Redes neurais em análise de sobrevivência: Uma aplicação na área de relacionamento com clientes

Detalhes bibliográficos
Autor(a) principal: Ogava, Marcelo Hiroshi
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