"Ciências Básicas para o Desenvolvimento Sustentável"
24 a 26 de outubro de 2023
Trabalho 19827
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Ciência da computação |
| Setor | Instituto de Ciências Exatas e Tecnológicas - Campus Florestal |
| Bolsa | Outros |
| Conclusão de bolsa | Não |
| Apoio financeiro | Outros |
| Primeiro autor | Letícia Oliveira Silva |
| Orientador | FABRICIO AGUIAR SILVA |
| Outros membros | Gabriel Teixeira Pinto Coimbra, Pedro Augusto Maia Silva, Rayanne Christina Papini de Melo Souza, Víctor Hugo Rezende dos Santos |
| Título | Não Se Vá: Prevendo o Abandono de Usuários de Serviços Móveis |
| Resumo | Contextualização: No contexto atual da sociedade e, com a evolução da tecnologia, os aplicativos para dispositivos móveis passaram a se tornar parte do dia a dia da população para diversas aplicações, desde transferências bancárias, às mídias sociais. Neste cenário, a evasão de clientes, chamada de churn, se tornou um problema para as empresas. Isso fomentou a necessidade de se analisar o comportamento de usuários que deixaram de utilizar o aplicativo e com isso elaborar um modelo utilizando aprendizado de máquina que possa prever o churn antes que este ocorra. Objetivo: O presente trabalho tem como objetivo a criação de um modelo de Inteligência Artificial capaz de solucionar um problema de previsão de churn. Com o modelo proposto, será possível a tomada de providências por parte das empresas para evitar que os clientes realizem o abandono. Materiais e Métodos: Para este trabalho, foi realizado um estudo sobre dados estáticos e sequenciais referentes aos clientes de um banco digital no Brasil, fornecidos por uma empresa parceira. Esse estudo consistiu em analisar os atributos presentes na base de dados a fim de determinar quais parâmetros serão úteis na classificação de um potencial usuário churn. Vale ressaltar que foram considerados usuários churners aqueles ausentes a no mínimo 3 meses. Foram utilizados dados de clientes de um banco digital para a análise e criação do modelo, e o mesmo foi integrado a um aplicativo por meio do conceito de computação na borda. A partir deste modelo são usados dados locais para a previsão de abandono, preservando assim a privacidade dos usuários. Com o modelo treinado, foram consideradas as seguintes métricas para avaliação: acurácia, F1-score, precisão e revocação. Tais métricas são bem estabelecidas na área e podem ser utilizadas para tirar conclusões sobre o modelo proposto no quesito qualidade. As métricas foram calculadas utilizando-se a técnica de validação cruzada, bem utilizada em aprendizado de máquina, visando avaliar a generalização do modelo selecionando diferentes conjuntos de treinamento. Resultados: O resultado obtido foi de 92,10% para acurácia, o que é extremamente favorável. Além disso, para a métrica F1-score foi obtido um valor de 75,82%, mostrando um resultado favorável entre revocação e precisão, uma vez que a métrica busca calcular a média harmônica entre ambas. |
| Palavras-chave | Previsão de churn, Aprendizado de máquina, Computação na borda. |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|