Escolar Documentos
Profissional Documentos
Cultura Documentos
=
2
x x
y y x x
i
i i
| .
(2-a)
x y | o
= .
(2-b)
O estimador de mnimos quadrados, na forma matricial, dado por = (X.X)
-1
(X.Y), onde o apstrofo significa transposto. Segundo Hair (2005), cada
observao tem seu prprio resduo, que somados produzem a soma dos erros
quadrticos, uma medida total dos erros da estimao. Trs somas quadrticas
(SSE, soma quadrtica dos erros; SSR, a soma dos quadrados da regresso;
SST, a soma total dos quadrados) podem ser calculadas como segue:
( )
=
2
y y SSE .
(3-a)
( )
2
= y y SSR .
(3-b)
( )
2
= y y SST .
(3-c)
A estatstica da regresso pode ser apresenta sucintamente com uso de
tabelas da anlise de varincia - ANOVA (GOLDSCHMIDT, 2005). Erros
mdios (por exemplo, MSE e o MSR) so derivados da equao 4. Um
6
parmetro importante o coeficiente de determinao mltipla, que definida
como:
SST
SSR
R =
2
.
(4)
Para a regresso mltipla, R
2
interpretado como a proporo da variabilidade
na varivel alvo que esclarecido no relacionamento linear com o conjunto de
variveis.
3.2 Modelando Dados com Uso de Anlise Fatorial
Anlise fatorial um nome genrico dado a uma classe de mtodos
multivariados cujo propsito principal definir a estrutura adjacente em uma
matriz de dados, sendo abordado o problema de analisar a estrutura das inter-
relaes entre um grande numero de variveis, definindo um conjunto de
dimenses latentes comuns e chamadas fatores (VIEIRA & RIBAS, 2011).
a) Tipologia:
- Anlise Exploratria: til na busca da estrutura em um conjunto
de variveis ou como um mtodo de reduo. Nesta perspectiva
consideram-se as informaes que os dados oferecem e no
estabelecem restries a priori sobre a estimativa dos
componentes nem sobre o numero de componentes a serem
extrados, promovendo a busca de estruturada de conjuntos de
variveis e a reduo de dados.
- Anlise Confirmatria: Testa as hipteses envolvendo questes
sobre, por exemplo, quais variveis deveriam ser agrupadas em
um fator ou o numero exato de fatores, ou seja, avalia o grau em
que os dados satisfazem a estrutura esperada.
b) Objetivos da Anlise Fatorial - O objetivo geral de uma anlise fatorial
condensar a informao contida num nmero de variveis originais,
em um conjunto menor de fatores com um mnimo de perda dessas
informaes, objetivando:
- Observar um conjunto de dimenses latentes num grande
conjunto de variveis - Anlise Fatorial do tipo R.
- Combinar ou condensar um grande nmero de observaes em
grupos - Anlise Fatorial do tipo Q.
- Identificar variveis apropriadas para uma posterior regresso,
correlao ou Anlise Discriminante.
- Criar um novo conjunto de novas variveis em menor nmero,
para substituir outro conjunto.
As variveis utilizadas na Anlise Fatorial so geralmente mtricas. As
observaes devem ser, no mnimo, de 50 casos e preferencialmente de 100
ou mais. Entretanto as variveis dicotmicas, apesar de consideradas no
mtricas, podem ser empregadas, porm se todas as variveis so
7
dicotmicas, formas mais especificas de anlise fatorial so indicadas, como
por exemplo, anlise fatorial booleana (VIEIRA & RIBAS, 2011).
c - Determinao dos Fatores e Avaliao do Ajuste Geral
Os fatores podem ser extrados como ortogonais ou oblquos. Como
ortogonais, eles sero independentes entre si e como oblquos sero
correlacionados ou dependentes - o que controverso e discutvel. Fatores
ortogonais representam reduo de informao, sendo bons para regresses
ou anlise discriminante, mas podem no ter sentido real, aps ser
examinando a matriz de fatores sem rotao, podendo-se explorar as
possibilidades de reduo de dados e obter uma estimativa preliminar do
nmero de fatores a extrair (MALHOTRA, 2011).
Se o objetivo da anlise for identificar variveis importantes para uso posterior,
o especialista deve examinar a matriz de dados e selecionar a varivel com
mais alto peso fatorial como representativa de uma dimenso particular.
