1 INTRODUÇÃO

Com o progresso da tecnologia o mercado vem tornando-se cada vez mais competitivo e a manutenção da base de clientes se mostra de suma importância para qualquer negócio. Não basta ter muitos clientes e uma boa experiência de usuário, pois, com tantos competidores, as empresas precisam estar sempre inovando para aumentar e manter a base de clientes ativos.

A base de clientes de um negócio é composta pelos usuários ativos e inativos. Usuários ativos são aqueles que, dada uma janela de tempo, estão consumindo recursos ou serviços da empresa. Saber por que um cliente abandona ou deixa de comprar ou utilizar o seu produto ou serviço é fundamental para garantir um crescimento sustentável para a sua empresa [1].

De acordo com um estudo da Ipsos Loyalty, cerca de 20% dos clientes abandonam uma empresa durante o ano, esse evento é chamado de churn, ou seja, o processo de desistência do consumidor com relação ao produto ou serviço. Em linhas gerais, o churn é o caso em que os clientes param de realizar as atividades na empresa.

Existem diversas formas de analisar a retenção destes clientes, uma delas é através do churn rate (taxa de rotatividade) [2]. De acordo com o dicionário de Oxford, o churn rate significa: “the annual percentage rate at which customers stop subscribing to a service or employees leave a job” (Oxford, 2020). Em tradução livre: é a taxa percentual de consumidores que deixam de consumir ou empregar um serviço. Essa é uma medida que está intrinsecamente relacionada aos resultados de uma empresa, trata-se do dimensionamento da quantidade de usuários ou clientes que abandonaram os produtos ou serviços de uma determinada empresa [3].

O churn rate, normalmente, é calculado considerando uma janela de tempo. O percentual do churn é obtido através da divisão do número de clientes que abandonaram o serviço ou produto, pelo número total de clientes. Este valor também é importante para evidenciar o impacto financeiro desses cancelamentos, no caixa da empresa [2]. Compreender o churn rate é de grande importância para uma boa gestão financeira e dos clientes de um empreendimento.

Neste artigo, nós apresentamos uma análise que é responsável por encontrar variáveis correlacionadas que levaram os clientes a parar de realizar transações, desta forma, auxiliando a empresa na redução dos impactos causados pelo churn. Como base para a análise, serão utilizados os dados disponibilizados pela empresa Justa.

Este trabalho tem por objetivo realizar uma análise sobre a massa de dados e identificar as, eventuais, causas da saída dos usuários, bem como os parâmetros correlacionados. Por outro lado, não serão apresentadas soluções práticas para o problema, o objetivo é fornecer os insumos necessários para o debate de uma solução posterior.

2 FUNDAMENTAÇÃO TEÓRICA

2.1 CHURN E CHURN RATE

O churn de clientes, ou rotatividade de clientes, refere-se ao número de clientes que uma empresa perde em um determinado período de tempo. De acordo com o livro Fighting Churn With Data, isto ocorre quando os consumidores deixam de utilizar ou passam a cancelar a subscrição de um produto [2].

O primeiro objetivo de qualquer empresa que oferece produtos ou serviços é crescer, ou seja, a relação entre clientes entrantes e saintes deve ser positiva, de modo que o número de clientes esteja sempre crescente [1]. A taxa de rotatividade dos clientes (churn rate) é um valor percentual que representa a relação entre clientes entrantes e saintes, em um dado período de tempo [4].

O churn rate é uma métrica muito importante, uma vez que uma alta taxa de desistência implica em um aumento no custo do cliente, pois, por muitas vezes o cliente não ficou tempo suficiente para equiparar o CAC (customer acquisition cost, do inglês, custo de aquisição de cliente).

O cálculo do churn rate é possível através da razão entre o número de clientes perdidos pelo total de clientes do período, multiplicado por 100 (para obter valores percentuais). Prioritariamente, deve-se determinar um período de tempo, o número de clientes no começo deste período e o número de clientes que saíram da base no final do período, em seguida dividir o número de clientes perdidos pelo número total de clientes, por fim, multiplicar a razão por 100 (cem) [2]. Abaixo a representação gráfica:

Em empresas de alto crescimento, o churn deve ser calculado de uma outra forma, uma vez que o número de clientes pode variar muito rápido. Para o cálculo desse número, é necessário incluir o valor do número de clientes no começo e no final do período [2].

