Segmentação de Clientes & Prevenção de Churn com Machine Learning
Modelo preditivo de clusterização não supervisionada para mapear personas de compra, identificar clientes em risco de evasão e orientar ações estratégicas de CRM.
Comunicação Genérica e Alta Taxa de Churn
A empresa tratava todos os clientes da mesma forma, enviando as mesmas promoções para clientes fiéis e inativos, resultando em perda silenciosa de clientes de alto valor (VIPs).
Clusterização K-Means + Matriz RFM
Engenharia de features com Recência, Frequência e Valor Monetário (RFM), normalização com StandardScaler e aplicação de K-Means (k=4) validado com Silhouette Score de 0.68.
Redução de 22% no Churn de Clientes VIPs
Direcionamento preciso de campanhas de Customer Success para contas em risco, aumento da taxa de retenção e criação de ofertas personalizadas por persona.
Protótipo Interativo Navegável
Mapa de Dispersão 2D dos Clusters (Frequência vs Gasto Monetário)
Passe o mouse sobre os pontos para inspecionar métricas individuais, scores RFM e ações de CRM recomendadas