Entretanto, se o objetivo for o de criar um conjunto inteiramente novo, com um
nmero menor de variveis, ento os escores fatoriais devem ser calculados e
utilizados como dados brutos em anlises posteriores.
Na anlise fatorial insere-se a varincia comum na diagonal da mesma matriz,
antes de extrair os fatores. Neste estgio se executa duas anlises diferentes,
anlise de componentes principais e a de fatores comum.
Na anlise de componentes Principais, o especialista est preocupado com
predio, determinando um nmero mnimo de fatores necessrios para
explicar o mximo de variao do conjunto original de dados, tendo
conhecimento prvio de que as varincias especficas e do erro so pequenas
com relao varincia total. Enquanto que na Anlise de fatores comum, o
especialista est preocupado em identificar dimenses latentes no conjunto das
variveis originais, tendo pouco conhecimento sobre as varincias especficas
e do erro.
Para melhorar a anlise pode-se utilizar o artifcio da rotao de fatores para
girar os eixos de referncia dos fatores, em torno da origem, at alcanar uma
posio ideal. Ela pode ser ortogonal ou oblqua, caso os eixos se mantiverem
ou no em 90 graus entre si durante o giro. O objetivo facilitar a leitura dos
fatores, pois a rotao deixa pesos fatoriais altos em um fator e baixos em
outros, definindo mais claramente os grupos de variveis que fazem parte de
um fator estudado. A rotao oblqua mais realista, porm mais controversa.
O mtodo de rotao mais utilizado o VARIMAX o qual simplifica as colunas da
matriz de fatores (HAIR, 2009).
4. Taxa de Abandono de Clientes (Churn)
A Taxa de Abandono ou Churn consiste no ato de um cliente abandonar uma
empresa, geralmente em favor de um concorrente, terminando toda a sua
relao com a antiga empresa (IKEDA, 2006). O termo ainda no tem uma
traduo usual para o portugus, mas nas empresas de telecomunicaes
8
causa exatamente o que o verbo quer dizer: uma grande agitao dos
clientes no mercado, provocando troca de empresa a todo o momento, o que,
por sua vez, levam as empresas a se mobilizarem em busca de novas formas
de manter seus clientes no seu negcio, ao mesmo tempo em que buscam
seduzir os clientes da concorrncia (FERREIRA, 2005).
Estatsticas revelam que as empresas americanas perdem metade de seus
clientes em cinco anos e que, nessa taxa de perda, as empresas tm seus
desempenhos financeiros reduzidos de 25% a 50%. (Reichheld, 1996 apub
Ganesh et. al, 2000). Quando se diz que o churn de uma empresa varia entre
10% a 15% anualmente, isto significa que essa empresa est perdendo de
10% a 15% dos clientes de sua base de dados, e que por algum motivo, no
ficaram satisfeitos e se evadiram de sua base de clientes ativos.
Pesquisadores levantaram alguns fatores de influncia correlacionados
positivamente com a manuteno de clientes (VENETIS & GHAURI, 2004;
GANESH et al, 2000):
- Qualidade de servios prestados aos clientes;
- Satisfao do cliente;
- Lealdade do cliente;
- Comprometimento do cliente definido como a medida do
quanto s partes em uma relao de troca deseja continuar o
relacionamento de valor (VERHOEF, 2003);
- Tratamento dados pelos funcionrios.
O gerenciamento do churn , justamente, o desenvolvimento de tcnicas que
permitem empresa manter seus clientes mais lucrativos. Segundo Oliveira
(2009), a anlise do churn em empresas de telecomunicaes permite no s
identificar quais os clientes com ndices de abandono elevados, mas tambm
identificar quais os clientes de elevado valor. J para Neslin et al. (2006), uma
forma de gerenciar o churn prever quais clientes, tem mais probabilidade de
abandonar o relacionamento com a empresa e trabalhar com os mesmos a fim
de tentar evitar a ocorrncia desse rompimento. Para isso, preciso que a
empresa seja capaz de realizar este tipo de previso e identificao, buscando
deter os clientes que provavelmente se desligaro, considerando quais so os
que, de fato, geram valor suficiente para a empresa e justifiquem o
investimento em aes de reteno.
