Predição de Churn com Machine Learning 📞

Conteúdo

• Introdução
• Metas e objetivos
• Dados
• Métodos e modelos
• Resultados
• Ferramentas utilizadas

Introdução

O dataset Telco Customer Churn contêm informações sobre uma empresa fictícia de telecomunicações que forneceu serviços de telefone residencial e Internet para 7043 clientes na Califórnia no terceiro trimestre. Eles indicam quais clientes deixaram, permaneceram ou se inscreveram para os seus serviços.

Metas e objetivos

O objetivo deste projeto é (1) explorar os dados em busca de insights sobre a taxa de Churn da Telco, e (2) construir um modelo de machine learning capaz de predizer clientes que darão churn.

Dados

Coluna	Descrição
customerID	Identificador único dos clientes
gender	Gênero
SeniorCitizen	É idoso?
Partner	Possui parceiro?
Dependents	Possui dependentes?
tenure	Tempo de relacionamento (em meses)
PhoneService	Possui serviço telefonico?
MultipleLines	Possui multiplas linhas?(Sim, não, não possui serviço telefonico)
InternetService	Provedor de serviços de internet (DSL, Fibra ou não)
OnlineSecurity	Possui seguro online?
OnlineBackup	Possui backup online?
DeviceProtection	Possui proteção do dispositivo?
TechSupport	Tem suporte técnico?
StreamingTV	Possui streaming de TV?
StreamingMovies	Possui streaming de Filmes?
Contract	Tipo de contrato(mês-a-mês, anual ou bi-anual)
PaperlessBilling	Recebe boletos?
PaymentMethod	Método de pagamento
MonthlyCharges	Taxa de serviço
TotalCharges	Total pago pelo cliente
Churn	Alvo

Os dados podem ser encontrados no Kaggle e foram disponibilizados por BlastChar.

Métodos e modelos

Pré-processamento e otimizações

• Scikit-learn, Optuna, Category Encoders, Feature Engine.

Modelos

• RandomForest, CatBoost.

Métricas de avaliação

• Acurácia, F1 Score, ROC AUC e MCC.

Resultados

Aplicativo Streamlit

Além das análises, e construção do modelo de Machine Learning foi criado um aplicativo web com o Streamlit.

Conclusões da Análise Exploratória

• Clientes com menor tempo de relacionamento com a Telco tem maior probabilidade de Churn, são necessárias ações para aumentar a fidelização de clientes novos, especialmente no recorte dos primeiros 18 meses;
• Pessoas em planos com mensalidade maior tem maior probabilidade de Churn, é necessário checar o atendimento nestes planos e revisar os preços;
• Planos mensais são aquele com maior taxa de Churn, gerar incetivos para assinatura de planos mais longos pode ser uma solução;
• Pessoas adeptas de planos de pagamento automáticos tem uma probabilidade significamente menor de Churn, é interessante incentivar sua assinatura.

Insights pós-análise: É possível criar um plano de ação em forma de campanhas de marketing e novos planos de serviço para diminuir a taxa de Churn na Telco, algumas opções seriam (1) oferecer um plano anual com desconto caso o meio de pagamento escolhido seja Bank transnfer ou Credit card, (2) revisar preço e dar descontos para clientes com mais tempo de relacionamento que possuem planos mais caros para renovação anual ou bianual.

Métricas do modelo

Métrica	Resultado
Acurácia	0.7786
F1 Score	0.6502
ROC AUC	0.8585
MCC	0.5089

Visualizações

Ferramentas utilizadas

Contatos

• E-mail: andreluizlcons@gmail.com
• LinkedIn: https://www.linkedin.com/in/andreluizls1/
• Telefone: +55 88999934237