Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações

Detalhes bibliográficos
Autor(a) principal: Nunes, Carolina Viegas
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.5/26608
Resumo: Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e Empresarial
id RCAP_a73e77165323b82e96080359405b5bf7
oai_identifier_str oai:www.repository.utl.pt:10400.5/26608
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicaçõesChurnMachine LearningRetenção de ClientesEstratégias de MarketingTelecomunicaçõesCustomer RetentionMarketing StrategiesTelecommunicationsMestrado Bolonha em Métodos Quantitativos para a Decisão Económica e EmpresarialNos últimos anos tem-se sentido um aumento no que respeita à tentativa de reter clientes e uma diminuição relativamente à aquisição de novos utilizadores, particularmente em empresas de telecomunicações. Este foi um projeto proposto por uma operadora de telecomunicações, que solicitou não ser identificada neste relatório. Este irá incidir sobre a premissa de que “adquirir novos clientes é mais dispendioso do que reter os já existentes”. Desta forma, o grande objetivo é desenvolver um modelo preditivo que preveja quais os clientes mais propensos a cortar a ligação com a empresa, entrando assim em churn. Perante isto, o que se pretende por um lado é facilitar o trabalho da equipa de marketing aquando da tomada de decisão relativamente ao target de campanhas necessárias a implementar e, por outro lado, auxiliar a equipa de retenção de clientes a identificar aqueles sobre os quais deverão ser tomadas medidas de forma a evitar o churn. O modelo desenvolvido foi estimado através da aplicação de diferentes algoritmos de aprendizagem da máquina supervisionada (Machine Learning), utilizando a linguagem de programação Python. Tendo em conta os algoritmos aplicados, foram analisados os resultados obtidos com a aplicação de diferentes métricas de avaliação da qualidade preditiva. Constatou-se que o algoritmo Random Forest foi o que revelou melhores resultados de previsão do churn. Por fim, após o desenvolvimento deste projeto, o modelo estimado está pronto a ser utilizado pela empresa e pelos seus stakeholders como ferramenta de apoio à decisão de modo a diminuir a percentagem de churn que se verifica atualmente.In recent years, there has been an increase in the attempt to retain customers, to the detriment of investing in the acquisition of new service user on the telecommunications’ sector. This project was proposed by a telecommunications operator, who requested its name not be disclosed in this report, and it was developed under the premise that “acquiring new customers is more expensive than retaining existing ones”. Thus, the main objective is to develop a predictive model that can provide information on which customers are more likely to disconnect with the company, thus entering into churn. With this information, the goals are, on the one hand, to facilitate the decision-making process of the marketing team regarding defining the target of necessary campaigns and, on the other hand, to help the Customer Retention team to identify customers on which action should be taken to avoid churn. The developed model was estimated through the application of different supervised machine learning algorithms (Machine Learning), using the Python programming language. Considering the algorithms applied, the results obtained with the application of different predictive quality assessment metrics were analyzed, and it was found that the Random Forest algorithm was the one that revealed better churn prediction results. Finally, after the development of this project, the estimated model is ready to be used by the company and its stakeholders as a decision support tool in order to reduce the percentage of churn that currently occurs.Instituto Superior de Economia e GestãoCaiado, JorgeRepositório da Universidade de LisboaNunes, Carolina Viegas2023-06-29T00:30:19Z2022-102022-10-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/26608porNunes, Carolina Viegas (2022). “Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestãoinfo: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:RCAAP2023-07-02T01:30:58Zoai:www.repository.utl.pt:10400.5/26608Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:10:13.782240Repositório 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 Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações
title Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações
spellingShingle Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações
Nunes, Carolina Viegas
Churn
Machine Learning
Retenção de Clientes
Estratégias de Marketing
Telecomunicações
Customer Retention
Marketing Strategies
Telecommunications
title_short Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações
title_full Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações
title_fullStr Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações
title_full_unstemmed Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações
title_sort Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações
author Nunes, Carolina Viegas
author_facet Nunes, Carolina Viegas
author_role author
dc.contributor.none.fl_str_mv Caiado, Jorge
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Nunes, Carolina Viegas
dc.subject.por.fl_str_mv Churn
Machine Learning
Retenção de Clientes
Estratégias de Marketing
Telecomunicações
Customer Retention
Marketing Strategies
Telecommunications
topic Churn
Machine Learning
Retenção de Clientes
Estratégias de Marketing
Telecomunicações
Customer Retention
Marketing Strategies
Telecommunications
description Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e Empresarial
publishDate 2022
dc.date.none.fl_str_mv 2022-10
2022-10-01T00:00:00Z
2023-06-29T00:30:19Z
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/10400.5/26608
url http://hdl.handle.net/10400.5/26608
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Nunes, Carolina Viegas (2022). “Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestão
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.publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
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_ 1799131199070797824

Registros relacionados