Análise de Churn e Priorização de Retenção em Telecom

> Observação: este projeto utiliza uma base pública de churn em telecom para fins educacionais e de portfólio. Os identificadores de clientes presentes na base são tratados apenas como chaves técnicas da amostra e não representam dados sensíveis reais.

Executive Case

Além da documentação técnica, este projeto possui um estudo executivo com o raciocínio de negócio, principais achados, recomendações e próximos passos.

➡️ Leia o Executive Case

Dashboard Executivo

O projeto também possui um dashboard executivo em HTML com KPIs, segmentação de risco, lift/gain, ROI simulado e recomendações de negócio.

Abra o Dashboard

Resumo executivo

• Base analisada: 7.043 clientes de telecom.
• Taxa geral de churn: 26,5%.
• Modelo final: Gradient Boosting.
• ROC AUC em teste: 0,8397.
• Recall de churn: 68,7%.
• Faixa crítica: 74,5% de churn real.
• Melhor cenário simulado: Top 5% com ROI estimado de 0,19.

Visão geral

Este projeto constrói uma solução analítica para apoiar decisões de retenção em telecom. A proposta é identificar clientes com maior risco estimado de churn, transformar esse risco em uma segmentação acionável e estimar o retorno financeiro de campanhas direcionadas.

O foco não é apenas treinar um modelo de machine learning, mas conectar análise de dados, priorização operacional e decisão executiva. O resultado final é uma base de clientes pontuada por probabilidade de churn, faixa de risco e ação recomendada.

Problema de negócio

Churn representa perda de receita recorrente e aumento da pressão por aquisição de novos clientes. Em vez de tratar cancelamentos apenas de forma reativa, a empresa pode usar dados para identificar padrões observáveis de risco e priorizar ações preventivas.

A pergunta central do projeto é:

Como identificar clientes com maior risco de cancelamento para priorizar investimentos de retenção?

O score gerado poderia ser usado por áreas de CRM, retenção, marketing, customer success e planejamento comercial para priorizar filas de contato, ofertas e campanhas.

Objetivos do projeto

• Estimar probabilidade de churn por cliente.
• Segmentar clientes em faixas de risco.
• Priorizar ações de retenção.
• Simular impacto financeiro de campanhas segmentadas.
• Gerar uma base operacional com score de churn.

Entregáveis principais

• Base de clientes com score de churn e faixa de risco.
• Lista de clientes priorizados por maior risco estimado.
• Relatório de métricas do modelo.
• Tabela de importância de variáveis.
• Simulação de ROI por percentual de clientes abordados.
• Apresentação executiva do case.

Base de dados

Item	Valor
Clientes analisados	7.043
Taxa geral de churn	26,5%
Variáveis explicativas usadas	19
Variável alvo	Churn
Limitação principal	Ausência de janela temporal explícita

A base contém informações de perfil, contrato, serviços, pagamento, cobrança e churn. Como não há data clara de extração, data de churn ou janela de previsão, a avaliação não deve ser interpretada como validação temporal out-of-time.

Metodologia

O projeto foi estruturado para reduzir risco de vazamento de dados e manter a lógica reprodutível:

1. Entendimento inicial da base.
2. Limpeza e tratamento de dados.
3. Separação treino, validação e teste.
4. Uso de Pipeline para imputação, escalonamento e encoding.
5. Comparação de modelos.
6. Escolha de threshold na validação.
7. Avaliação final em teste.
8. Segmentação por risco.
9. Simulação de ROI.

Modelos considerados:

• Logistic Regression
• Random Forest
• Gradient Boosting
• HistGradientBoosting
• XGBoost
• LightGBM
• CatBoost

Modelo final

Métrica	Resultado
Modelo final	GradientBoosting_sklearn
Threshold	0,342
ROC AUC teste	0,8397
PR AUC teste	0,6692
F1	0,6266
Recall	0,6868
Precision	0,5761
Accuracy	0,7824

O Gradient Boosting foi escolhido por equilíbrio entre desempenho, estabilidade, baixo gap de overfit e simplicidade operacional. A diferença para XGBoost e CatBoost foi pequena, portanto a escolha não deve ser vendida como superioridade estatística absoluta.

