Previsão de churn a curto prazo no mercado de televisão satélite pré-pago de uma empresa africana do sector das telecomunicações

Abstract

A previsão de churn constitui um dos principais desafios no setor das telecomunicações, em particular nos serviços de televisão pré-paga, caracterizados pela ausência de contratos de fidelização e pela elevada volatilidade da base de clientes. Este estudo tem como objetivo desenvolver um modelo de previsão de churn de curto prazo no contexto da TelcoTV, uma operadora africana de televisão via satélite, contribuindo simultaneamente para a prática empresarial e para a literatura académica, onde este segmento permanece pouco explorado. Com base na metodologia CRISP-DM, são analisadas 727.951 observações de 2024 para treino e teste, complementadas por 232.273 observações de validação (jan–abr/2025). Após a preparação dos dados, incluindo feature engineering, padronização e balanceamento de classes com SMOTE, são avaliados diversos algoritmos supervisionados: Regressão Logística, Random Forest, XGBoost, Gradient Boosting, Redes Neuronais, Naive Bayes e Árvores de Decisão. Os resultados revelam a superioridade dos modelos de ensemble, particularmente o XGBoost, que se distingue pelo melhor equilíbrio entre precisão e recall e pela maior estabilidade entre teste e validação (ROC AUC ≈ 0,74). O Gradient Boosting evidencia uma precisão mais elevada, mas a um custo de menor capacidade de detetar churners (recall reduzido). O Random Forest apresenta desempenho semelhante ao Gradient Boosting, mas ligeiramente inferior, enquanto a Regressão Logística, apesar da sua simplicidade, demonstra resultados competitivos em AUC e precisão. A análise de thresholds confirma que diferentes limiares de decisão implicam estratégias de negócio distintas: limiares baixos maximizam o recall, enquanto limiares mais elevados favorecem abordagens conservadoras orientadas para precisão. As variáveis comportamentais — alterações de produto, extensões e reativações — destacam-se como principais determinantes do churn, enquanto atributos demográficos e geográficos apresentam impacto residual. Conclui-se que a previsão de churn de curto prazo em televisão pré-paga é tecnicamente viável e estrategicamente útil, fornecendo à TelcoTV uma ferramenta concreta para reforçar a retenção e acrescentando evidência académica num domínio até agora pouco estudado.

Churn prediction remains one of the major challenges in the telecommunications sector, particularly in prepaid television services, which are characterized by the absence of long-term contracts and high customer volatility. This study aims to develop a short-term churn prediction model in the context of TelcoTV, an African satellite television operator, contributing simultaneously to business practice and to the academic literature, where this segment remains underexplored. Following the CRISP-DM methodology, 727,951 observations from 2024 were used for training and testing, complemented by 232,273 validation records from January to April 2025. After data preparation—including feature engineering, standardization, and class balancing with SMOTE—several supervised algorithms were evaluated: Logistic Regression, Random Forest, XGBoost, Gradient Boosting, Neural Networks, Naive Bayes, and Decision Trees. Results show the superiority of ensemble models, particularly XGBoost, which stands out for achieving the best balance between precision and recall and for presenting the greatest stability between test and validation (ROC AUC ≈ 0.74). Gradient Boosting shows higher precision, but at the cost of a reduced ability to detect churners (lower recall). Random Forest reveals performance similar to Gradient Boosting, although slightly inferior, while Logistic Regression, despite its simplicity, provides competitive results in both AUC and precision. The threshold analysis confirms that different decision cut-offs correspond to distinct business strategies: lower thresholds maximise recall, whereas higher thresholds favour more conservative approaches oriented towards precision. Behavioral variables—such as product changes, extensions, and reactivations—emerge as the main determinants of churn, while demographic and geographic attributes have only marginal impact. The findings confirm that short-term churn prediction in prepaid television is both technically feasible and strategically valuable, offering TelcoTV a concrete tool to strengthen customer retention and extending empirical evidence in an area still scarcely studied.