5. Metodologia
Para efeito dessa pesquisa utilizou-se da metodologia descrita por Hair et al.
(2009), segundo o qual so necessrio seis estgios para a anlise de
regresso mltipla e tambm seis estgios para anlise fatorial. A seguir, a
tabela I apresenta uma anlise resumida entre as duas tcnicas, envolvendo
os seis estgios, com o objetivo de mostrar as especificidades de cada
estrutura.
9
Tabela I Estgios no diagrama de deciso de regresso mltipla.
Regresso Mltipla Anlise Fatorial
Definir o problema da pesquisa e os objetivos de
anlise em termos conceituais.
Definir um modo de condensar a informao
contida em diversas variveis originais em um
conjunto menor de novas dimenses compostas ou
variveis estatsticas.
Desenvolver um plano de anlise que aborde as
questes particulares a seu propsito e projeto,
bem como o tamanho adequado da amostra.
Desenvolver um plano de anlise que aborde as
questes particulares a seu propsito e projeto,
bem como o tamanho adequado da amostra.
Desenvolver suposies sobre as relaes entre as
variveis dependentes e independentes que
afetam o procedimento estatstico (mnimos
quadrticos).
Desenvolver suposies sobre as relaes
interdependentes das variveis;
Construir o modelo agora segue para a estimao
do modelo a ser pesquisado e a avaliao do
ajuste geral do modelo.
Extrair os fatores selecionados para representar a
estrutura latente de dados.
Examinar a equao preditiva, e com isso avaliar a
importncia relativa que as variveis individuais na
previso geral do produto.
Interpretar a soluo fatorial;
Generalizar a aplicao do modelo. Validar a aplicabilidade do modelo.
Fonte: Adaptado pelos autores do HAIR, (2009).
Aps definido o problema e os objetivos da anlise, segue-se o estgio de
obteno dos dados, que realizado por meio de anlise de dados secundario
coletados em um sistema de tratamento ao cliente de uma empresa de
telecomunicaes, sendo cuidadosamente observada confiabilidade dos
mesmos. O software estatstico escolhido foi o SPSS 19, devido a sua
flexibilidade em anlise dos dados e do conhecimento dos autores em
pesquisas anteriores.
O tamanho da amostra tem impacto direto sobre a adequao e o poder
estatstico na anlise mltipla de variveis. Amostras pequenas, no so
indicadas para anlise mltiplas. Do mesmo modo, amostras muito grande,
mais de 1000 observaes, tornam os testes de significncia estatstica
sensveis, muitas vezes indicando que qualquer relao seja estatisticamente
significante. Com amostras muito grandes, deve-se garantir que o critrio de
significncia prtica seja atendido junto com a significncia estatstica. O poder
influenciado diretamente e em magnitude pelo tamanho da amostra
(MALHOTRA, 2011).
Nessa pesquisa procurou-se medir e verificar o impacto direto e a magnitude
considervel sobre o poder, que o tamanho da amostra poder afetar a
pesquisa, ou seja, a probabilidade de se detectar como estatisticamente
significante um nvel especifico de R. Para isso foi coletado um total 336
observaes no ano de 2010.
No estgio de Suposies sobre as relaes, realizado inicialmente um
estudo com o modelo de regresso mltipla por meio de uma abordagem de
busca sequencial (Stepwise). A seguir, utilizado o mtodo de anlise fatorial
para confirmar a equao de regresso com um conjunto de fatores sendo
ento executada a extrao dos fatores na ordem de sua maior importncia.
No mtodo Stepwise, em cada etapa, com a varivel independente ainda
ausente da equao, so incorporadas equao caso possuam valores
baixos da estatstica F. As variveis independentes j na equao da regresso
10
so removidas se suas probabilidades de F se tornarem suficientemente
grandes. O mtodo conclui quando no mais h varivel elegvel para a
incluso ou a remoo. O nvel de tolerncia usado foi 0,05.
Na anlise fatorial o teste utilizado o de esfericidade de Bartlett que
baseado na distribuio estatstica de Chi-Square e testa a hiptese (nula H0)
de que a matriz de correlao uma matriz identidade (cuja diagonal 1,0 e
todas as outras as outras iguais a zero), significando, que no h correlao
entre as variveis. (Pereira, 2001). Valores de significncia maiores que 0,100,
indicam que os dados no so adequados para o tratamento com o mtodo em
questo; assim a hiptese nula no pode ser rejeitada. J valores menores que
o indicado permite rejeitar a hiptese nula (SPSS, 1999 e HAIR ET AL., 2009).
