Banca de DEFESA: GUSTAVO HENRIQUE FARIAS BEZERRA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : GUSTAVO HENRIQUE FARIAS BEZERRA
DATA : 29/05/2024
HORA: 08:00
LOCAL: remoto
TÍTULO:

Previsão e Interpretação de Churn: Integrando Análise Causal e Aprendizado de Máquina para Estratégias de Retenção Efetivas

PALAVRAS-CHAVES:

Churn, CRM, Análise Preditiva, Aprendizado de Máquina, Inferência Causal.

PÁGINAS: 115
RESUMO:

A globalização e o amplo uso da internet transformaram a relação entre consumidores e empresas, estabelecendo uma interação direta e ativa entre eles. Neste cenário, compreender o ciclo de vida do cliente é vital para manter a estabilidade operacional e financeira das organizações, com um foco aguçado em fatores que promovem a satisfação e a fidelidade do cliente. Diante da questão da churn – que reflete a perda de clientes – várias indústrias enfrentam desafios que impactam diretamente sua lucratividade e sustentabilidade. Assim, esta pesquisa tem como objetivo desenvolver uma ferramenta que aprimore a modelagem preditiva de churn, enriquecendo-a com análise causal para não apenas prever com mais precisão, mas oferecer interpretações claras das razões para a perda de clientes. Utilizando o conjunto de dados IBM Telco Customer churn, versão 11.1.3, como suporte empírico, o estudo busca identificar variáveis influentes no churn e avaliar estratégias eficazes de retenção. A abordagem metodológica inclui o uso de técnicas de aprendizado de máquina, como LGBM, combinadas com métodos avançados de análise causal, como Double Robust machine learning e modelagem de Efeitos de Tratamento Médio Condicional, CATE. Desenvolvendo ferramenta que auxilie na identificação dos fatores retenção de clientes, desde aspectos demográficos a natureza dos serviços prestados, analisando variáveis como tipo de contrato, gênero, idade, entre outros. Espera-se que os resultados validem as teorias de Wu et al. (2021) sobre previsão de churn e revelem perfis de clientes com maior propensão ao abandono, como exposto pelos autores de Rudd et al. (2021), contribuindo significativamente para o gerenciamento do relacionamento com o cliente e oferecendo dados estratégicos para o desenvolvimento de táticas de retenção mais assertivas.

MEMBROS DA BANCA:
Interno - 1142787 - JOSE ALFREDO FERREIRA COSTA
Externo à Instituição - MARCUS VINICIUS DANTAS DE ASSUNCAO - IFRN
Presidente - 1777131 - MARIANA RODRIGUES DE ALMEIDA