A interligação das economias, a ampla utilização da internet e o crescimento da globalização econômica remodelaram a dinâmica entre consumidores e indústrias, criando uma interação ativa entre as duas partes. Nesse contexto, compreender o ciclo de vida do cliente se torna essencial para a saúde operacional e financeira das empresas, focando na análise dos elementos que influenciam na satisfação e fidelidade do cliente. O fenômeno do churn, que indica a perda de clientes, surge como um desafio significativo para diversas indústrias, afetando diretamente a rentabilidade e a sustentabilidade empresarial. Diante disso, o objetivo desta pesquisa é realizar modelagens de previsões de churn, buscando não só uma maior precisão, mas também a interpretabilidade, através da adição de conceitos de análise causal. A base de dados Telco Customer Churn, versão 11.1.3 da IBM, foi utilizada como fundamento empírico para as proposições. Este estudo visa identificar os fatores que podem influenciar a perda de clientes e examinar diferentes estratégias de retenção por meio de intervenções. A metodologia sugerida combina algoritmos de aprendizado de máquina, como boosting de gradiente (LGBM) e árvores de decisão, com técnicas sofisticadas de análise causal, incluindo Double Robust Machine Learning e modelagem de efeitos condicionais de tratamento (CATE). O foco é não apenas prever o churn utilizando as melhores métricas possíveis, mas também entender os fatores que levam o cliente a terminar sua relação com a empresa, considerando desde variáveis de perfil até os serviços contratados. Foram analisadas variáveis como tipo de contrato, gênero, idade, dependentes, duração do contrato, total monetário de contas pagas e descontos. Os resultados esperados deste estudo têm como objetivo validar as hipóteses dos autores Wu et al. (2012), especialmente no que tange ao efeito de previsão, e oferecer novos insights sobre o perfil dos clientes propensos a abandonar a empresa. As conclusões deste trabalho prometem contribuir significativamente para o campo de gestão de relacionamento com o cliente, fornecendo dados estratégicos fundamentais para o desenvolvimento eficaz de estratégias de retenção para auxiliar a tomada de decisão dos gestores.