A seguir, a figura I explicita a seqncia dos estgios que foram realizados
para as duas anlises multivariadas.
Figura I O nmero de fatores na extrao.
Fonte: Adaptado pelos autores do Goldsimith, (2005).
6. Anlise dos Resultados
Considerando que o objetivo proposto uma confirmao da equao de
regresso por meio da anlise fatorial, existe a necessidade de se especificar e
selecionar as variveis a serem analisadas.
Descreve-se a seguir na tabela II os indicadores de internet banda larga
utilizados nas empresas de telecomunicaes.
Definio
do
Problema
Suposie
s em
Anlise
Estimao
do
Modelo
Interpreta
o
das
Variveis.
Validao
dos
Resultado
s
Planejament
o
11
Tabela II: caracterizao das variveis dependente e independente
Fonte: Elaborada pelos autores
A regresso mltipla e a anlise fatorial ortogonal foram selecionadas como as
tcnicas multivariadas a serem utilizadas, devido a fornecem um meio de
avaliar objetivamente o grau e o carter da relao entre as variveis
dependentes e independentes. Nesse artigo escolheu-se a ferramenta SPSS
pela sua facilidade de utilizao, pela sua vasta literatura e por ser bastante
usada na anlise de regresso mltipla, bem como na anlise fatorial.
6.1 Suposies em Anlise de Regresso Linear Mltipla
Fazendo-se anlise da matriz de correlao entre as variveis do modelo, pode
ser verificado que, entre as variveis independentes, no existem valores
superiores a 0,5, conforme dados obtidos a partir do SPSS (NORUSIS, 2004).
Ou seja, no existindo nenhum valor
5 , 0 >
j i
X X
r
, pode ser concludo pela
inexistncia de multicolinearidade.
A seguir, faz-se uma anlise dos grficos de disperso para a regresso
mltipla e o SCREE TEST para anlise fatorial. No SCREE TEST apresentado na
figura II, identifica-se que os autovalores versus o nmero de fatores na ordem
de extrao, podem determinar o ponto de corte, pela existncia de uma
12
distribuio consistente dos resduos em relao distribuio terica, ou seja,
segue aproximadamente a forma da curva normal. Na figura III nota-se uma
tendncia de distribuio uniforme, ou seja, os pontos encontram-se prximos
de uma reta.
17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Component Number
10
8
6
4
2
0
E
i
g
e
n
v
a
l
u
e
Scree Plot
1,0 0,8 0,6 0,4 0,2 0,0
Observed Cum Prob
1,0
0,8
0,6
0,4
0,2
0,0
E
x
p
e
c
t
e
d
C
u
m
P
r
o
b
Dependent Variable: CHURN_
Normal P-P Plot of Regression Standardized Residual
Figura II O nmero de fatores na extrao.
Fonte: Anlise Fatorial Relatrio do SPSS.
Figura III Probabilidade normal PP-plot.
Fonte: Relatrio do SPSS.
6.2 A Equao Estimada pelo Mtodo de Regresso Linear
Mltipla
O principal objetivo dos modelos de regresso a estimao dos parmetros
desconhecidos . A esse processo comum chamar-se de ajuste do modelo
aos dados. Os coeficientes do modelo stepwise contm as estimativas dos
parmetros e respectivas estimativas do erro padro, as estimativas dos
coeficientes padronizados e o valor da estatstica t-Student. Por meio dos
dados do SPSS (coeficientes do modelo), pode ser caracterizada a equao de
regresso apresentada a seguir:
Taxa de Abandono = 0,53(TMI) + 0,41(TRP) + 0,60(TMR) 0,39(QRPR) (7)
Onde:
TMI Representa o tempo mdio gasto na instalao do circuito, ou
seja, o tempo desde abertura da ordem de servio at o seu efetivo
fechamento.
TRP Representa taxa de reparo executado no prazo acordado com o
cliente, variando em um intervalo de 8 horas para clientes Alto Valor e de 24
horas para os demais clientes (geralmente clientes varejo).
