Ordenação de Algoritmos para Modelagem Preditiva de Churn: Analisando o Problema a Partir dos Métodos Sapevo-M e Vikor / Ordering Algorithms for Customer Churn Predictive Modeling: Analyzing the Problem Using Sapevo-M and Vikor Methods

Antonio Carlos Silva Júnior, Isaque David Pereira de Almeida, Marcos dos Santos, Renato Santiago Quintal

Resumen


Modelagem preditiva para classificação de churn (abandono de cliente) é uma prática comum em empresas de diversos setores, no entanto, embora seja um tema vastamente explorado, escolher o classificador adequado pode ser uma tarefa árdua, dadas as particularidades de cada empresa e a variedade de algoritmos disponíveis. Portanto, a proposta deste artigo é a escolha de um algoritmo para modelagem preditiva de churn em uma startup brasileira. O processo decisório fez uso do método SAPEVO-M para obter os pesos dos critérios e definir uma medida de interpretabilidade para os algoritmos avaliados, e o método VIKOR foi utilizado para avaliar as alternativas. Após a aplicação dos métodos, os classificadores treinados com os algoritmos SVM (kernel radial) e Regressão Logística foram considerados os mais adequados para o modelo de negócio da empresa em questão.

 

Palavras-chave: SAPEVO-M; VIKOR. Tomada de Decisão. Modelagem Preditiva. Churn.

 

ABSTRACT

 

Predictive modeling for customer churn classification is a common practice among companies from different sectors, however even though it is a widely explored subject, choosing a suitable classifier may be a difficult task, given the particularities of each company and the variety of available algorithms. Therefore, the purpose of this article is to choice of an algorithm for customer churn predictive modeling in a Brazilian startup. The decision-making process used the SAPEVO-M method to obtain the weights of criteria and to define an interpretability measure for the evaluated algorithms, and the VIKOR method was used to evaluate the alternatives. After applying the methods, the classifiers trained with SVM (radial kernel) and Logistic Regression algorithms were considered the most suitable for the business model of the company in question.

 

Keywords: SAPEVO-M; VIKOR. Tomada de Decisão. Modelagem Preditiva. Churn.


Referencias


REFERÊNCIAS

ABUABARA, Leila; PAUCAR-CACERES, Alberto; BURROWES-CROMWELL, Toni. Consumers’ values and behaviour in the Brazilian coffee-in-capsules market: promoting circular economy. International Journal of Production Research, v. 57, n. 23, p. 7269-7288, 2019. https://doi.org/10.1080/00207543.2019.1629664

CORREIA, Anderson Ribeiro et al. Modelo de negócio em uma comunidade agrícola: Aplicação de Soft Systems Methodology e Strategic Choice Approach. Modelo de negócio em uma comunidade agrícola: Aplicação de Soft Systems Methodology e Strategic Choice Approach, p. 1-388–416. https://doi.org/10.22533/at.ed.7881911075

CHECKLAND, Peter. Soft systems methodology: a thirty year retrospective. Systems research and behavioral science, v. 17, n. S1, p. S11-S58, 2000. https://doi.org/10.1002/1099-1743

DUCKSTEIN, Lucien; OPRICOVIC, Serafim. Multiobjective optimization in river basin development. Water resources research, v. 16, n. 1, p. 14-20, 1980. https://doi.org/10.1029/WR016i001p00014

GOMES, L. F. A. M.; MURY, Antonio-Roberto; GOMES, Carlos FS. Multicriteria ranking with ordinal data. Systems Analysis-Modelling-Simulation, v. 27, n. 2, p. 139-146, 1997.

