Modelo de propensão à conversão

Detalhes bibliográficos
Autor(a) principal: Miranda, Ana Catarina Piedade
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/41395
Resumo: Trabalho de projeto de mestrado, Matemática Aplicada à Economia e Gestão, Universidade de Lisboa, Faculdade de Ciências, 2019
id RCAP_16c69f683ae2b933d42b606581437aa1
oai_identifier_str oai:repositorio.ul.pt:10451/41395
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Modelo de propensão à conversãoSeguro AutomóvelTaxa de ConversãoModelo de Regressão LogísticaTeses de mestrado - 2019Domínio/Área Científica::Ciências Naturais::MatemáticasTrabalho de projeto de mestrado, Matemática Aplicada à Economia e Gestão, Universidade de Lisboa, Faculdade de Ciências, 2019O aumento do mercado segurador tem levado a que exista uma maior competitividade entre as entidades seguradoras, tendo estas como principal foco o desenvolvimento de novas abordagens para angariarem cada vez mais clientes, e conquistarem uma posição líder no mercado. É por isso cada vez mais importante para as seguradoras conhecerem os seus clientes, para que possam desenvolver medidas de forma a angariar aqueles que são considerados pelas seguradoras os ‘bons’ clientes, aqueles que lhes possam proporcionar um maior lucro no futuro. Este relatório é o resultado de um estágio profissional que teve lugar na AGEAS Seguros Portugal, na equipa de Pricing and Business Analytics, inserida na direção Técnica e Oferta Não Vida. É nesta área de negócio que são desenvolvidas e implementadas estratégias de ajuste aos preços dos produtos que posteriormente serão apresentados aos clientes. Este estágio teve como objetivo o desenvolvimento de um modelo de propensão à conversão, para o setor automóvel da companhia e identificação dos perfis de clientes com maior e menor propensão á conversão, delineando ações para cada um destes segmentos. Este projeto tem como principais benefícios para a empresa, potenciar as vendas e a rentabilidade e uma melhor compreensão do comportamento dos clientes. Para a construção da base de dados foram utlizadas as simulações relativas a uma nova tarifa para o sector automóvel, que foi implementada em setembro de 2017, sendo assim o período temporal da base de dados em estudo de 26 de setembro de 2017 a 14 de janeiro de 2019. Estes serão os dados que refletem o perfil de potencial cliente relativamente à conversão, e face à oferta da nova tarifa automóvel. Foi utilizada a regressão logística, um caso particular dos Modelos Lineares Generalizados, para modelar a variável binária de resposta, associada às ações “converteu/não converteu”. Constituiu o nosso objetivo a modelação da variável resposta em função das restantes variáveis explicativas pertinentes para o estudo. Para o desenvolvimento deste projeto foi necessário realizar uma cuidadosa preparação da base de dados, foram realizadas análises descritivas das variáveis explicativas que poderão fazer parte do modelo e foram também, explorados comparativamente vários modelos recorrendo a dois métodos distintos, árvores de decisão e regressão logística; por fim, e após a análise de índices de seleção convenientes, será escolhido o melhor modelo, ou seja, o que se revela mais adequado às necessidades da companhia, mediante o leque de modelos estudados.The growth of the insurance market has led to greater competitiveness among insurance providers, with the main focus being on developing new approaches to attract more and more customers, and to gain a leading position in the market. It is therefore becoming more important for insurers to know their clients so that they can develop measures to attract those who they consider to be 'good' clients, those who can provide them with greater profit in the future. This report is the result of a professional internship in AGEAS Seguros Portugal, in the Pricing and Business Analytics team, in the Technical and Non-Life Offering department. It is in this business area that strategies are developed and implemented to adjust the prices of products that will later be presented to customers. This internship aimed to develop a conversion propensity model for the automobile sector of the company and identification of client profiles with a major and minor conversion propensity, outlining actions for each of these segments. This project has, as the main benefits for the company, boosting sales and profitability and a better understanding of client behaviour. For the construction of the database, simulations of a new automobile section tariff were used, which was implemented in September 2017; therefore the time period of the database under study is from 26 September 2017 to 14 January. 2019. This will be the data that reflects the potential client profile relative to the conversion and in light of the offer of the new motor tariff. Logistic regression, a particular case of Generalized Linear Models, was used to model the binary response variable associated with “converted / not converted” actions. Our objective was the modeling of the response variable as a function of the remaining explanatory variables relevant to the study. For the development of this project it a careful preparation of the database was required, followed by analysis of explicative variables which could be part of the model and also comparatively explored several models using two different methods, decision trees and logistic regression; finally, and after the analysis of suitable selection indices, the best model will be chosen, that is, that which is more suitable to the needs of the company, within the range of models studied.Alves, Maria Isabel Fraga,1958-Repositório da Universidade de LisboaMiranda, Ana Catarina Piedade2020-01-24T18:49:14Z201920192019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/41395TID:202386511porinfo: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:RCAAP2023-11-08T16:40:48Zoai:repositorio.ul.pt:10451/41395Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:54:40.201109Repositório 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 Modelo de propensão à conversão
title Modelo de propensão à conversão
spellingShingle Modelo de propensão à conversão
Miranda, Ana Catarina Piedade
Seguro Automóvel
Taxa de Conversão
Modelo de Regressão Logística
Teses de mestrado - 2019
Domínio/Área Científica::Ciências Naturais::Matemáticas
title_short Modelo de propensão à conversão
title_full Modelo de propensão à conversão
title_fullStr Modelo de propensão à conversão
title_full_unstemmed Modelo de propensão à conversão
title_sort Modelo de propensão à conversão
author Miranda, Ana Catarina Piedade
author_facet Miranda, Ana Catarina Piedade
author_role author
dc.contributor.none.fl_str_mv Alves, Maria Isabel Fraga,1958-
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Miranda, Ana Catarina Piedade
dc.subject.por.fl_str_mv Seguro Automóvel
Taxa de Conversão
Modelo de Regressão Logística
Teses de mestrado - 2019
Domínio/Área Científica::Ciências Naturais::Matemáticas
topic Seguro Automóvel
Taxa de Conversão
Modelo de Regressão Logística
Teses de mestrado - 2019
Domínio/Área Científica::Ciências Naturais::Matemáticas
description Trabalho de projeto de mestrado, Matemática Aplicada à Economia e Gestão, Universidade de Lisboa, Faculdade de Ciências, 2019
publishDate 2019
dc.date.none.fl_str_mv 2019
2019
2019-01-01T00:00:00Z
2020-01-24T18:49:14Z
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/10451/41395
TID:202386511
url http://hdl.handle.net/10451/41395
identifier_str_mv TID:202386511
dc.language.iso.fl_str_mv por
language por
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_ 1799134486363897856

Registros relacionados