Modelos Preditivos de Abandono do Consumo

• Autor(a) principal: Machado, Sara Alexandre Silva Machado
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10362/152443
• topic: Abandono; Cliente; Churn; Consumo; Feature Selection; Machine Learning; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática

A facilidade de acesso e o aumento da confiança no consumo em lojas online fazem com que a retenção de cliente em lojas físicas nunca tenha sido um tema tão abordado como é hoje em dia. Cada vez mais as empresas procuram novas soluções para identificar clientes, antes de eles abandonarem completamente as suas lojas físicas. Nesta dissertação pretende-se propor uma forma de classificar os clientes e de modelar o seu comportamento, em respeito ao abandono do consumo. Para alcançar este objetivo, o primeiro passo foi definir o target e, depois, usando algoritmos de Machine Learning, formular um modelo capaz de modelar o comportamento dos clientes. Para analisar os dados foi necessário realizar um pré-processamento, onde foram criadas variáveis e foram removidos outliers. Para além do nosso objectivo principal, iremos também explorar que variáveis são determinantes para a modelação do comportamento evasivo dos clientes recorrendo ao método recursive feature selection, assim como comparar diferentes algoritmos de Machine Learning. Foi também necessário lidar com o desequilíbrio de classes, tendo sido usada a técnica SMOTE. Com tal informação devidamente antecipada as empresas irão ter a capacidade de modelar o comportamento dos seus clientes, podendo assim criar medidas preventivas para impedir o abandono do consumo. Os resultados mostram uma clara superioridade no desempenho do algoritmo Random Forest comparativamente aos restantes. Em relação às variáveis mais influentes concluí- mos que as variáveis descritivas do operador que atendeu mais vezes o cliente, mostraram- se mais importantes que as restantes. Já a técnica SMOTE não mostrou os desempenhos pretendidos, não tendo obtido resultados superiores aos modelos sem o uso da técnica.