QRPR Esse valor representa a quantidade de reparos preventivos
efetuados nas empresas.
13
TMR Representa o tempo mdio gasto no reparo do circuito, ou seja,
o tempo envolvido desde abertura do Bilhete de Defeito at o seu efetivo
fechamento.
6.3 A Interpretao por Meio da Anlise Fatorial
Na interpretao dos valores e na seleo do fator final deve-se analisar
inicialmente a matriz no rotacionada com a finalidade de obter uma
identificao preliminar do numero de valores a extrair. Ao computar a matriz
fatorial no-rotacionada a anlise feita apenas na melhor combinao
particular das variveis originais, sendo o primeiro fator o melhor resumo de
relaes lineares. A seguir emprega-se um mtodo rotacional para simplificar
as solues fatoriais e mais significativas, nestes casos a rotao ortogonal
utilizando VARIMAX dos fatores melhora a interpretao, reduzindo as
ambiguidades. Por fim deve-se avaliar a necessidade de reespecificar o
modelo fatorial.
Na anlise da matriz de correlao mostrada na tabela III, pode-se concluir
que, o fator 1 tem altos coeficientes para as variveis V1 (Tempo Mdio do
Reparo), V3 (Tempo Mdio de Instalao) e um coeficiente negativo para V5
(Quantidade de Reparos Preventivos). Com isto, pode-se identificar a
existncia de maior relevncia entre trs variveis, sendo que as duas
primeiras respondem por mais de 80% da varincia, e o ganho obtido ao
acrscimo da terceira corresponde a aproximadamente apenas 10%.
Tabela III: Matriz Componente Rotacionada
Extraction Method: Principal Component Analysis. - Rotation Method: Varimax with Kaiser
Normalization.
a Rotation converged in 3 iterations.
Fonte: Anlise Fatorial Relatrio do SPSS.
6.4 A Comparao Entre Significncia dos Modelos
Por meio da anlise fatorial foram selecionadas trs variveis destacadas como
os mais relevantes V1 (Tempo Mdio do Reparo) e V3 (Tempo Mdio de
Instalao) e um coeficiente negativo V5 (Quantidade de Reparos Preventivos).
Por outro lado, na anlise por regresso mltipla, foram selecionadas quatro
variveis Tempo mdio de instalao (TMI), Taxa de reparo (TRP), Tempo
mdio de reparo (TMR), Reparo Preventivo (QRPR). A seguir a tabela IV
apresenta uma comparao entre os dois mtodos:
14
Tabela IV: Quadro comparativo anlise fatorial x regresso mltipla
Regresso Mltipla Anlise Fatorial
4 Variveis independentes 1 Fator com 3 variveis
No Teste de significativa estatstica, na
amostra observada temos: F
obs
= 43.367 que
superior a
F
c
=F
(95% ; 4 ; 163)
= 2,40 (valor
percentual de uma distribuio F com 4 graus
de liberdade no numerador e 163 no
denominador) com isso valida hiptese
alternativa de que a regresso
estatisticamente significativa.
No teste de Bartlett, na amostra observada
temos: Um valor menor que 0,0001, o que
permite confirmar a possibilidade e
adequao do mtodo de anlise fatorial para
o tratamento dos dados.
Mtodo multivariado de anlise que utiliza a
dependncia e tem como medida variveis
mtricas.
Mtodo multivariado de anlise que utiliza a
independncia e tem na sua estrutura a
relao de variveis.
Resultado final: uma equao com quatro
variveis independentes e uma dependente
Resultado final: trs variveis mais
relevantes.
Tempo mdio de instalao (TMI)
Tempo mdio de reparo (TMR)
Reparo Preventivo (QRPR)
Taxa de reparo (TRP)
V3 (Tempo Mdio de Instalao)
V1 (Tempo Mdio do Reparo)
V5 (Quantidade de Reparos Preventivos)
-
Fonte: Elaborada pelos autores
Observa-se que a sequncia de importncia das variveis semelhante para
as duas tcnicas observada, mesmo analisando que, em anlise fatorial a
variveis tem relaes de independncia, distintamente da regresso mltipla,
onde a relao de uma varivel dependente para duas ou mais
independentes. Observa-se que as duas tcnicas podem passar por
interpretaes similares, ou seja, trs das quatro variveis mais relevantes a
serem observadas so identificadas nas duas tcnicas.
