Prevenção do cancelamento de licença de uso em uma empresa de Software as a Service a partir de modelos analíticos

Detalhes bibliográficos
Autor(a) principal: Goedert, Joao Vitor
Data de Publicação: 2024
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/254395
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Produção Mecânica.
id UFSC_70e7ac4293d9871759aa3caee0555d6d
oai_identifier_str oai:repositorio.ufsc.br:123456789/254395
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Prevenção do cancelamento de licença de uso em uma empresa de Software as a Service a partir de modelos analíticosSoftwareSaaSCancelamento de Licenças de UsoRegressão LogísticaSupport Vector MachineRandom ForestXGBoostClient ChurnTCC(graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Produção Mecânica.Altos índices de cancelamento de empresas de Software as a Service (SaaS) implicam em redução da receita total, dada a diminuição da receita recorrente mensal. Dessa forma, o presente trabalho tem como objetivo propor ações que ajudem a prevenção do cancelamento de licenças de uso de software em uma empresa de tecnologia com o auxílio de modelos baseados em dados. Para tal, foi realizado um estudo na literatura dos fatores relacionados ao cancelamento de licenças de uso de software e de estratégias para prevenção deste fenômeno. Foram utilizados dados de três diferentes bases, que foram trabalhadas para a seleção das melhores variáveis de entrada. Foram aplicados quatro diferentes modelos: Regressão Logística, Randon Forest, Support Vector Machine e XGBoost que foram comparados quanto à acurácia, precisão, sensibilidade, F-score e área sob a curva ROC para definição de qual método obtém um melhor resultado. Como resultado, baseando-se na revisão de literatura existente, e na resposta do modelo XGBoost apresentou melhores resultados com uma acurácia de 83,08% e uma área sob a curva ROC de 81,45%, foi possível propor seis diferentes ações: i. Implantação de uma equipe de sucesso do cliente personalizada para clientes propensos ao cancelamento, ii. Criação de um programa de valorização de clientes fiéis à marca, iii. Plano de melhoria de usabilidade dos clientes menos satisfeitos, iv. Plano de aumento de base de dados, v. Plano de correção da base de dados na fonte e vi. Melhoria do modelo com criação de novas variáveis.High cancellation rates for Software as a Service (SaaS) companies imply a reduction in total revenue, due to a decrease in monthly recurring revenue. Therefore, this work seeks to propose actions that help prevent the cancellation of software use licenses in a technology company with the help of data-based models. A literature review was carried out in order to find factors related to the cancellation of software licenses and strategies to prevent this phenomenon. Data from three different databases were used, in which were selected the best input variables. Four different models were applied: Logistic Regression, Randon Forest, Support Vector Machine and XGBoost, which were compared regarding accuracy, precision, sensitivity, F-score and area under the ROC curve to define which method obtains a better result. As a result, based on the existing literature review, and the response of the XGBoost model, it presented better results with an accuracy of 83.08% and an area under the ROC curve of 81.45%, it was possible to propose six different actions :i. Deploying a customized customer success team for churn-prone customers, ii. Creation of a program to value customers loyal to the brand, iii. Usability improvement plan for less satisfied customers, iv. Database Augmentation Plan, v. Database correction plan at source and vi. Improvement of the model with the creation of new variables.Florianópolis, SC.Maldonado, Mauricio UrionaUniversidade Federal de Santa Catarina.Goedert, Joao Vitor2024-02-22T11:16:22Z2024-02-22T11:16:22Z2024-02-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis94 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/254395Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2024-02-22T11:16:42Zoai:repositorio.ufsc.br:123456789/254395Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732024-02-22T11:16:42Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Prevenção do cancelamento de licença de uso em uma empresa de Software as a Service a partir de modelos analíticos
title Prevenção do cancelamento de licença de uso em uma empresa de Software as a Service a partir de modelos analíticos
spellingShingle Prevenção do cancelamento de licença de uso em uma empresa de Software as a Service a partir de modelos analíticos
Goedert, Joao Vitor
Software
SaaS
Cancelamento de Licenças de Uso
Regressão Logística
Support Vector Machine
Random Forest
XGBoost
Client Churn
title_short Prevenção do cancelamento de licença de uso em uma empresa de Software as a Service a partir de modelos analíticos
title_full Prevenção do cancelamento de licença de uso em uma empresa de Software as a Service a partir de modelos analíticos
title_fullStr Prevenção do cancelamento de licença de uso em uma empresa de Software as a Service a partir de modelos analíticos
title_full_unstemmed Prevenção do cancelamento de licença de uso em uma empresa de Software as a Service a partir de modelos analíticos
title_sort Prevenção do cancelamento de licença de uso em uma empresa de Software as a Service a partir de modelos analíticos
author Goedert, Joao Vitor
author_facet Goedert, Joao Vitor
author_role author
dc.contributor.none.fl_str_mv Maldonado, Mauricio Uriona
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Goedert, Joao Vitor
dc.subject.por.fl_str_mv Software
SaaS
Cancelamento de Licenças de Uso
Regressão Logística
Support Vector Machine
Random Forest
XGBoost
Client Churn
topic Software
SaaS
Cancelamento de Licenças de Uso
Regressão Logística
Support Vector Machine
Random Forest
XGBoost
Client Churn
description TCC(graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Produção Mecânica.
publishDate 2024
dc.date.none.fl_str_mv 2024-02-22T11:16:22Z
2024-02-22T11:16:22Z
2024-02-15
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/254395
url https://repositorio.ufsc.br/handle/123456789/254395
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 94 f.
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808651961384304640

Registros relacionados