Para negócios sazonais a fórmula também precisa ser adaptada para considerar a variação do número de clientes nos diferentes períodos de operação da empresa. O valor T representa o número total de clientes e o P representa o número de clientes perdidos [2].

Reduzir o churn rate é equivalente a aumentar a retenção de clientes. Desta forma, faz-se necessário uma abordagem que consiga diminuir essa taxa, para evitar que os clientes deixem de utilizar os produtos da empresa [1].

2.2 K-MEANS

Em 1967, o termo foi utilizado por James McQueen, porém, a ideia surgiu em 1957 através de Hugo Steinhaus. O agrupamento k-means é um método, sem supervisão, de separar, em torno de centros (centróides), diversos dados, criando os chamados clusters [5].

O clustering é o conjunto de técnicas de análise de dados que consiste em fazer agrupamentos automáticos de dados segundo o seu grau de similaridade, no caso do k-means, este pretende particionar n observações dentre k grupos onde cada observação pertence ao grupo mais próximo da média [6]. Isso resulta em uma

divisão do espaço de dados em um Data Space constituído por células de Voronoi, que é um tipo especial de decomposição de Data Space.

O algoritmo consiste em definir um k, ou seja, um número de clusters (ou agrupamentos) e então aleatoriamente decidir um centróide para cada cluster definido. Com isto, pode-se calcular o centróide de menor distância para cada ponto, assim cada ponto pertencerá ao centróide mais próximo. Assim como o k pode ser definido, o distanciamento para o centróide também pode, assim as distâncias intra-cluster podem ser diminuídas, criando Clusters mais específicos. Por fim, deve-se reposicionar o centróide, esta nova posição deve ser a média da posição de todos os pontos do cluster [6]. Os dois últimos passos são repetidos, iterativamente, até que seja obtida a posição ideal de cada centróide.

2.3 KNN

O método dos k vizinhos mais próximos (kNN, do inglês k nearest neighbors) é um dos métodos de classificação automática mais simples e eficazes já propostos. O KNN foi proposto por Fukunaga e Narendra em 1975.

A ideia principal do KNN é determinar o rótulo de classificação de uma amostra baseado nas amostras vizinhas advindas de um conjunto de treinamento. A variável k representa a quantidade de vizinhos mais próximos que serão utilizados para averiguar de qual classe a nova amostra pertence [7].

O cálculo mais utilizado para a definição da distância entre os elementos é a distância euclidiana, descrita na Fórmula 4 [8].

É possível realizar o cálculo da distância através de outros algoritmos. Para entender melhor, podemos fazer uma análise sobre o pseudocódigo do algoritmo.

Uma imagem contendo Texto

Descrição gerada automaticamente

2.4 LOGISTIC REGRESSION

Em 1944 Joseph Berkson, começou o desenvolvimento do que se tornaria o Logistic Regression.

A regressão logística (LR, do inglês Logistic Regression) é uma técnica estatística que tem como objetivo produzir, a partir de um conjunto de observações, um modelo que permita a predição de valores tomados por uma variável categórica, frequentemente binária, em função de uma ou mais variáveis independentes contínuas e/ou binárias [9].

Para fazer o treinamento é utilizado uma base de dados, com variáveis independentes, e a partir disso, é usado uma função logarítmica para calcular a probabilidade de o evento ser uma combinação linear das variáveis independentes [9].

A partir disso é possível prever a classificação de novas entidades no Data Space.

2.5 TRABALHOS RELACIONADOS

2.5.1 Customer churn prediction system: a machine learning approach

Este trabalho apresenta um sistema de predição do churn na indústria de telecomunicações. Através de algoritmos de machine learning e classificação, o algoritmo proposto consegue atingir uma acurácia de 84% na identificação do churn em usuários de empresas de telecom [10].

