Modelo de Previsão do Contacto Decisor no Contexto Empresarial
No setor B2B de uma empresa de telecomunicações, cada empresa/cliente tem associados vários contactos à sua carteira. Deste modo, a comunicação com um cliente específico traduz-se num grande desafio, dado que se torna difícil para a operadora identificar qual o número mais eficaz para o contactar. N...
Saved in:
| Main Author: | |
|---|---|
| Format: | Dissertation |
| Language: | Portuguese |
| Published: |
ProQuest Dissertations & Theses
01-01-2023
|
| Subjects: | |
| Online Access: | Get full text |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | No setor B2B de uma empresa de telecomunicações, cada empresa/cliente tem associados vários contactos à sua carteira. Deste modo, a comunicação com um cliente específico traduz-se num grande desafio, dado que se torna difícil para a operadora identificar qual o número mais eficaz para o contactar. Note-se que o contacto com o cliente é um fator crucial para o sucesso de qualquer empresa, no que diz respeito ao aumento a satisfação do mesmo, prolongamento dos períodos de fidelização e à identificação de oportunidades comerciais.Posto isto, o objetivo do presente projeto de trabalho consistiu em desenvolver um modelo preditivo, que estimasse a probabilidade de um determinado contacto ser o contacto decisor de um cliente. Por outras palavras, pretende-se que o modelo identifique o contacto da pessoa que decide a recusa ou aceitação de uma proposta, em nome de uma empresa.Para esse efeito, foi criada uma variável resposta binária, sendo que, foram testadas quatro formulações distintas da mesma, a partir da informação dos resultados de negócio. Este projeto teve por base metodologias de manipulação e modelação de dados, nas áreas de Estatística e Machine Learning, sendo implementado na linguagem de programação Python. Neste sentido, para cada formulação da variável resposta, efetuou-se uma comparação entre dois tipos de modelos, o Random Forest e o Gradient Boosting, ambos com otimização Bayesiana de hiper-parâmetros.Posteriormente, foi selecionado o modelo que apresentou melhores resultados e procedeu-se à validação dos respetivos outputs, em campanhas de telemarketing. Desta forma, verificou-se que que o modelo desenvolvido permitiu dar resposta ao desafio de identificar o contacto decisor, tendo-se revelado ser uma mais-valia para a empresa de telecomunicações em questão. Por conseguinte, o modelo garante ganhos de eficiência e taxa de decisão superior, em comparação com a metodologia anteriormente utilizada para contacto de clientes nos processos de negócio. |
|---|---|
| ISBN: | 9798346702320 |