Inteligência Artificial em análise de churn em telecomunicações (2024)
- Authors:
- Autor USP: SÁ, AGNALDO SALES RODRIGUES DE - ICMC
- Unidade: ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; APRENDIZADO COMPUTACIONAL; TELECOMUNICAÇÕES
- Keywords: Churn; Retenção de Clientes
- Language: Português
- Abstract: A indústria de telecomunicações desempenha um papel especial na conectividade global, enfrentando o desafio constante de segmentar, prever e reter clientes em um mercado altamente competitivo. A retenção de clientes é uma medida essencial de sucesso, com o fenômeno do "Churn"—quando um cliente encerra seu contrato—representando uma ameaça significativa à receita e à viabilidade das empresas. Dessa forma esse trabalho pode ser usado para mitigar o Churn usando um pipeline que inclui 4 dos melhores modelos de IA: Usando técnicas de aprendizado de máquina como Logistic Regression, Decision Tree, Random Forest, XGBoos, com esses modelos foram propostos para análise e previsão de churn em empresas de telecomunicações. O desempenho de vários modelos foram comparadas na base no conjunto de dados em estudo e feitas comparações sobre a eficácia dos algoritmos. Esses modelos são frequentemente eficazes em problemas de classificação e regressão, como a previsão de churn. Com a evolução da tecnologia e a crescente demanda do mercado, a inteligência artificial (IA) emerge como uma ferramenta poderosa para enfrentar os desafios do Churn. Esses 4 modelos de Machine Learning Preditiva tem o objetivo prever valores ou categorias de dados futuros com base em dados históricos e para ser usada para personalizar estratégias de retenção, segmentando clientes com base em seu comportamento e preferências individuais. Entretanto, o uso crescente de IA levanta preocupações éticas e de privacidade, exigindo que as empresas garantam transparência e segurança no manejo dos dados dos clientes. Em suma, a aplicação de IA na retenção de clientes está em constante evolução. Este estudo busca uma análise comparativa das abordagens de IA, com foco em modelos de regressão e classificação, para criar estratégias empresariais mais eficazes. A IA promete não apenas mitigar o Churn, mas também fortalecer a estabilidade e a lucratividade dasempresas de telecomunicações. Os resultados mudam dependendo dos dados e da configuração específica do modelo, utilizou-se um Pipeline que combina pré-processamento e classificação em um fluxo de trabalho e o GridSearchC que busca pelos melhores parâmetros para o classificador usando validação cruzada, além disso aplicou-se o Undersampling que balanceia o conjunto de dados antes da busca por parâmetros.o Melhor Modelo foi o Random Forest que foi identificado como o melhor modelo, com a maior acurácia de 80.10%. Ele tem um bom equilíbrio entre precisão e recall, mas como os outros modelos, ainda apresenta desafios em capturar todos os casos de churn, refletido no recall relativamente baixo para a classe 1. Todos os modelos apresentam um desempenho significativamente melhor na classe 0 (não churn) do que na classe 1 (churn). Isso é comum em problemas de churn, onde a classe positiva (churn) é muitas vezes minoritária e mais difícil de prever corretamente.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
SÁ, Agnaldo Sales Rodrigues de. Inteligência Artificial em análise de churn em telecomunicações. 2024. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/c3606db5-82cc-41c8-b5dc-ec9c0a191fea/Agnaldo_Sales_Sales_Rodriges_de_S%C3%A1.pdf. Acesso em: 25 jan. 2026. -
APA
Sá, A. S. R. de. (2024). Inteligência Artificial em análise de churn em telecomunicações (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/c3606db5-82cc-41c8-b5dc-ec9c0a191fea/Agnaldo_Sales_Sales_Rodriges_de_S%C3%A1.pdf -
NLM
Sá ASR de. Inteligência Artificial em análise de churn em telecomunicações [Internet]. 2024 ;[citado 2026 jan. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/c3606db5-82cc-41c8-b5dc-ec9c0a191fea/Agnaldo_Sales_Sales_Rodriges_de_S%C3%A1.pdf -
Vancouver
Sá ASR de. Inteligência Artificial em análise de churn em telecomunicações [Internet]. 2024 ;[citado 2026 jan. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/c3606db5-82cc-41c8-b5dc-ec9c0a191fea/Agnaldo_Sales_Sales_Rodriges_de_S%C3%A1.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Agnaldo_Sales_Sales_Rodri... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