2.5.2 B2C E-Commerce Customer Churn Prediction Based on K-Means and SVM

Este trabalho apresenta uma análise sobre a base de dados em empresas de e-commerce da China. Através da aplicação de algoritmos de machine learning, combinada com a utilização de segmentação k-means e SVM, o algoritmo faz uma síntese sobre os dados da empresa Alibaba Cloud Tianchi. A ideia do artigo é permitir a classificação e identificação do perfil do consumidor que “desiste” da empresa [11].

2.5.3 Customer Churn in Retail E-Commerce Business: Spatial and Machine Learning Approach

O estudo tem por objetivo prever o churn de clientes de uma plataforma de e-commerce do Brasil. A abordagem consiste em três estágios que são combinados para criar o perfil do cliente que abandonará a plataforma. Foram combinados dados da empresa, informações sócio geográficas e textos de revisão. Foram aplicadas técnicas de regressão logística e gradientes de classificação para tentar prever o churn de usuários [12].

3 MATERIAIS E MÉTODOS

3.1 DESCRIÇÃO DA BASE DE DADOS

Na Tabela 1 constam dados dos fatos transacionais, contendo 236.006 (duzentos e trinta e seis mil e seis) transações. É possível obter dados que caracterizam e especificam cada uma das transações como, por exemplo, data da transação, status, produtos utilizados, tipo da operação de venda, valores referentes a receitas e custos.

Tabela 1: Dados transacionais.

NOME	DESCRIÇÃO
transacao_id	ID da transação
produto	Produto da transação
tipo_venda	Modo de pagamento da venda
data_transacao	Data da venda
status_transacao	Status da venda
parcela	Quantidade de parcela
bandeira	Bandeira da venda
modo_ recebimento	Modo de recebimento do lojista
valor_transacao	Valor Bruto da transação
valor_preco_mdr	Valor calculado de desconto que o lojista paga no MDR
valor_preco_ antecipacao	Valor calculado de desconto que o lojista paga na Antecipação
liquido_lojista	Líquido do lojista daquela transação
cet_lojista	Custo Efetivo Total do lojista (percentual de desconto)
valor_custo_mdr	Valor calculado de desconto que a Justa paga no MDR
valor_custo_ antecipacao	Valor calculado de desconto que a Justa paga na Antecipação
receita_total_ mdr	Receita total da Justa no MDR
receita_total_ antecipacao	Receita total da Justa na Antecipação
receita_total	Receita Total (MDR + Antecipação)
lojista_id	ID do lojista

Fonte: Os autores.

A Tabela 2 contém dados sobre os clientes, através dela é possível obter identificação do cliente, definição se é pessoa física ou jurídica (CPF ou CNPJ), localização e elementos a nível transacional, como status, data de cadastro, primeira e última movimentação na empresa. A base conta com 3.402 (três mil quatrocentos e duas) entradas, sendo 2.973 (dois mil novecentos e setenta e três) entradas de clientes ativos.

Tabela 2: Dados dos clientes.

NOME	DESCRIÇÃO
est_id	ID do lojista
est_status	Status do lojista
est_document_ type	Tipo documento
est_mcc_code	Código segmento profissional
est_mcc_name	Nome segmento profissional
estado	Estado do lojista
cidade	Cidade do lojista
data_cadastro	Data de cadastro do lojista
primeira_mov	Primeira movimentação do lojista
ultima_mov	Última movimentação do lojista
hunting	Canal de entrada do lojista
celula	Célula do canal de entrada do lojista

Fonte: Os autores.

A Tabela 3 apresenta a base de dados, após a realização da etapa de concatenação da tabela de clientes com a tabela transacional.

Tabela 3 Dicionário de Dados da Base Final.

NOME	DESCRIÇÃO
est_id	ID do lojista
est_status	Status do lojista
est_mcc_code	Código segmento profissional
num_operacoes	Número de transações de um cliente
churn	se o usuário é churn ou não
semanas_ transacionadas	Quantidade de semanas com transações do usuário
semanas_sem_ transacionar	Quantidade de semanas sem transações do usuário
semanas_desde_ ultima_transacao	Quantidade de semanas desde a última transação do cliente
media_transacao_ semanal	Valor médio de das somas das transações durante a semana

Fonte: Os autores.

