_mv Data mining
Árvores de decisão
Regressão logística
Redes neuronais
Random forests
Support vector machines
Previsão de churn
Sistemas de retalho
Decision trees
Logistic regression
Neural networks
Churn prediction
Retail systems
681.3
658.8
topic Data mining
Árvores de decisão
Regressão logística
Redes neuronais
Random forests
Support vector machines
Previsão de churn
Sistemas de retalho
Decision trees
Logistic regression
Neural networks
Churn prediction
Retail systems
681.3
658.8
description Dissertação de mestrado em Engenharia de Informática
publishDate 2013
dc.date.none.fl_str_mv 2013-03-20
2013-03-20T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1822/28552
url http://hdl.handle.net/1822/28552
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 201195267
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799132286314086400

Registros relacionados