Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://www.bdtd.uerj.br/handle/1/16831
Tipo do documento: Dissertação
Título: Classificação de índices de satisfação de usuários de telefonia móvel usando aprendizado de máquinas
Título(s) alternativo(s): Classification of mobile phone users satisfaction rates with machine learning
Autor: Martins Junior, Carlos Alberto 
Primeiro orientador: Lovisolo, Lisandro
Segundo orientador: Rubinstein, Marcelo Gonçalves
Primeiro membro da banca: Leite, Karla Tereza Figueiredo
Segundo membro da banca: Campos, Carlos Alberto Vieira
Resumo: Para manter a rentabilidade no concorrido mercado de telecomunicações, as operadoras de telefonia amparam-se em métricas de negócios, tais como a taxa de rotatividade dos clientes (churn) e o Net Promoter Score (NPS). Nos últimos anos, as telecomunicações no Brasil e no mundo todo têm usado o conceito de NPS para gerenciamento de relacionamento com o cliente. Operadoras de rede móvel visam a minimizar a degradação da qualidade da rede, a fim de melhorar a qualidade da rede e consequentemente a experiência do cliente. Contudo, o número de pontos de medição na rede são potencialmente massivos e é altamente desejável usar técnicas de aprendizado de máquina para extrair os recursos de rede mais importantes que provavelmente causam um serviço de rede mal percebido. Este trabalho explora técnicas de aprendizado de máquina com algoritmo de Rede Neural Artificial, Floresta Aleatória e XGBoost para prever o NPS, além de, com base no NPS, ajudar a prevenir o churn. Para tal, foi utilizada uma base amostral de 82.618 clientes de uma operadora do Brasil a qual inclui informações reais de uso da rede e de negócios. Os resultados mostram que é possível empregar uma ampla variedade de métricas de rede e de negócio para treinar uma máquina que permita entender a percepção dos clientes visando a mantê-los. O trabalho produziu descobertas que têm implicações vitais para as operadoras, destacando-se a apresentação de quais são os indicadores de rede e de negócio principais que afetam a experiência do cliente. Não foi encontrado nenhum outro trabalho com a mesma vertente de pesquisa para que pudéssemos realizar comparações.
Abstract: In order to keep profitable in a competitive telecommunications market, telephone operators rely on business metrics, such as customer turnover rate (churn) and Net Promoter Score (NPS). Recently, telecommunications in Brazil and worldwide have used the NPS concept for managing customer relationship. Mobile network operators aim to minimize degradation of network quality in order to improve the overall quality of the experience. However, the number of measurement points in a network is potentially massive and it is highly desirable to use machine learning techniques to extract the most important actionable network resources that are likely to cause poorly perceived network service. This work explores machine learning techniques with Artificial Neural Network, Random Forest and XGBoost algorithms to predict NPS, and, based on NPS, help prevent churn. For this purpose, a sample base of 82,618 customers from an operator in Brazil was used, which includes real information on network and business usage. The results show that it is possible to employ a wide variety of network and business metrics to train a machine that allows to understand the perception of customers in order to maintain them. The work produced discoveries that have vital implications for operators, highlighting the presentation of what are the main network and business indicators that affect the customer experience. No other work with the same research aspect was found so that we could make comparisons.
Palavras-chave: Engenharia eletrônica
Aprendizado do computador
Redes neurais (Computação)
Sistemas de telefonia celular
Satisfação do consumidor
Electronic engineering
Computer learning
Neural networks (Computing)
Cell phone systems
Customer satisfaction
Área(s) do CNPq: ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
Idioma: por
País: Brasil
Instituição: Universidade do Estado do Rio de Janeiro
Sigla da instituição: UERJ
Departamento: Centro de Tecnologia e Ciências::Faculdade de Engenharia
Programa: Programa de Pós-Graduação em Engenharia Eletrônica
Citação: MARTINS JUNIOR, Carlos Alberto. Classificação de índices de satisfação de usuários de telefonia móvel usando aprendizado de máquinas. 2020. 63 f. Dissertação (Mestrado em Engenharia Eletrônica) - Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2020.
Tipo de acesso: Acesso Aberto
URI: http://www.bdtd.uerj.br/handle/1/16831
Data de defesa: 28-Out-2020
Aparece nas coleções:Mestrado em Engenharia Eletrônica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação - Carlos Alberto Martins Junior - 2020 - Completo.pdf1,77 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.