3.2 ANÁLISE DESCRITIVA DOS DADOS

A partir da base de dados final foi possível criar gráficos que apresentam informações acerca dos dados. As figuras de 1 a 4 apresentam a análise descritiva dos dados.

Figura 1 - Matriz de correlação dos dados.

Fonte: Os autores.

Figura 2 - Distribuição de clientes por estado

Fonte: Os autores.

Figura 3 - Clientes sem transacionar por mais de 30 dias

Fonte: Os autores.

Figura 4 - Relação entre número de clientes e interrupção de utilização

Fonte: Os autores.

3.1 PRÉ-PROCESSAMENTO DOS DADOS

O pré-processamento é um conjunto de tarefas que serão responsáveis por preparar, organizar e estruturar os dados. É fundamental para a realização de análises e predições.

Dadas as bases sobre fatos transacionais e dimensão dos lojistas, as etapas de pré-processamento foram realizadas como mostram as figuras de 5 a 6.

Figura 5 - Fluxograma de pré-processamento da base de fatos transacionais.

Fonte: Os autores.

Figura 6 - Fluxograma de pré-processamento da base de dimensão dos lojistas.

Fonte: Os autores.

Para tornar o acesso mais eficiente, foi realizada a concatenação das bases, de modo que todos os dados relevantes para o processo foram unificados.

Figura 7 - Fluxo de concatenação da base.

Fonte: Os autores.

Seguindo a proposta do CRISP-DM e o fluxo interativo de análises, foi necessário realizar novos pré-processamentos na base concatenada. Deste modo, o fluxo segue de acordo com a Figura 8.

Figura 8 - Pré-processamento da base final.

Fonte: Os autores.

4 RESULTADOS

Para o cenário de análise da base de crédito e débito sem separação por tipo de usuário, os resultados podem ser analisados nas figuras de 9 a 18.

Figura 9 - Resultado do K-means, com a base total, para churn de acordo com a média das transações semanais.

Fonte: Os autores.

Figura 10 - Resultado do K-means, com a base total, para churn de acordo com as transações semestrais.

Fonte: Os autores.

Figura 11 - Resultado do K-means, com usuários de lojas têxtil, para churn de acordo com a média das transações semanais.

Fonte: Os autores.

Figura 12 - Resultado do K-means, com usuários de lojas têxtil, para churn de acordo com as transações semestrais.

Fonte: Os autores.

Figura 13 - Matriz de confusão do KNN para a base completa, acurácia de 74%.

188	85
171	578

Fonte: Os autores.

Figura 14 - Matriz de confusão do KNN para usuários de lojas têxtil, acurácia de 81%.

17	9
6	49

Fonte: Os autores.

Figura 15 - Matriz de confusão do KNN para usuários de lojas com finalidades educacionais, acurácia de 57%.

19	5
25	21

Fonte: Os autores.

Figura 16 - Matriz de confusão da Logistic Regression para a base completa, acurácia de 99%.

272	1
0	749

Fonte: Os autores.

Figura 17 - Matriz de confusão da Logistic Regression para a para usuários de lojas têxtil, acurácia de 100%.

26	0
0	55

Fonte: Os autores.

Figura 18 - Matriz de confusão da Logistic Regression para a lojas com finalidades educacionais, acurácia de 94%.

21	3
1	45

Fonte: Os autores.

Os agrupamentos gerados pelo K-means, mostram que não existe um padrão nas transações dos clientes, impossibilitando afirmar algo sobre os perfis de clientes que virão a ser um churn. Já os resultados obtidos nos classificadores, mostram que com as transações do cliente consegue-se informar se estes vão parar de transacionar ou não.

5 CONCLUSÕES

A falta de transações de clientes numa empresa é um problema muito frequente a ser lidado. Prever se um cliente é um possível churn ou não se mostra relevante para estabelecer técnicas que evitem que os clientes parem de realizar atividades transacionais na empresa [2].

