UTILIZAÇÃO DOS MODELOS ARIMA PARA PREVISÃO DA TAXA DE CHURN: ESTUDO DE CASO PARA UMA EMPRESA DE E-COMMERCE
DOI: 10.12957/cadest.2020.55671 A taxa de Churn, ou simplesmente Churn, calcula o número de usuários que se desconectam dos serviços de uma empresa em um período de tempo específico. Para alguns setores, esta é uma métrica básica para avaliar o sucesso do negócio, já que apresenta impacto direto no...
| Autores: | , , , , |
|---|---|
| Tipo de documento: | artigo |
| Estado: | Versão publicada |
| Data de publicação: | 2021 |
| País: | Brasil |
| Recursos: | Universidade do Estado do Rio de Janeiro (UERJ) |
| Repositório: | Cadernos do IME. Série Estatística (Online) |
| Idioma: | português |
| OAI Identifier: | oai:ojs.www.e-publicacoes.uerj.br:article/55671 |
| Acesso em linha: | https://www.e-publicacoes.uerj.br/cadest/article/view/55671 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Taxa de Churn Séries Temporais ARIMA Previsão de Dados |
| Resumo: | DOI: 10.12957/cadest.2020.55671 A taxa de Churn, ou simplesmente Churn, calcula o número de usuários que se desconectam dos serviços de uma empresa em um período de tempo específico. Para alguns setores, esta é uma métrica básica para avaliar o sucesso do negócio, já que apresenta impacto direto no faturamento. Neste trabalho, projeta-se a curto prazo o Churn de uma empresa de e-commerce com base no histórico de seus dados. Para isso, utilizam-se as séries temporais para a previsão desses dados, o modelo Autorregressivo Integrado Médias Móveis (ARIMA). O trabalho passou por todas as etapas do ciclo iterativo de um processo de previsão dos dados, começando do estudo e análise da base de dados, passando pela escolha e validação dos parâmetros do modelo até chegar a projeção dos dados. O teste Dickey-Fuller mostrou que a série é estacionária, o melhor modelo encontrado foi o AR(1) e os resíduos seguem uma distribuição normal. |
|---|