7. Concluses
Nesta pesquisa, identificou-se que o controle, anlise e a gesto da
manuteno tornaram-se fatores crticos para o setor de telecomunicaes na
gesto para a diminuio do churn. A fim de competir neste mercado, as
operadoras de servios tm exaustivamente efetuado aes para reter clientes
valiosos.
Duas tcnicas diferentes e complementares foram utilizadas para analisar e
identificar variveis ou fatores ligados a gesto da manuteno que tenham
caractersticas mais relevantes. Depois de concluda as fases de tratamento e
limpeza dos dados inadequados na criao dos modelos, foram identificadas
que, as tcnicas de minerao de dados podem eficazmente ajudar as
operadoras de servios de telecomunicaes a fazer uma gerncia e controle
do churn por meio de alguns indicadores da manuteno. Portanto, fica
evidente a relevncia da aplicao de tcnicas de minerao de dados de
forma conjunta ou individual, no gerenciamento de problemas de gesto da
manuteno, podendo a regresso ser utilizada no desenvolvimento de
correlaes entre variveis, enquanto que a analise fatorial pode ser utilizada
para condensar as informaes.
Em relao aos indicadores, a qualidade dos servios prestados foi identificada
como um dos fatores de relevante importncia para a anlise do churn, tanto
15
na metodologia utilizando a regresso mltipla quanto na utilizada pela anlise
fatorial. Sendo assim, foi possvel observar na regresso mltipla que 51,4% do
abandono podem ser correlacionadas ao comportamento de quatro indicadores
de qualidade, nomeadamente: o Tempo Mdio de Reparo, Tempo Mdio de
Instalao, Reparos Preventivos, Taxa de Reparo. No que se refere a anlise
fatorial, o ndice para a presente soluo mostra que 90,3% da varincia total
so representadas por informaes contidas na matriz fatorial pertencente a
trs variveis V1 (Tempo Mdio do Reparo) e V3 (Tempo Mdio de Instalao)
e um coeficiente negativo V5 (Quantidade de Reparos Preventivos). A partir
destas anlises confirmaram-se a importncia dos indicadores Tempo Mdio
de Reparo, Tempo Mdio de Instalao e Reparos Preventivos, pois foram
variveis identificadas como relevantes nas duas tcnicas de anlises.
Por fim, os resultados obtidos demonstram a aplicabilidade dos indicadores,
possibilitando ganhos para as prestadoras de servio que decidirem utilizar
estes mtodos em suas estratgias de manuteno. Para isto torna-se
fundamental que, uma instalao ou reparo sejam realizados em menor tempo
e uma manuteno preventiva seja bem feita, pois afetam positivamente a
satisfao do cliente colaborando com que o mesmo permanea na empresa.
8 Referncias Bibliogrficas
ARNETT, Dennis B; MENON, Anil, Wilcox, JAMES B. Using Competitive
Intelligence: Antecedents and Consequences, Competitive Intelligence Review,
Vol. 11(3), 2000.
CORREA, H. L. The Links Between Uncertainty, Variability of Outputs and
Flexibility in Manufacturing Systems. University of Warwick, Warwick, 2002.
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P.; UTHURUSAMY, R.
Advances in Knowledge Discovery & Data Mining, Cambridge, MA (The AAAI
Press/The MIT Press), 1996.
FERNANDES, A. P. N. Anlise dos Indicadores de Qualidade versus Taxa de
Abandono Utilizando Mtodo de Regresso Mltipla para Servio de Banda
Larga (Dissertao de Mestrado). Programa de Ps-Graduao em Engenharia
de Produo, Universidade Federal do Rio Grande do Norte, Natal, 2007.
FERREIRA, J. B. Minerao de Dados na Reteno de Clientes em Telefonia
Celular. Engenharia Eltrica, Pontifcia Universidade Catlica do Rio de Janeiro
- PUC, Rio de Janeiro, 2005.
FITZSIMMONS, James A.; MONA, J. Administrao de Servios Operaes,
Estratgias, e Tecnologia da Informao. 4edio, So Paulo: Bookman, 2004.