Como solução do projeto, foi implementado um algoritmo de K-means para agrupar os dados estabelecidos e então dividir em dois grupos para serem analisados os resultados para os grupos formados. Também foram implementados dois algoritmos de classificação (KNN e Logistic Regression) estes responsáveis por indicar se, de acordo com os dados transacionais fornecidos, o cliente é ou não um churn.

Os resultados desse estudo possuem algumas limitações, pois foi utilizada uma base de dados real em que aproximadamente 81% dos clientes pararam de transacionar.

A fim de solucionar o problema, foram analisados dois cenários, os de transações de débito e crédito e as transações dos setores de loja têxtil e do setor educacional.

Os resultados obtidos nos agrupamentos, mostram que a base analisada não possui padrões suficientes para agrupar os dados em perfis de clientes que seriam necessários para a nossa análise, impossibilitando assim, observar os comportamentos de determinados tipos de clientes.

Os classificadores, por sua vez, conseguem solucionar a previsão dos resultados, para os cenários analisados. Na análise de crédito e débito, utilizando o KNN a acurácia é de 75%, sendo um resultado sólido e bom para classificar um cliente. Já nas análises dos setores de loja têxtil e educacional, obteve-se as acurácias de 81% e 57%, respectivamente, isso se deve à distribuição dos setores na base, setores de lojas têxteis são a maioria, enquanto educacional, não.

O LR, consegue uma acurácia de 99% para a análise de crédito e débito, enquanto para os casos de loja têxtil e educacional são, respectivamente, 100% e 94%.

De maneira geral, este estudo mostra que a base analisada possui muita rotatividade de clientes o que impossibilita uma análise precisa e clara do churn. Para o escopo estimado, o projeto consegue dizer se um cliente é churn, com base nas suas transações. Porém, para uma análise mais elaborada dos perfis de cliente e resultados melhores, se torna necessário uma base com maiores informações sobre o cliente em si, como renda mensal, ocupação entre outros.

REFERÊNCIAS

[1] KLEPAC et al. Developing churn models using data mining techniques and social network analysis, SCOPUS, 2015.

[2] GOLD C. S. Fighting churn with data: The science and strategy of customer retention, Manning Publications, 2020.

[3] OXFORD UNIVERSITY. Oxford Dictionary of English, 2013.

[4] MEHTA, N.; STEINMAN, D.; MURPHY, L. Customer Success: How Innovative Companies Are Reducing Churn and Growing Recurring Revenue, Editora Wiley, 2016.

[5] WU, J. Advances in K-means Clustering: A Data Mining Thinking, Springer, 2012.

[6] NUNES, D. Um breve estudo sobre o algoritmo K-means, Dissertação de Mestrado, Universidade de Coimbra, 2016.

[7] KRAMER, O. Dimensionality Reduction with Unsupervised Nearest Neighbors, Springer, 2013.

[8] TAN, P.; STEINBACH, M., KUMAR, V. Introdução ao Data Mining - Mineração de Dados, Ciência Moderna, 2009.

[9] MENARD, S.; Logistic Regression: From Introductory to Advanced Concepts and Applications, SAGE Publications, Inc., 2010.

[10] LALWANI, P. et al. Customer churn prediction system: a machine learning approach. Computing 104, 271–294 (2022).

[11] XIAHOU, X.; HARADA, Y. B2C E-Commerce Customer Churn Prediction Based on K-Means and SVM. Jurnal of Theorical. Applied Electronic Commerce Research, 2022, 17(2), 458-475.

[12] MATUSZELAŃSKI K.; KOPCZEWSKA K. Customer Churn in Retail E-Commerce: Business: Spatial and Machine Learning Approach. Journal of Theoretical and Applied Electronic Commerce Research, 2022, 17(1):165-198.

Abordagem analítica para predição e prevenção do Churn

1 INTRODUÇÃO

2 FUNDAMENTAÇÃO TEÓRICA

2.1 CHURN E CHURN RATE

2.2 K-MEANS

3 MATERIAIS E MÉTODOS

4 RESULTADOS