Previsão do Customer Churn no Setor das Telecomunicações
Utilize modelos de Machine Learning para prever quais os clientes susceptíveis de abandonar um serviço de telecomunicações.
Customer Churn
O Customer Churn é o termo usado para descrever a perda de clientes durante um determinado período de tempo. Por outras palavras, representa a quantidade de clientes que abandonaram os servicos de uma empresa (churn) durante um determinada periodo de tempo.
Durante todas as fases de comércio, as empresas têm uma alta dependência da permanência dos seus clientes no negócio. O investimento recorrente dos clientes em serviços ou produtos de um negócio, contribui para o desenvolvimento e sucesso do mesmo. Esta interpretação aplica-se também no setor das telecomunicações, onde é crucial para as operadoras, manter uma boa reputação e satisfazer os clientes de modo a retê-los nos serviços da empresa. Estima-se que o custo associado ao ganho de novos clientes seja 10 vezes superior ao custo da retenção dos existentes. Num ambiente de elevada concorrência, os esforços para a retenção de clientes tornam-se ainda mais relevantes de modo a garantir e maximizar lucros.
Para a resolução deste problema, nos dias de hoje, as empresas de telecomunicações investem em modelos de previsão de customer churn eficientes e precisos. Um bom modelo de previsão de abandono de serviços é valioso, uma vez que possibilita uma prevenção contra o abandono do mesmo, esta prevenção no caso das empresas de telecomunicação, pode ser feita simplesmente através de uma proposta que aumente a satisfação do cliente com o serviço contratado. Desta maneira os modelos de previsão de abandono de serviços conseguem ter um impacto direto na maneira como uma empresa lida com os clientes que abandonam um serviço.
Este website visa disponibilisar vários modelos preditivos de customer churn, para previsão individual ou em lote, contribuindo no setor da telecomunicação para o estudo do customer churn.
Dataset
A qualidade dos dados utilizados durante o treino de qualquer modelo preditivo, é um aspecto fundamental para a obtenção de resultados relevantes.
Os modelos presentes neste website, foram treinados com um dataset obtido através da plataforma kaggle, sendo originalmente publicado pela IBM, contendo um número significativo de 7043 registos e 21 atributos. Deste dataset foram apenas selecionados 10 atributos, sendo estes descritos pela seguinte tabela:
| Atributo | Descrição |
|---|---|
| Dependents | Atributo categórico que descreve se o cliente tem dependentes (Yes, No) |
| Tenure | Atributo numérico dos meses que o cliente permaneceu na empresa. |
| InternetService | Atributo categórico que descreve o contrato de internet do cliente. (DSL, Fiber optic, No) |
| OnlineSecurity | Atributo categórico que descreve se cliente está subscrito a um serviço adicional de segurança online. (Yes, No, No internet service) |
| TechSupport | Atributo categórico que descreve se o cliente está subscrito a um serviço de suporte adicional da empresa. (Yes, No, No internet service) |
| Contract | Atributo categórico dos termos do contrato. (Month-to-month, One year, Two year) |
| PaperlessBilling | Atributo categórico que descreve se a cobrança ao cliente é sem papeis. (Yes, No) |
| PaymentMethod | Atributo categórico que descreve o método de pagamento do serviço. (Electronic check, Mailed check, Bank transfer (automatic), Credit card) |
| MonthlyCharges | Atributo numérico do valor pago pelos clientes mensalmente. |
| Churn | Atributo alvo. |
Modelos de Previsão
Com base numa análise de vários artigos cientificos que contribuiram para a previsão do customer churn no setor da telecomunicação, foram treinados 6 modelos preditivos diferentes, sendo estes:
- XGBoost
- Random Forest
- Naive Bayes
- Decision Tree
- Logistic Regression
- Suport Vector Machine