HENNIG‐THURAU, Thorsten. Customer orientation of service employees: Its impact on customer satisfaction, commitment, and retention. International journal of service industry management, 2004. https://doi.org/10.1108/09564230410564939

HOSSIN, Mohammad; SULAIMAN, M. N. A review on evaluation metrics for data classification evaluations. International Journal of Data Mining & Knowledge Management Process, v. 5, n. 2, p. 1, 2015. https://doi.org/10.5121/ijdkp.2015.5201

KITCHNER, Karen Strohm. Cognition, metacognition, and epistemic cognition. Human development, v. 26, n. 4, p. 222-232, 1983. https://doi.org/10.1159/000272885

KUHN, Max; JOHNSON, Kjell. Measuring performance in classification models. In: Applied predictive modeling. Springer, New York, NY, 2013. p. 247-273. https://doi.org/10.1007/978-1-4614-6849-3_11

KUMAR, Pardeep et al. A benchmark to select data mining based classification algorithms for business intelligence and decision support systems. International Journal of Data Mining & Knowledge Management Process, p. 25–42, 2012. https://doi.org/10.5121/ijdkp.2012.2503

MARTENS, David et al. Performance of classification models from a user perspective. Decision Support Systems, v. 51, n. 4, p. 782-793, 2011. https://doi.org/10.1016/j.dss.2011.01.013

MILLER, Tim. Explanation in artificial intelligence: Insights from the social sciences. Artificial intelligence, v. 267, p. 1-38, 2019. https://doi.org/10.1016/j.artint.2018.07.007

MINGERS, John; ROSENHEAD, Jonathan. Problem structuring methods in action. European journal of operational research, v. 152, n. 3, p. 530-554, 2004. https://doi.org/10.1016/s0377-2217(03)00056-0

ONLINEOUTPUT. Vikor Software. 2017. Disponível em: http://www.onlineoutput.com/vikor-software/ Acesso em 01 fev. 2021.

PFEIFER, Phillip E. The optimal ratio of acquisition and retention costs. Journal of Targeting, Measurement and Analysis for Marketing, v. 13, n. 2, p. 179-188, 2005. https://doi.org/10.1057/palgrave.jt.5740142

SIMON, Herbert A. The structure of ill structured problems. Artificial intelligence, v. 4, n. 3-4, p. 181-201, 1973. https://doi.org/10.1016/0004-3702(73)90011-8

TEIXEIRA, L. F. H. ; SANTOS, M ; GOMES, C. F. S. . Plataforma on line SAPEVOWeb, 2020. Disponível em: www.sapevoweb.com Acesso em 01 fev. 2021.

___________________________________________ . PROPOSTA E IMPLEMENTAÇÃO EM PYTHON DO MÉTODO SIMPLE AGGREGATION OF PREFERENCES EXPRESSED BY ORDINAL VECTORS - MULTI DECISION MAKERS: UMA FERRAMENTA WEB SIMPLES E INTUITIVA PARA APOIO À DECISÃO MULTICRITÉRIO. In: XIX Simpósio de Pesquisa Operacional & Logística da Marinha, 2020, Rio de Janeiro. Simpósio de Pesquisa Operacional e Logística da Marinha - Publicação Online, 2019. p. 2326. https://doi.org/10.5151/spolm2019-168

VERBEKE, Wouter et al. New insights into churn prediction in the telecommunication sector: A profit driven data mining approach. European journal of operational research, v. 218, n. 1, p. 211-229, 2012. https://doi.org/10.1016/j.ejor.2011.09.031




DOI: http://dx.doi.org/10.12819/2021.18.5.8

Enlaces refback

  • No hay ningún enlace refback.


Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Ficheiro:Cc-by-nc-nd icon.svg

Atribuição (BY): Os licenciados têm o direito de copiar, distribuir, exibir e executar a obra e fazer trabalhos derivados dela, conquanto que deem créditos devidos ao autor ou licenciador, na maneira especificada por estes.
Não Comercial (NC): Os licenciados podem copiar, distribuir, exibir e executar a obra e fazer trabalhos derivados dela, desde que sejam para fins não-comerciais
Sem Derivações (ND): Os licenciados podem copiar, distribuir, exibir e executar apenas cópias exatas da obra, não podendo criar derivações da mesma.

 


ISSN 1806-6356 (Impresso) e 2317-2983 (Eletrônico)