Reduzindo o Churn: Uma Análise Estratégica de Dados no Telecom

<aside> 💡

Estudo simulado utilizando dados fictícios de uma empresa de Telecom, com foco em retenção de clientes e estratégias de negócio.

<aside>

Visualização no Power BI

</aside>

<aside>

Para facilitar a navegação, criei o índice clicável abaixo e um botão "Voltar para o Índice" ao final de cada seção

<aside>

</aside>

<aside>

Desafios, problemas e soluções.

<aside>

Sempre fui muito curioso em entender como as coisas funcionam e estou em um momento de realização, pois me fazer perguntas de negócios e conseguir responder por meio desses projetos é algo que realmente me empolga! Estou animado em fazer isso com um projeto real e ver de perto o impacto que a decisão baseada em dados e estratégia pode fazer.

A importância de ter persistido: Um dos maiores insights tirados desse projeto veio dessa query, “Clientes que utilizam boleto eletrônico cancelam muito mais”, com essa informação obtida com sucesso eu pude tirar uma conclusão relevante sobre o tema e poderia tomar medidas para reduzir o churn, obtendo sucesso no objetivo do projeto.

</aside>

<aside>

Garantia da Qualidade dos Dados (SQL + Power BI) </aside>

<aside>

Conectividade e Integração de Ferramentas (Python) </aside>

<aside>

Design de Dashboard e Storytelling com Dados (DAX) </aside>

</aside>

<aside>

1. Clientes - Taxa de Churn

<aside>

Tive o entendimento que no setor de Telecomunicações, por ser altamente competitivo a taxa de Churn costuma ficar entre 15% e 25%. Mesmo assim, é de conhecimento geral que é reter clientes é tremendamente mais barato do que adquirir novos.

Como podemos reduzir essa taxa de churn? Vamos investigar!

</aside>

<aside>

A nossa base de dados possui 6.180 clientes, com uma taxa de churn de 16,3%, o que indica um problema relevante de retenção a ser investigado e que está dentro da média do setor.

</aside>

<aside>

Query utilizada

Taxa de Churn: (1006 / 6180) = Aproximadamente 16,3%

</aside>

Voltar para o índice

Visualização no Power BI

</aside>

<aside>

2. O Perfil do Cliente - Gênero

<aside>

Com a taxa de Churn definida, posso começar a fazer algumas perguntas.

</aside>

Existe diferença no cancelamento entre os gêneros?

<aside>

Total de Mulheres: 2.549 + 505 = 3.054 clientes Taxa de Churn (Mulheres): (505 / 3.054) * 100 = 16,54%.

</aside>

<aside>

Total de Homens: 2.625 + 501 = 3.126 clientes Total de Churn (Homens): (501 / 3.126) * 100 = 16,03%.

</aside>

<aside>

Query utilizada </aside>

<aside>

O gênero não parece ser um fator determinante para o cancelamento de clientes nesta base de dados. As taxas de churn para ambos os gêneros são praticamente idênticas, sugerindo que as causas do problema são mais gerais e afetam homens e mulheres de forma similar.

</aside>

Voltar para o índice

Visualização no Power BI

</aside>

<aside>

3. Aprofundando o Perfil do Cliente - Idosos

Existe diferença no comportamento de cancelamento entre clientes idosos e não idosos?

<aside>

Total de Clientes Não Idosos: 4.508 + 746 = 5.254 Taxa de Churn (Não Idosos): (746 / 5.254) * 100 = 14,2%

Total de Clientes Idosos: 666 + 260 = 926 Taxa de Churn (Idosos) (260 / 926) * 100 = 28,1%

</aside>

<aside>

Query utilizada </aside>

<aside>

A análise mostra que a taxa de churn para clientes idosos (28,1%) é praticamente o dobro da taxa para clientes não idosos (14,2%).

Apesar da alta taxa de churn entre idosos ser um fato nos dados, a base atual não nos permite concluir a causa raiz. A alta taxa pode ser devido a fatores como insatisfação com o serviço, preços não competitivos para aposentados, dificuldade de uso da tecnologia, ou até mesmo fatores externos como o falecimento do cliente. Uma próxima etapa recomendada para a empresa seria cruzar esses dados com os motivos de contato no suporte ou realizar uma pesquisa qualitativa com esse público para aprofundar a investigação.

</aside>

Voltar para o índice

Visualização no Power BI

</aside>

<aside>

4. Aprofundamento do Perfil do Cliente - Dependentes

Ter dependentes (parceiro/cônjuge ou filhos) influencia na decisão do cliente de cancelar o serviço?

<aside>

Total de Clientes Sem Dependentes: 3.653 + 937 = 4.590. Taxa de Churn (Sem Dependentes): (937 / 4.590) * 100 = 20,41%.

Total de Clientes Com Dependentes: 1.521 + 69 = 1.590. Taxa de Churn (Com Dependentes): (69 / 1.590) * 100 = 4,34%.

</aside>

<aside>

Query utilizada </aside>

<aside>

Insight principal: Clientes sem dependentes tem uma taxa de cancelamento (20,41%) mais de quatro vezes maior do que clientes com dependentes (4,34%). Ter dependentes é um fortíssimo fator de retenção.

Acredito que ter acesso a essa informação é de grande valor, pois podemos criar ofertas específicas para famílias ou focar em estratégias para aquisição de clientes com este perfil, pois eles tendem a ser muito mais leais.

</aside>

</aside>

<aside>

</aside>

<aside>

</aside>

<aside>

</aside>

<aside>

</aside>

<aside>

</aside>

<aside>

</aside>

<aside>

</aside>

<aside>

</aside>

<aside>

</aside>

<aside>

</aside>