GANESH, J. ARNOLD, M. J.; REYNOLDS, K. E. Understanding the Customer
Base of Service Providers: Na Examination of the Differences Between
Switchers and Stayers. Journal of Marketing, Vol. 64, 2000.
GIANESI, I. G. N., CORREA, H. L. Administrao estratgica de servios
operaes para a satisfao do cliente. So Paulo: Atlas, 1994.
16
GOLDSCHMIDT, Ronald; PASSOS, Emmanuel. Data Mining Um Guia
Prtico, Conceitos, Tcnicas, Ferramentas, Orientaes e Aplicaes. So
Paulo: Campus, 2005.
GRONROOS, Christian. Value-driven relational marketing: from products to
ressources and competencies. Journal of Marketing Manegement, Vol.13, n.5,
1997.
HAIR, J.; ANDERSIN, R. E.; TATHAM, R. L. Anlise Multivariada de Dados. 6
ed. So Paulo: Bookman,Vol.1, 2009.
IKEDA, Ana Akemi. Segure o Churn! In: LOVELOCK, Cristopher; WIRTZ,
Jochen. Marketing de Servios: pessoas, tecnologia e resultados. 5 ed. So
Paulo: Editora Prentice Hall, 2006
LAROSE, Daniel T. Data Mining Methods and Models. a John Wiley & Sons,
inc; 2006.
LARSON, Ron. Estatstica Aplicada. 4 ed. So Paulo: Pearson Perntice Hall,
2010.
LINOFF, Gordon.; BERRY, Michael. Mastering Data Mining: The Art and
Science of Customer Relationships Management, John Wiley & Sons Inc,
USA, 2000.
MALHOTRA, Naresh K. Pesquisa de Marketing: Foco na Deciso. 3 Ed. So
Paulo: Pearson Perntice Hall, 2011.
NEELY, A. et. al. Designing Performance Measures: A Structured Approach.
International Journal of Operations & Production Management, Vol. 17, n.11,
1997.
NESLIN, Scott A.; GUPTA, Sunil; KAMAKURA, Wagner, LU, Junxiang;
MASON, Charlott H. Defection detection: measuring and understanding the
predictive accuracy of customer churn models. Jounal of Marketing Research,
Chicago, Vol. 43, n.2, 2006.
NORUSIS, M. SPSS 13.0 Statistical Procedures Companion. Upper Saddle-
River, N.J.: Prentice Hall, Inc.. 2004.
OLIVEIRA, J. P. A. Identificao e caracterizao de situaes de CHURN em
sistemas de telecomunicaes (Dissertao de Mestrado). Programa de Ps-
Graduao em Cincia e Tecnologia da Informao, Instituto Universitrio de
Lisboa, 2009.
PINTO, Alan Kardec; XAVIER, Jlio Nassif. Manuteno: Funo Estratgica.
Rio de Janeiro: Qualitymark, 1998.
PIATETSKY-SHAPIRO, Measuring Lift Quality In Database Marketing. Journal
Of SIGKDD Exploration Newsletter, Vol. 2, New York; 2000.
17
REICHHELD, Frederick. A Estratgia da Lealdade: a fora invisvel que
mantm clientes e funcionrios e sustenta crescimento, lucros e valor. Rio de
Janeiro: Campus, 1996.
SPSS (2010). Statistical Package for Social Sciences. SPSS v. 19.0. URL:
http://www-01.ibm.com/software/analytics/spss/ Acesso em novembro, 2010.
TACHIZAWA, Takeshy et. al. Gesto de Negcios Vises e Dimenses da
Organizao. 2 edio, So Paulo: ATLAS, 2003.
TBOUL, James. A Era dos Servios Uma Abordagem de Gerenciamento.
Rio de Janeiro: Qualitymark, 1995.
VENETIS, K. A.; GHAURI, P. N. Service quality and customer retention:
building long-term relationships. European Journal of Marketing. Vol. 38, n.
11/12, 2004.
VERHOEF, P. Understanding the Effect of Customer Relationship Managment
Efforts on Customer Retention and Customer Share Development. Journal of
Marketing. Vol. 67, n. 10, 2003.
VIEIRA, Paulo Roberto; RIBAS, Jos Roberto. Anlise Multivariada com o uso
de SPSS. Rio de Janeiro: Editora Moderna, 2011.