Este projeto explora a rotatividade de clientes (churn) no setor de telecomunicações, utilizando análise exploratória de dados (EDA) e modelos preditivos de machine learning para identificar padrões e prever o cancelamento de clientes.
Desenvolver análises e modelos que identifiquem características influenciadoras no churn, permitindo prever quais clientes estão propensos a cancelar os serviços, auxiliando em estratégias de retenção.
Utilizado o conjunto de dados Telco Customer Churn, contendo informações como:
- Demográficos: gênero, idade, presença de dependentes.
- Serviços: tipo de contrato, serviços adicionais (TV a cabo, suporte técnico).
- Financeiros: valor mensal, cobrança total.
- Churn: indicador se o cliente cancelou ou não.
Principais insights:
- Clientes com dependentes apresentam menor taxa de churn.
- Uso de fibra óptica está associado a maior rotatividade.
- Presença de suporte técnico reduz a probabilidade de cancelamento.
- Clientes sem proteção online têm 1,99 vezes mais chances de cancelar.
- Contratos mensais aumentam em 2,06 vezes a chance de churn.
Etapas realizadas:
- Divisão dos dados (out-of-sample).
- Pré-processamento.
- Seleção de features.
- Modelagem e validação.
- Otimização de hiperparâmetros.
- Calibração do modelo.
Resultados:
- AUC-ROC: 86,1% — excelente capacidade discriminativa.
- Precisão: 55%, superando em 29 pontos percentuais a baseline aleatória de 26%, representando uma melhoria relativa de 111%.
A análise demonstrou que é possível prever o churn com alta precisão, permitindo que empresas de telecomunicações adotem medidas proativas para retenção de clientes, baseando-se em insights obtidos através de dados.
Para uma descrição detalhada do projeto, acesse o artigo no Medium:
Identificando e Prevendo Churn em Telecom: Insights e Aplicações para Negócios