Desenvolvimento de um processo estruturado para a modelagem de previsão de churn em modelos de negócio de recorrência

• Ano de defesa: 2025
• Autor(a) principal: ESTEVES, Tayrone Duque
• Orientador(a): GOMES, José Henrique de Freitas
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Engenharia de Produção
• Departamento: IEPG - Instituto de Engenharia de Produção e Gestão
• País: Brasil
• Palavras-chave em Português: Previsão de churn; Framework; Regressão logística; Redes neurais; Clubes de assinatura
• Área do conhecimento CNPq: CNPQ::CIÊNCIAS SOCIAIS APLICADAS::ADMINISTRAÇÃO
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/4273

O modelo de negócio de compras recorrentes, como os clubes de assinatura, tem crescido muito nos últimos anos. Como adquirir novos clientes tem um custo maior do que reter os atuais, a perda de clientes (churn) tem um impacto negativo na competitividade do negócio, e a capacidade de prevê-lo torna-se um diferencial estratégico. A diversidade de métodos disponíveis e a falta de um processo padronizado de avaliação de modelos são desafios tanto acadêmicos quanto práticos para o setor. Nesse contexto, esse trabalho estruturou um procedimento voltado para a construção de métodos de previsão de churn composto de três etapas: preparação dos dados, aplicação dos modelos e avaliação dos modelos. Para isso, primeiramente os dados são padronizados e balanceados, métricas são definidas para comparação entre os modelos e uma análise de estabilidade é realizada. Para validação deste método, sua aplicação foi realizada no caso real de um clube de assinaturas de livros, para o qual sete variáveis preditoras foram selecionadas para compor 3 modelos de previsão: regressão logística, uma combinação entre o algoritmo média-k e a regressão logística, e uma rede neural mutilayer perceptron (MLP). A regressão logística ficou selecionada como o melhor dentre os métodos testados, apresentando acuracidade de 71,1% e 44,6% de precisão. Os resultados encontrados são superiores aos do modelo atual aplicado na empresa estudada, que possui 71,8% de acuracidade e 12,1% de precisão. O procedimento estruturado mostrou-se efetivo na seleção de métodos e direcionamento de tomadas de decisão para o desenvolvimento de modelos de previsão de forma padronizada e robusta.