As Especificidades e Diretrizes para Previsão de Abandono em Telecomunicações

A análise da indústria de telecomunicações e investigação dos trabalhos publicados na construção de modelos preditivos de abandono de clientes permitem identificar características a respeito do relacionamento estabelecido entre as empresas dessa área e seus consumidores. Essas características influenciam no tipo e qualidade dos dados existentes para realização da mineração de dados e treinamento de classificadores para previsão de abandono (Tabela 2-1).

Especificidades Impacto Diretrizes

Taxa de abandono: 20 - 40% ao ano; Ciclo de vida do Cliente: 2 - 4 anos

Configuração da Janela de Performance

Janela de performance estática com tamanho entre 6 a 12 meses. Modelo de Relacionamento: Assinatura

Taxa de Conversão: 100% Tipos de Dados: Fixo (independente da aplicação)

Dados para construção das variáveis

independentes

Pessoais

Comportamentais Monetários Definição do rótulo: Fixo / Explícito

(cancelamento da assinatura)

Configuração da Janela de Resultado

Janela de resultado com tamanho de 3 meses

Tabela 2-1: Análise das especificidades e diretrizes na aplicação de previsão de abandono no domínio de Telecomunicações.

De acordo com pesquisas de mercado, as taxas de abandono mensais na indústria de telecomunicações estão próximas a 2% (Berson and Smith 2002). A pesquisa conduzida por (Neslin et al. 2004) corrobora essa informação ao reportar taxas anuais de abandono entre 23,4% e 46%. Esses valores são similares seja para planos de telefonia pós-pagos ou pré-pagos. Essa característica da indústria implica em um tempo de vida do cliente entre 2 a 4 anos, em média. Esse valor de tempo de vida é considerado elevado quando comparado com outras indústrias como E-Commerce (Collins 2012) e Software as a Service (SaaS) (Consulting 2013) que apresentam taxas de abandono médias próximas a 10% e 5% ao mês, respectivamente.

A forma de relacionamento típica com usuário em planos pós-pagos consiste no contrato formal para assinatura do serviço com pagamentos mensais. A taxa de conversão dos usuários, ou seja a proporção de uantos usuários tornam-se pagantes, nesse caso, é de 100%. Essas características indicam, dentre outras coisas, que a empresa de telefonia possui informações cadastrais e pessoais do usuário necessárias ao estabelecimento do contrato formal.

58

A taxa de 100% de conversão implica ainda que todos os clientes estão com contrato de telefonia ativo e, consequentemente, esses consumidores usufruem dos serviços ofertados: ligações de curta e longa distância, envio de SMS, acesso à internet móvel, dentre outros. Todas essas informações relativas ao uso dos serviços são armazenadas para acompanhamento do consumo dos clientes e realização das devidas cobranças de acordo com as regras do contrato vigente. Até mesmo informações sobre interação com a empresa para atendimento, sugestão e reclamação são armazenadas nas bases de dados das empresas de telecom. Assim como os dados transacionais e monetários referentes aos pagamentos mensais (consumo, valores, data de vencimento, etc.) também são armazenadas em data warehouses.

As informações armazenadas, especialmente as comportamentais, são específicas do domínio de telecomunicações. Dados como quantidade de chamadas, duração total de ligações, frequência de envio de SMS, dentre outros, são comuns somente a empresas dessa indústria. Por outro lado, os serviços ofertados pelas empresas de telecomunicações são praticamente idênticos e direcionados aos mesmo tipos de usuários e, portanto, há pouca, ou nenhuma, diferenciação em relação aos tipos de dados armazenados. Em outras indústrias, por outro lado, os dados costumam ser dependentes da aplicação. É de se esperar, por exemplo, que um SaaS de armazenamento de dados (ex: Dropbox) e outro de comunicação (ex: Slack) produzam dados comportamentais completamente diferentes. Na própria indústria de jogos é de se imaginar que os dados também são extremamente dependentes da aplicação.

A definição da situação do usuário (rótulo) é uma das atividades da preparação de dados para permitir a realização do treinamento supervisionado do classificador. Na indústria de telecomunicações, o cancelamento da relação com o cliente na maioria dos casos acontece por cancelamento voluntário deliberado. O rótulo é definido com base em uma ação clara e objetiva para encerramento do contrato de prestação de serviço. A informação sobre o cancelamento é armazenada na base de dados junto às demais informações do cliente. Em outras indústrias como E-Commerce, em que não há assinatura de serviço envolvida, a definição do rótulo torna- se uma atividade complexa.

2.5 Conclusão e Observações

Este capítulo apresenta o contexto do problema de gestão do relacionamento com clientes e ressalta a relevância da previsão de abandono para a realização de ações preventivas

59

de retenção como forma de expandir o lucro das empresas. Resumidamente, as motivações para retenção de clientes são:

• O custo de retenção de clientes é menor do que o de aquisição de novos clientes; • O custo da próxima compra é radicalmente menor do que o custo da primeira

compra;

• O aumento do conhecimento sobre os clientes para ações personalizadas;

• A fidelização do cliente permite criar potenciais clientes defensores da marca para indicar e recomendar a marca, produtos e serviço da empresa para novos clientes.

A abordagem utilizada para a construção de modelos preditivos baseia-se na aplicação de mineração de dados por meio de aprendizagem supervisionada para classificação dos clientes de acordo com as chances de abandono. A revisão bibliográfica para avaliação da aplicação em indústrias estabelecidas, como crédito e telecomunicações, revela o uso das abordagens D3M e BS para tratamento das características únicas de cada domínio durante o processo de construção dos modelos preditivos.

Os domínios avaliados, em especial crédito e telecomunicações, apresentam configurações específicas similares com relação a determinados aspectos como tamanho das janelas de performance e resultado e também as regras para definição do rótulo. Por outro lado, os aspectos referentes à seleção dos dados, pré-processamento dos dados e seleção da técnica de mineração diferem na maioria dos trabalhos identificados. Não há um padrão, sistematização ou diretriz específica a ser seguida, o que ressalta a relevância da abordagem D3M para construção de modelo representativo específico para cada domínio.

A construção do modelo para previsão de abandono em jogos para dispositivos móveis, portanto, deve considerar as características específicas do relacionamento entre o usuário e as empresas de jogos dessa indústria para aplicação com sucesso das metodologias D3M e BS. Esse é o tema do próximo capítulo.

60

3 Previsão de Abandono em Jogos Móveis

A previsão de abandono de clientes é uma atividade dependente do domínio e de suas peculiaridades, como exemplificado nos domínios de telecomunicações e crédito anteriormente. De maneira similar, a indústria de jogos para dispositivos móveis também apresenta suas especificidades. Nesse capítulo, discutimos o problema do abandono de usuários no contexto da indústria de jogos móveis. Apresentamos também a revisão bibliográfica com os trabalhos identificados na área de previsão de abandono em jogos para dispositivos móveis.