[pt] O objetivo desta dissertação é propor um sistema de
mineração de dados
completo para a solução de problemas de retenção de
clientes, presentes nas
mais variadas indústrias. Tal solução reside na correta
identificação, em meio a
gigantescas bases de dados, dos clientes cujos perfis e
históricos de
comportamento denotam que sua saída da empresa é iminente.
Agindo então
sobre a inteligência gerada a partir desta classificação de
clientes, incentivos e
ações de retenção devem ser postos em prática para evitar
e/ou minimizar a
perda para algum concorrente de clientes valiosos. Ao longo
do processo de
mineração de dados, deu-se atenção ao processo de
preparação e
representação dos dados e métodos de seleção de variáveis,
na tentativa de
melhorar e otimizar o desempenho dos modelos a serem
estudados. Vários
modelos diferentes foram testados, otimizados e comparados
na tarefa de
classificação de clientes como aqueles que permanecerão na
empresa ou
aqueles que apresentam riscos de abandono. Entre os modelos
estudados
estão: redes neurais, sistemas neuro-fuzzy hierárquicos,
algoritmos genéticos,
árvores de decisão e máquinas de vetor de suporte. Em
particular, avaliou-se a
questão do abandono de clientes (churn) na indústria de
telecomunicações
móvel brasileira, devido à disponibilidade de dados reais
para a análise. Foi feito
um estudo abrangente do problema do churn, identificando
suas causas,
conseqüências e detalhes. Conclui-se com uma análise do
impacto da
implementação da metodologia proposta em ações de retenção
de clientes, sob
o prisma da lucratividade ou corte de despesas em que tal
utilização implicaria. / [en] The goal of this work is to propose a complete data mining
system for the
solution of customer retention problems, commonly found in
many industries.
Such a solution encompasses the accurate identification
among huge amounts of
data of those consumers who would most likely end their
relationship with the
firm, based on their historical behavior and individual
profile. Acting upon the
intelligence provided by a precise customer classification,
incentives and
retention actions should be put into practice to prevent or
minimize the losses of
valuable clients to competitors. Throughout the data mining
process designed
here, great care was given to the preparation and
representation of the data and
to input selection methods, in an effort to optimize the
performance of the
classification models. Various different classification
techniques have been
tested, with the objective of finding the one best suited
for the task at hand: to
pinpoint those customers who present clear risks of
abandoning the analyzed
company. Among the studied models were neural networks,
decision trees,
genetic algorithms, neuro-fuzzy systems and SVMs (Support
Vector Machines).
As a case study, the issue of churn (loss of customer to
a competitor) in the
Brazilian wireless telecommunications was tackled, due to
the availability of data.
A detailed study was made, identifying the causes,
consequences and details of
the business problem. As a conclusion, the great impact of
the implementation of
the proposed system in retention strategies of wireless
carriers is evaluated,
under the view of the profitability that would be generated
by its use.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:7070 |
| Date | 16 September 2005 |
| Creators | JORGE BRANTES FERREIRA |
| Contributors | MARLEY MARIA BERNARDES REBUZZI VELLASCO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0123 seconds