Descrição do projeto
TraduzidoTemos um negócio de assinatura e perdemos assinantes pagantes mês após mês, mas não conseguimos ver com antecedência quem exatamente vai sair e por quê. Precisamos de um sistema de previsão de churn e análises de retenção construído com nossos dados históricos: um modelo de aprendizado de máquina que calcula a probabilidade de cancelamento nos próximos 30, 60 e 90 dias para cada cliente ativo. O modelo não deve ser uma caixa-preta — para cada cliente na zona de risco, precisamos ver os principais fatores da previsão para que a equipe entenda a razão: queda na atividade, problemas de pagamento, tickets de suporte pendentes, sensibilidade ao preço ou uma oferta de concorrente, e trabalhar com a causa real em vez de adivinhar.
Além da pontuação, precisamos de análises de retenção de coorte completas. Mostrar curvas de retenção e taxas de sobrevivência por coortes de registro, tarifas, canais de aquisição e regiões, para que possamos ver exatamente onde e em que estágio do ciclo de vida do cliente a retenção falha. O sistema deve distribuir os clientes em grupos de risco compreensíveis e acionar automaticamente ações de retenção: e-mails direcionados, descontos limitados, chamadas de gerentes de conta ou mensagens dentro do produto — assim que um cliente ultrapassar um limite de risco definido. Cada ação acionada deve ser registrada para que possamos medir posteriormente quais medidas realmente reduziram o churn.
Esperamos pipelines de dados limpos e confiáveis, re-treinamento de modelo conforme programação, métricas de qualidade honestas (precisão, recall, lift, calibração) e uma interface simples que nossa equipe não técnica possa usar todos os dias sem ajuda externa. Por favor, descreva a pilha tecnológica proposta, como você validará o modelo com nossos dados e prazos realistas.
O que precisamos como resultado:
— pontuação de risco de churn em horizontes de 30/60/90 dias com explicações dos fatores para cada cliente;
— painéis de coorte, retenção e curvas de sobrevivência com filtros;
— grupos de risco automáticos e gatilhos de ações de retenção configuráveis;
— pipeline de re-treinamento programado, documentação e transferência de projeto.
Além da pontuação, precisamos de análises de retenção de coorte completas. Mostrar curvas de retenção e taxas de sobrevivência por coortes de registro, tarifas, canais de aquisição e regiões, para que possamos ver exatamente onde e em que estágio do ciclo de vida do cliente a retenção falha. O sistema deve distribuir os clientes em grupos de risco compreensíveis e acionar automaticamente ações de retenção: e-mails direcionados, descontos limitados, chamadas de gerentes de conta ou mensagens dentro do produto — assim que um cliente ultrapassar um limite de risco definido. Cada ação acionada deve ser registrada para que possamos medir posteriormente quais medidas realmente reduziram o churn.
Esperamos pipelines de dados limpos e confiáveis, re-treinamento de modelo conforme programação, métricas de qualidade honestas (precisão, recall, lift, calibração) e uma interface simples que nossa equipe não técnica possa usar todos os dias sem ajuda externa. Por favor, descreva a pilha tecnológica proposta, como você validará o modelo com nossos dados e prazos realistas.
O que precisamos como resultado:
— pontuação de risco de churn em horizontes de 30/60/90 dias com explicações dos fatores para cada cliente;
— painéis de coorte, retenção e curvas de sobrevivência com filtros;
— grupos de risco automáticos e gatilhos de ações de retenção configuráveis;
— pipeline de re-treinamento programado, documentação e transferência de projeto.
Educação e consultoria Dinheiro, Transferência bancária
