Projeto Utilizando Machine Learning para prever rotatividade de clientes

O arquivo Rotatividade_de_clientes possui todas as análises realizadas e conclusões obtidas com essas análises.

Ao longo desse projeto trabalhei com alguns conceitos relacionados a análise de dados (como AED e ETL). Além disso, pude: - Construir um modelo para prever a rotatividade de clientes (regressão logistica, random forest, k-means); - Testar correlações entre os dados para procurar um padrão se eles influenciam na rotatividade - Agrupar os clientes (clustering) conforme determinadas características e ver quais grupos são mais passíveis de rotatividade.

Dentre as principais conclusões obtidas com o projeto posso citar

• Com base nos dados obtidos, podem ser observados alguns padrões entre os clientes que abandonam e os que não abandonam a academia:

  • Os clientes que abandonam a academia:
    • tendem a viver mais longe,
    • não aderiram com base numa promoção de recomendação de um amigo,
    • têm contratos de ginásio mais curtos,
    • gastaram menos dinheiro em outros produtos do ginásio e,
    • geralmente, têm menos meses restantes nos seus contratos.

• Sugestões

  • Uma vez que a grande maioria fornece os seus números de telefone, seria interessante contactá-los ou enviar promoções a estes clientes.
  • Outra alternativa seria a de contactar empresas parceiras e oferecer alguns descontos para os seus funcionários aderirem a grupos para participação na academia.
  • Seria vantajoso trabalhar com estes clientes à medida que se aproxima o fim dos seus contratos para os incentivar a continuar a frequentar o ginásio.