A medida que as economias modernas tornam-se predominantemente baseadas na prestação de serviços, as companhias aumentam seu valor na criação e na sustentabilidade do relacionamento a longo prazo com seus clientes. O \"Customer Lifetime Value (LTV)\", que é uma medida de potencial de geração de lucro, ou valor de um cliente, vem sendo considerado um ponto fundamental para o gerenciamento da relação com os clientes. O principal desafio em prever o LTV é a produção de estimativas para o tempo de duração do contrato de um cliente com um dado provedor de serviços, baseado nas informações contidas no banco de dados da companhia. Neste trabalho, apresentaremos uma alternativa aos modelos estatísticos clássicos, utilizando um modelo de redes neurais para a previsão da taxa de cancelamento a partir do banco de dados de uma empresa de TV por assinatura. / A medida que as economias modernas tornam-se predominantemente baseadas na prestação de serviços, as companhias aumentam seu valor na criação e na sustentabilidade do relacionamento a longo prazo com seus clientes. O \"Customer Lifetime Value (LTV)\", que é uma medida de potencial de geração de lucro, ou valor de um cliente, vem sendo considerado um ponto fundamental para o gerenciamento da relação com os clientes. O principal desafio em prever o LTV é a produção de estimativas para o tempo de duração do contrato de um cliente com um dado provedor de serviços, baseado nas informações contidas no banco de dados da companhia. Neste trabalho, apresentaremos uma alternativa aos modelos estatísticos clássicos, utilizando um modelo de redes neurais para a previsão da taxa de cancelamento a partir do banco de dados de uma empresa de TV por assinatura.
| Identifer | oai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-26082007-225003 |
| Date | 04 June 2007 |
| Creators | Marcelo Hiroshi Ogava |
| Contributors | Antonio Carlos Pedroso de Lima, Lucia Pereira Barroso, Manoel Raimundo de Sena Junior |
| Publisher | Universidade de São Paulo, Estatística, USP, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds