Abordagem para a previsão do abandono num ginásio

Detalhes bibliográficos
Autor(a) principal: Sobreiro, Pedro
Data de Publicação: 2017
Outros Autores: Santos, Abel
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.15/1996
Resumo: Este estudo pretende apresentar um modelo para prever o abandono dos clientes num ginásio, baseado em dados existentes no software de gestão Health Center. As variáveis selecionadas, identificadas de acordo com a sua relevância em estudos realizados e disponibilidade de dados, foram: idade, género, tempo de inscrição, média de visitas mensais, faturação realizada ao cliente, número de aulas frequentadas e distância a percorrer para chegar ao clube. O número de clientes utilizados para a previsão de abandono foram de 810, através da utilização de um algoritmo de Machine Learning Two-class logistic regression para a classificação. A aproximação realizada permitiu prever com uma exatidão de 83% se o cliente abandonava ou ficava no ginásio. Os resultados obtidos sugerem que pode ser vantajoso a utilização da aproximação realizada para prever o abandono e explorar medidas adicionais para contrariar o abandono de clientes em risco.
id RCAP_c1545bf982b0d745c12a24f29c8ee34a
oai_identifier_str oai:repositorio.ipsantarem.pt:10400.15/1996
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Abordagem para a previsão do abandono num ginásioAproximación para la previsión de abandono en un gimnasioApproach for predicting dropout in a health clubMachine LearningGestão do desportoGinásiosPrevisão de abandonoEste estudo pretende apresentar um modelo para prever o abandono dos clientes num ginásio, baseado em dados existentes no software de gestão Health Center. As variáveis selecionadas, identificadas de acordo com a sua relevância em estudos realizados e disponibilidade de dados, foram: idade, género, tempo de inscrição, média de visitas mensais, faturação realizada ao cliente, número de aulas frequentadas e distância a percorrer para chegar ao clube. O número de clientes utilizados para a previsão de abandono foram de 810, através da utilização de um algoritmo de Machine Learning Two-class logistic regression para a classificação. A aproximação realizada permitiu prever com uma exatidão de 83% se o cliente abandonava ou ficava no ginásio. Os resultados obtidos sugerem que pode ser vantajoso a utilização da aproximação realizada para prever o abandono e explorar medidas adicionais para contrariar o abandono de clientes em risco.Este estudio pretende presentar un modelo para prever el abandono de los clientes en un gimnasio, basado en datos existentes en el software de gestión Health Center. Las variables seleccionadas, identificadas de acuerdo con la su relevancia identificada en estudios realizados y disponibilidad de datos, fueron: edad, género, tiempo de inscripción, promedio de visitas mensuales, facturación realizada al cliente, número de clases frecuentadas y distancia a recorrer para llegar al club. El número de clientes utilizados para la previsión de abandono fue de 810, mediante el uso de un algoritmo de Machine Learning Two-class logistic regression para la clasificación. La aproximación realizada permitió prever con una exactitud del 83% si el cliente abandonaba o quedaba lo gimnasio. Los resultados obtenidos sugieren que puede ser ventajoso el uso de la aproximación realizada para prever el abandono y explotar medidas adicionales para contrarrestar el abandono de clientes en riesgo.This study aimed to develop a model to predict customers dropouts in a health club, using existing data in the software Health Center used to manage the health club. The variables selected, identified according to the relevance in studies performed and availability of data, were: age, gender, enrollment time, average monthly visits, customer billing, number of classes attended and distance to reach the club. The number of customers used to develop the dropout prediction were 810, using a Machine Learning algorithm Two-class logistic regression for the classification. The approach adopted allowed to predict with an accuracy of 83% if the client left or stayed in the gym. The results suggest that can be useful tool to predict dropout and to use additional approaches to counteract clients in risk to dropout.Repositório Científico do Instituto Politécnico de SantarémSobreiro, PedroSantos, Abel2018-01-11T18:07:32Z20172018-01-10T11:26:32Z2017-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfhttp://hdl.handle.net/10400.15/1996porSobreiro, Pedro Nuno de Alexandre; Santos, Abel. Abordagem para a previsão do abandono num ginásio, REVISTA INTERCONTINENTAL DE GESTÃO DESPORTIVA-RIGD, 7, 3, 311-319, 2017.2237-3373info: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:RCAAP2024-01-21T07:32:23Zoai:repositorio.ipsantarem.pt:10400.15/1996Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T01:54:10.178436Repositório 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 Abordagem para a previsão do abandono num ginásio
Aproximación para la previsión de abandono en un gimnasio
Approach for predicting dropout in a health club
title Abordagem para a previsão do abandono num ginásio
spellingShingle Abordagem para a previsão do abandono num ginásio
Sobreiro, Pedro
Machine Learning
Gestão do desporto
Ginásios
Previsão de abandono
title_short Abordagem para a previsão do abandono num ginásio
title_full Abordagem para a previsão do abandono num ginásio
title_fullStr Abordagem para a previsão do abandono num ginásio
title_full_unstemmed Abordagem para a previsão do abandono num ginásio
title_sort Abordagem para a previsão do abandono num ginásio
author Sobreiro, Pedro
author_facet Sobreiro, Pedro
Santos, Abel
author_role author
author2 Santos, Abel
author2_role author
dc.contributor.none.fl_str_mv Repositório Científico do Instituto Politécnico de Santarém
dc.contributor.author.fl_str_mv Sobreiro, Pedro
Santos, Abel
dc.subject.por.fl_str_mv Machine Learning
Gestão do desporto
Ginásios
Previsão de abandono
topic Machine Learning
Gestão do desporto
Ginásios
Previsão de abandono
description Este estudo pretende apresentar um modelo para prever o abandono dos clientes num ginásio, baseado em dados existentes no software de gestão Health Center. As variáveis selecionadas, identificadas de acordo com a sua relevância em estudos realizados e disponibilidade de dados, foram: idade, género, tempo de inscrição, média de visitas mensais, faturação realizada ao cliente, número de aulas frequentadas e distância a percorrer para chegar ao clube. O número de clientes utilizados para a previsão de abandono foram de 810, através da utilização de um algoritmo de Machine Learning Two-class logistic regression para a classificação. A aproximação realizada permitiu prever com uma exatidão de 83% se o cliente abandonava ou ficava no ginásio. Os resultados obtidos sugerem que pode ser vantajoso a utilização da aproximação realizada para prever o abandono e explorar medidas adicionais para contrariar o abandono de clientes em risco.
publishDate 2017
dc.date.none.fl_str_mv 2017
2017-01-01T00:00:00Z
2018-01-11T18:07:32Z
2018-01-10T11:26:32Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.15/1996
url http://hdl.handle.net/10400.15/1996
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Sobreiro, Pedro Nuno de Alexandre; Santos, Abel. Abordagem para a previsão do abandono num ginásio, REVISTA INTERCONTINENTAL DE GESTÃO DESPORTIVA-RIGD, 7, 3, 311-319, 2017.
2237-3373
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_ 1799137031269384192

Registros relacionados