[en] LOGISTIC REGRESSION: A MODEL TO MEASURE SIGNATURE´S CANCELLATION RISK

• Main Author: KARINE DE ALMEIDA KARAM
• Other Authors: JORGE FERREIRA DA SILVA
• Language: pt
• Published: MAXWELL 2006
• Subjects: [pt] SATISFACAO; [en] SATISFACTION; [pt] SEGMENTACAO; [en] SEGMENTATION; [pt] RETENCAO; [en] RETENTION; [pt] MARKETING DE RELACIONAMENTO; [en] MARKETING OF RELATIONSHIP; [pt] CANCELAMENTO; [en] CHURN
• Online Access: https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=8259@1; https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=8259@2; http://doi.org/10.17771/PUCRio.acad.8259

[pt] O tema central deste projeto é a retenção de clientes como estratégia competitiva para aumentar a lucratividade da empresa. O objetivo é desenvolver um modelo estatístico que relacione variáveis transacionais, demográficas e dados sobre o histórico de eventos com a probabilidade de cancelamento dos clientes assinantes de jornal e definir o perfil dos clientes com maior risco de desligamento. Em uma primeira etapa, este estudo fornece uma revisão teórica sobre lealdade, satisfação e marketing de relacionamento, a fim de buscar uma relação com a retenção de clientes. Em seguida, a revisão de literatura levantou as variáveis mais usadas na segmentação de clientes tais como: variáveis transacionais, geográficas, demográficas, psicográficas e comportamentais para definir o perfil dos clientes que cancelam e dos que não cancelam sua assinatura. Depois de construir um modelo teórico, a regressão logística foi utilizada como técnica estatística para desenvolver um modelo de previsão de cancelamento. Os resultados foram analisados com o auxílio do programa estatístico SPSS e conclui-se que o perfil do cliente que cancela a assinatura do jornal é o jovem de até 30 anos; com baixo nível sócio-demográfico; morador da baixada, subúrbio e outros estados que não o Rio de Janeiro; que tenha adquirido sua assinatura através do canal telemarketing ativo; com a assinatura da modalidade anual e forma de pagamento em boleto ou débito em conta corrente; clientes que adquiriram sua assinatura mais recentemente; que comprem menos de 3 produtos da empresa e que não tenham feito reclamações através da central de atendimento. O modelo final de previsão de cancelamento contou com 11 variáveis e a tabela de classificação mostrou uma taxa de acerto geral de 75,3%. A última etapa apresenta algumas conclusões, implicações e sugestões para pesquisas futuras. === [en] The core subject of this project is the customers´ retention as a competitive strategy to increase the company´s profitability. The goal is to develop a statistical model that links transactional and demographic variables and customer´s history data with the subscribers´ churn of a certain publication. In the first part, this study provides a revision on loyalty, satisfaction and relationship marketing theory in order to find a relation with customers´ retention. After that, the literature revision raised the most used variables for the segmentation of customers, such as: transactional, geographic, demographic, psycological and behavior variables to define the profile of the customer who churns and the profile of that one who doesn´t. After constructing a theoretical model, the logistic regression was used as a statistical technique to develop a model of cancellation forecasting. The results has been analyzed with the aid of statistical program SPSS and conclude that the profile of the customer who cancels the subscription of the publication is young up to 30 years old; with low social- demographic level; living at Baixada, Suburb, and other states than Rio De Janeiro; that bought the subscription through the outbound telemarketing sales channel; with one year subscription and payment through invoice or direct debit in current account; customers who has bought its signature more recently; that do not buy less than 3 other products of the company and that have not made complaints through the customer service. The final model of churn forecasting uses 11 variables and the classification table showed an accuracy of 75,3%. The last part presents some conclusions, implications and suggestions for future research.