O objetivo deste projeto é explorar o comportamento de churn dos clientes, verificando quais deles estão mais propensos a cancelar o serviço
Preparo dos dados:
Carregamento Pré-Processamento: Dados ausentes, conversão de tipo de dados e qualidade dos dados Exploratory Data Analysis (EDA)
Análise de taxa de churn e distribuição da variável Tenure Visualizações Análise de Sobreviência
Definição da Variável de Tempo (Tenure) Definição da variável de Evento (Churn) Modelagem
Modelo de Análise de Sobrevivência Multivariado: Cox Proportional Hazards Model Preparação dos dados e divisão em dataset de treinamento e teste Treinamento Validação e explicabilidade do modelo utilizado
Bradburn, M., Clark, T., Love, S. et al. Survival Analysis Part III: Multivariate data analysis – choosing a model and assessing its adequacy and fit. Br J Cancer 89, 605–611 (2003). https://doi.org/10.1038/sj.bjc.6601120
FIA. Churn Rate: o que é e como reter mais cliente. (2020). https://fia.com.br/blog/churn-rate/
Magul, Eudito. Churn Customers: Survival Analysis Applying R. (2023). https://medium.com/@euditomagul/churn-customers-survival-analysis-applying-r-fe09df4c93cc
Goel MK, Khanna P, Kishore J. Understanding survival analysis: Kaplan-Meier estimate. Int J Ayurveda Res. 2010 Oct;1(4):274-8. doi: 10.4103/0974-7788.76794. PMID: 21455458; PMCID: PMC3059453. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3059453/#:~:text=may%20become%20small.-,The%20Kaplan%2DMeier%20estimate%20is%20the%20simplest%20way%20of%20computing,associated%20with%20subjects%20or%20situations.&text=For%20each%20time%20interval%2C%20survival,number%20of%20patients%20at%20risk