Agora temos a probabilidade do cliente dar Churn e podemos criar ações com base nisso.

Conclusão

O modelo XGBost e Random Forest se mostraram eficiente para prever a probabilidade do Churn dos clientes.

As variáveis mais importante para prever o Churn foram:

  • a idade do cliente,
  • o saldo bancário
  • o número de produtos, ou seja, quanto maior o produto maior o risco de Chun.

O modelo final, foi a combinação dos modelos XGBoost e Random Forest. Com o  modelo de Churn podemos prever clientes com a maior chance de cancelar o serviço e assim tomar medidas preventivas, afim de evitar essa saída.

Podemos melhorar a predição desse modelo categorizando as variáveis contínuas e balanceando as amostras, mas isso é assunto para um próximo artigo.

Ficou com alguma dúvida? Deixe suas dúvidas ou opinião nos comentários.