Matriz de confusão

Resultado	Quantidade
TN - verdadeiros negativos	634
FP - falsos positivos	142
FN - falsos negativos	88
TP - verdadeiros positivos	193

Em churn, falso negativo é um erro crítico, pois representa um cliente que cancelou sem ação preventiva. O objetivo do score é reduzir a dependência de palpite e priorizar a fila de retenção.

Segmentação de risco

Faixa de risco	Clientes	Churn real	Taxa real de churn	Probabilidade média
Baixo	3.779	266	7,0%	7,9%
Médio	1.285	365	28,4%	29,9%
Alto	1.057	551	52,1%	49,5%
Crítico	922	687	74,5%	70,9%

A segmentação mostra concentração clara do risco. Clientes classificados como críticos apresentaram churn real superior a 74%, enquanto clientes de baixo risco ficaram próximos de 7%.

Impacto financeiro simulado

O ROI é uma simulação, não um resultado financeiro realizado. A simulação usa as seguintes premissas:

• Horizonte mensal.
• Margem de 70%.
• Custo unitário de campanha de R$ 10.
• Uplift esperado de 30%.

Público	Clientes	Receita preservada estimada	ROI estimado
Top 5%	352	R$ 4.175	0,19
Top 10%	704	R$ 7.480	0,06
Top 15%	1.056	R$ 10.445	-0,01

Campanhas mais concentradas nos clientes de maior risco tendem a ser financeiramente mais eficientes. A recomendação é iniciar por piloto controlado antes de escalar a campanha.

Principais fatores associados ao risco previsto

Os fatores abaixo estão associados ao risco previsto de churn. Eles não devem ser interpretados como causas diretas do cancelamento:

• Contrato mensal.
• Menor tempo de relacionamento (tenure).
• Internet fibra óptica.
• Ausência de segurança online.
• Ausência de suporte técnico.
• Pagamento via electronic check.
• Mensalidade.

Limitações e cuidados de interpretação

• Não há validação temporal out-of-time porque a base não possui data clara.
• O horizonte de churn não está explicitado na base.
• O ROI é uma simulação, não um resultado financeiro observado.
• A importância das variáveis não prova causalidade.
• Threshold deve ser recalibrado conforme custo de erro e capacidade operacional.
• Em produção seria necessário teste A/B ou grupo de controle.

Como executar

Crie o ambiente virtual:

python -m venv .venv

Ative o ambiente no Linux/Mac:

source .venv/bin/activate

Ative o ambiente no Windows PowerShell:

.\.venv\Scripts\Activate.ps1

Ou ative no Windows CMD:

.venv\Scripts\activate

Instale as dependências:

pip install -r requirements.txt

Execute os notebooks na ordem:

1. notebooks/01_entendimento_dados.ipynb
2. notebooks/02_dataprep.ipynb
3. notebooks/03_feature_selection.ipynb
4. notebooks/04_machine_learning.ipynb
5. notebooks/05_resultado_negocio.ipynb

Estrutura do repositório

churn-retencao-telecom/
  README.md
  requirements.txt
  .gitignore
  data/
    raw/
    processed/
  notebooks/
  reports/
  images/
  presentation/

Próximos passos

• Validação temporal out-of-time.
• Calibração formal das probabilidades.
• Teste A/B ou grupo de controle.
• Monitoramento de drift.
• Integração do score ao CRM.
• Retreinamento periódico.
• Mensuração de uplift real pós-campanha.

Mensagem final

Machine Learning não reduz churn sozinho. Boas decisões reduzem churn.

O papel do modelo é aumentar a capacidade da empresa de decidir onde agir primeiro, com mais foco, consistência e melhor uso do investimento em retenção.