UTILIZAÇÃO DOS MODELOS ARIMA PARA PREVISÃO DA TAXA DE CHURN: ESTUDO DE CASO PARA UMA EMPRESA DE E-COMMERCE
DOI:
https://doi.org/10.12957/cadest.2020.55671Palavras-chave:
Taxa de Churn, Séries Temporais, ARIMA, Previsão de DadosResumo
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.
Referências
AKAIKE, H. Information theory and an extension of the maximum likelihood principle. Proc. 2a Inter. Symposium on Information Theory, 267-281, Budapest, 1974.
BARROS, M. Processo Estocástico. São Paulo: Publit, 2005.
BOX, G.E.P.; JENKINS, G.M. & REINSEL G.C. Time Series Analysis: Forecasting and Control. 3 Ed. Prentice Hall, 1994.
BURNHAM, K. P.; ANDERSON, D. R. Model Selection and Multimodel Inference. 2002.
DICKEY, D.A. & W.A. FULLER Distribution of the Estimators for Autoregressive Time Series with Unit Root. Journal of the American Statistical Association, 74, 427- 431, 1979.
DOWNING, D; CLARK, J. Estatística Aplicada. 2 ed. São Paulo: Saraiva, 2006.
FRANCO, G. C.; REISEN, V. A.; BARROS, P. A. Testes de raízes unitárias através de estimadores semiparamétricos do parâmetro de memória longa. O Impacto da Pesquisa Operacional nas Novas Tendencias Multidiciplinares. XXXVI SBPO. São João Del-Rei, 2004.
JUPYTER. JupyterLab Documentation. 2020. Disponível em: https://jupyterlab.readthedocs.io/en/stable/#.
KUNST, R.M. Applied Time Series Analysis - Part I. University of Vienna an Institute for Advanced Studies Vienna, 2009.
KURTZ, D. L; CLOW, K. E. Services marketing. New York: John Wiley & Sons, 1998.
MAKRDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R.J. Forecasting methods and applications. 3 Ed. New York; John Wiley e Sons, 1998.
MARGARIDO, M. A.; DE MEDEIROS JUNIOR, H. Teste para mais de uma raiz unitária: uso do software SAS® na elaboração de uma rotina para o teste dickey-pantula. Pesquisa & Debate. Revista do Programa de Estudos Pós-Graduados em Economia Política, v. 17, n. 1 (29), 2006.
MORETTIN, P. A.; TOLOI, C. M. Previsão de séries temporais. 2 ed. São Paulo: Atual, 1987.
MORETTIN, P. A.; TOLOI, C. M. Análise de Séries Temporais. 2 ed. São Paulo: Atual, 2006.
WERNER, L.; RIBEIRO, J. L. D. Previsão de demanda: uma aplicação dos modelos Box-Jenkins na área de assistência técnica de computadores pessoais. Gestão e Produção. São Carlos, SP. Vol. 10, n. 1 (abr. 2003), p. 47-67, 2003.
