Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes
Autor(a) principal: | |
---|---|
Data de Publicação: | 2007 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/45/45133/tde-26082007-225003/ |
Resumo: | A medida que as economias modernas tornam-se predominantemente baseadas na prestação de serviços, as companhias aumentam seu valor na criação e na sustentabilidade do relacionamento a longo prazo com seus clientes. O \"Customer Lifetime Value (LTV)\", que é uma medida de potencial de geração de lucro, ou valor de um cliente, vem sendo considerado um ponto fundamental para o gerenciamento da relação com os clientes. O principal desafio em prever o LTV é a produção de estimativas para o tempo de duração do contrato de um cliente com um dado provedor de serviços, baseado nas informações contidas no banco de dados da companhia. Neste trabalho, apresentaremos uma alternativa aos modelos estatísticos clássicos, utilizando um modelo de redes neurais para a previsão da taxa de cancelamento a partir do banco de dados de uma empresa de TV por assinatura. |
id |
USP_c3833531aed022ee4f8106a778220daa |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-26082007-225003 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientesRedes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientesAnálise de sobrevivênciaRedes neuraisRelacionamento com clientesA medida que as economias modernas tornam-se predominantemente baseadas na prestação de serviços, as companhias aumentam seu valor na criação e na sustentabilidade do relacionamento a longo prazo com seus clientes. O \"Customer Lifetime Value (LTV)\", que é uma medida de potencial de geração de lucro, ou valor de um cliente, vem sendo considerado um ponto fundamental para o gerenciamento da relação com os clientes. O principal desafio em prever o LTV é a produção de estimativas para o tempo de duração do contrato de um cliente com um dado provedor de serviços, baseado nas informações contidas no banco de dados da companhia. Neste trabalho, apresentaremos uma alternativa aos modelos estatísticos clássicos, utilizando um modelo de redes neurais para a previsão da taxa de cancelamento a partir do banco de dados de uma empresa de TV por assinatura.A medida que as economias modernas tornam-se predominantemente baseadas na prestação de serviços, as companhias aumentam seu valor na criação e na sustentabilidade do relacionamento a longo prazo com seus clientes. O \"Customer Lifetime Value (LTV)\", que é uma medida de potencial de geração de lucro, ou valor de um cliente, vem sendo considerado um ponto fundamental para o gerenciamento da relação com os clientes. O principal desafio em prever o LTV é a produção de estimativas para o tempo de duração do contrato de um cliente com um dado provedor de serviços, baseado nas informações contidas no banco de dados da companhia. Neste trabalho, apresentaremos uma alternativa aos modelos estatísticos clássicos, utilizando um modelo de redes neurais para a previsão da taxa de cancelamento a partir do banco de dados de uma empresa de TV por assinatura.Biblioteca Digitais de Teses e Dissertações da USPLima, Antonio Carlos Pedroso deOgava, Marcelo Hiroshi2007-06-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/45/45133/tde-26082007-225003/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-16T22:32:02Zoai:teses.usp.br:tde-26082007-225003Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-16T22:32:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes |
title |
Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes |
spellingShingle |
Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes Ogava, Marcelo Hiroshi Análise de sobrevivência Redes neurais Relacionamento com clientes |
title_short |
Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes |
title_full |
Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes |
title_fullStr |
Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes |
title_full_unstemmed |
Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes |
title_sort |
Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes |
author |
Ogava, Marcelo Hiroshi |
author_facet |
Ogava, Marcelo Hiroshi |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lima, Antonio Carlos Pedroso de |
dc.contributor.author.fl_str_mv |
Ogava, Marcelo Hiroshi |
dc.subject.por.fl_str_mv |
Análise de sobrevivência Redes neurais Relacionamento com clientes |
topic |
Análise de sobrevivência Redes neurais Relacionamento com clientes |
description |
A medida que as economias modernas tornam-se predominantemente baseadas na prestação de serviços, as companhias aumentam seu valor na criação e na sustentabilidade do relacionamento a longo prazo com seus clientes. O \"Customer Lifetime Value (LTV)\", que é uma medida de potencial de geração de lucro, ou valor de um cliente, vem sendo considerado um ponto fundamental para o gerenciamento da relação com os clientes. O principal desafio em prever o LTV é a produção de estimativas para o tempo de duração do contrato de um cliente com um dado provedor de serviços, baseado nas informações contidas no banco de dados da companhia. Neste trabalho, apresentaremos uma alternativa aos modelos estatísticos clássicos, utilizando um modelo de redes neurais para a previsão da taxa de cancelamento a partir do banco de dados de uma empresa de TV por assinatura. |
publishDate |
2007 |
dc.date.none.fl_str_mv |
2007-06-04 |
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://www.teses.usp.br/teses/disponiveis/45/45133/tde-26082007-225003/ |
url |
http://www.teses.usp.br/teses/disponiveis/45/45133/tde-26082007-225003/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809091102300438528 |