Modelo de propensão : como identificar os clientes com maior chance de compra?

Conhecer o cliente alvo é fundamental para que uma campanha de marketing de certo. Agora, saber exatamente quais clientes tem maior chance de comprar um determinado produto, com uma probabilidade alta de assertividade, é um diferencial competitivo. Para chegar nesse resultado de alta assertividade, foi implementado nesse estudo um modelo de propensão, onde o resultado é uma lista de clientes mais propensos a compra. O processo para chegar nessa lista passou pela extração das bases de treinamento e teste (em arquivos csv), provenientes do site Kaggle. A base de teste foi utilizada apenas para a predição final. Já a base de treinamento foi subdividida em treinamento e validação, passando por 4 experimentos: Experimento 1 - divisão da base de dados (test split) de 80% treinamento e 20% validação com todos os atributos da base. Experimento 2 - test split de 80% treinamento e 20% validação com apenas os 10 atributos mais relevantes, de acordo com o modelo KNN. Experimento 3 - test split de 75% treinamento e 25% validação, com todos os atributos. Experimento 4 - test split de 75% treinamento e 25% validação, com apenas os 10 melhores atributos. Cada experimento utilizou 3 modelos de classificação, cada um representando uma determinada categoria. Representando a categoria dos ensembles, foi utilizado o modelo de Random Forest. Já para os algoritmos explicativos, a Regressão Logística foi utilizada. Por último, para representar os modelos de probabilidade, o Naïve Bayes foi selecionado. Esses 3 modelos foram utilizados em cada um dos 4 experimentos mencionados. Com o intuito de medir a eficácia de predição de cada modelo, foram utilizados indicadores como F-Score, acurácia, AUC Score e matriz de confusão. Esses indicadores ajudaram a definir qual modelo e experimento obteve melhor performance de predição. Com as melhores notas entre os indicadores, principalmente o F-Score, o experimento 2 com test split 80% treinamento e 20%||validação e com seleção de variáveis, foi escolhido como modelo ideal para essa base de dados. Além disso, o algoritmo de Regressão Logística comprovou ser o melhor entre os 3 algoritmos analisados, com maiores notas de acurácia, AUC Score. Após a seleção do melhor algoritmo e experimento, a base de teste, que até então estava intacta, foi utilizada para a inserção das predições realizadas através da Regressão Logística. Em suma, o resultado foi uma lista de usuários, cada um com uma predição variando de 0 a 100%, sendo 100% a maior probabilidade de compra. Por ser um classificador binário, as predições realizadas pela Regressão Logística ficaram próximas dos extremos, entre 0-10% e 70-100%, com esse segundo grupo apresentando um total de 1.182 usuários com alta chance de compra.