Identificação de preditores de Churn em uma organização de software B2B : uma análise comparativa de algoritmos de classificação

Abstract

Resumo : A predição de churn (cancelamento de serviços) em organizações é um tema crucial devido ao alto custo de aquisição de novos clientes, em comparação à retenção de clientes existentes. E o uso de algoritmos de machine learning para prever churn mostra-se uma abordagem eficaz. Esta pesquisa utiliza dados de uma organização de Software as a Service (Saas), que atua no mercado B2B de gestão de qualidade, no setor alimentício, para prever churn a partir de algoritmos de machine learning. O objetivo é identificar os principais preditores de cancelamento de assinaturas, a partir do uso de algoritmos de classificação. A metodologia da investigação é fundamentada em revisão sistemática da literatura científica, nas bases de dados Web of Science e Scielo. O resultado inicial de 6.516 artigos científicos, após aplicação de filtros, é reduzido a 32 artigos, que possibilitam o conhecimento e a comparação das práticas atuais sobre churn e a utilização de classificadores para a prevenção de churn; a análise de dados históricos de clientes atuais e que cancelaram os contratos na organização analisada; o desenvolvimento de um modelo quantitativo; e a avaliação dos classificadores e predicadores que influenciam no cancelamento de serviços. Para a coleta de dados, utilizam-se registros de clientes da organização estudada, analisados com técnicas de pré-processamento, balanceamento de classes, e modelos de machine learning, como Random Forest, Regressão Logística, SVM e Redes Neurais. A implementação segue o modelo CRISP-DM, incluindo as fases de entendimento do negócio, entendimento dos dados, preparação dos dados, modelagem e avaliação. Os resultados mostram que o modelo Random Forest apresenta o melhor desempenho em termos de acurácia, precisão, recall e F1-score. É possível determinar os comportamentos de clientes com maior influência no cancelamento ao aplicar Random Forest, ANOVA e Regressão Logística. Conclui-se que a utilização de algoritmos, como Random Forest, ANOVA e RFE, são capazes de identificar os principais preditores que influenciam no cancelamento dos serviços e, assim, contribuir à retenção de clientes em organização de SaaS, atuantes no mercado B2B

Abstract : Predicting churn (service cancellation) in organizations is a crucial topic due to the high cost of acquiring new customers compared to retaining existing ones. The use of machine learning algorithms to predict churn has proven to be an effective approach. This research utilizes data from a Software as a Service (SaaS) organization operating in the B2B quality management market within the food sector to predict churn using machine learning algorithms. The objective is to identify the main predictors of subscription cancellations using classification algorithms. The investigation methodology is based on a systematic review of scientific literature from the Web of Science and Scielo databases. The initial result of 6,516 scientific articles, after applying filters, is reduced to 32 articles that provide knowledge and allow the comparison of current practices on churn and the use of classifiers for churn prevention; the analysis of historical data of current and former clients who canceled their contracts in the analyzed organization; the development of a quantitative model; and the evaluation of classifiers and predictors that influence service cancellations. For data collection, client records from the studied organization are used, analyzed with preprocessing techniques, class balancing, and machine learning models, including Random Forest, Logistic Regression, SVM, and Neural Networks. The implementation follows the CRISP-DM model, including the phases of business understanding, data understanding, data preparation, modeling, and evaluation. The results show that the Random Forest model presents the best performance in terms of accuracy, precision, recall, and F1-score. It is possible to determine the client behaviors with the greatest influence on cancellations by applying Random Forest, ANOVA, and Logistic Regression. It is concluded that the use of algorithms such as Random Forest, ANOVA, and RFE can identify the main predictors that influence service cancellations and thus contribute to client retention in SaaS organizations operating in the B2B market