Elaboração de um modelo preditivo de Churn para uma operadora de telecomunicações

Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e EmpresarialNos últimos anos tem-se sentido um aumento no que respeita à tentativa de reter clientes e uma diminuição relativamente à aquisição de novos utilizadores, particularmente em empresas de telecomunicações. Este foi um projeto proposto por uma operadora de telecomunicações, que solicitou não ser identificada neste relatório. Este irá incidir sobre a premissa de que “adquirir novos clientes é mais dispendioso do que reter os já existentes”. Desta forma, o grande objetivo é desenvolver um modelo preditivo que preveja quais os clientes mais propensos a cortar a ligação com a empresa, entrando assim em churn. Perante isto, o que se pretende por um lado é facilitar o trabalho da equipa de marketing aquando da tomada de decisão relativamente ao target de campanhas necessárias a implementar e, por outro lado, auxiliar a equipa de retenção de clientes a identificar aqueles sobre os quais deverão ser tomadas medidas de forma a evitar o churn. O modelo desenvolvido foi estimado através da aplicação de diferentes algoritmos de aprendizagem da máquina supervisionada (Machine Learning), utilizando a linguagem de programação Python. Tendo em conta os algoritmos aplicados, foram analisados os resultados obtidos com a aplicação de diferentes métricas de avaliação da qualidade preditiva. Constatou-se que o algoritmo Random Forest foi o que revelou melhores resultados de previsão do churn. Por fim, após o desenvolvimento deste projeto, o modelo estimado está pronto a ser utilizado pela empresa e pelos seus stakeholders como ferramenta de apoio à decisão de modo a diminuir a percentagem de churn que se verifica atualmente.In recent years, there has been an increase in the attempt to retain customers, to the detriment of investing in the acquisition of new service user on the telecommunications’ sector. This project was proposed by a telecommunications operator, who requested its name not be disclosed in this report, and it was developed under the premise that “acquiring new customers is more expensive than retaining existing ones”. Thus, the main objective is to develop a predictive model that can provide information on which customers are more likely to disconnect with the company, thus entering into churn. With this information, the goals are, on the one hand, to facilitate the decision-making process of the marketing team regarding defining the target of necessary campaigns and, on the other hand, to help the Customer Retention team to identify customers on which action should be taken to avoid churn. The developed model was estimated through the application of different supervised machine learning algorithms (Machine Learning), using the Python programming language. Considering the algorithms applied, the results obtained with the application of different predictive quality assessment metrics were analyzed, and it was found that the Random Forest algorithm was the one that revealed better churn prediction results. Finally, after the development of this project, the estimated model is ready to be used by the company and its stakeholders as a decision support tool in order to reduce the percentage of churn that currently occurs.