Estudo sobre a Predição de Churn

Abstract

A monitorização detalhada que os meios digitais permitem tem vindo a acentuar o interesse no estudo do risco de abandono de um serviço por parte de um cliente, por forma a suportar o atempado acionamento de medidas de retenção. Churn é um termo muito usado nos negócios, para a perda de clientes. Neste artigo apresentamos um levantamento do estado da arte sobre análise preditiva de Churn, com técnicas baseadas em Machine Learning, na área das telecomunicações, no sector financeiro e seguros, e em negócios em meio digital, assentes em SaaS e outros. Nem todos os setores são afetados da mesma forma pelo abandono de clientes. Na área das telecomunicações, por exemplo, o estudo e predição de Churn tem sido bastante trabalhado, como denotam as publicações relativas a dados desse ramo. Pela análise bibliográfica, não se observa que exista um algoritmo ou método globalmente ótimo para a predição de Churn, com excelente desempenho em todos os tipos de dados. Denota-se alguma heterogeneidade nos dados, em cada cenário, e a não existência de uma só métrica de avaliação de desempenho, observando-se três métricas mais frequentes: AUC, precisão e exatidão.