Progettazione di un Modello di Machine Learning per la Riduzione del Tasso di Abbandono dei Clienti

In an increasingly competitive market environment, churn analysis is a crucial element for business sustainability, enabling the prediction of customer churn rates and the improvement of loyalty strategies. This thesis work explores the application of machine learning algorithms in churn prediction, with a focus on Fater's Pampers loyalty program, a leader in the baby products industry. Through the analysis of user behavioral data, several predictive models were implemented and evaluated. XGBoost performed the best, achieving 90% accuracy and an F1 score of 86%. The results highlight the potential of machine learning to optimize retention strategies and strengthen competitive advantage in a data-driven market.

In un contesto di mercato sempre più competitivo, la churn analysis rappresenta un elemento cruciale per la sostenibilità aziendale, consentendo di prevedere il tasso di abbandono dei clienti e migliorare le strategie di fidelizzazione. Questo lavoro di tesi esplora l'applicazione degli algoritmi di machine learning nella previsione del churn, con un focus sul programma fedeltà Pampers di Fater, leader nel settore dei prodotti per l’infanzia. Attraverso l'analisi di dati comportamentali degli utenti, sono stati implementati e valutati diversi modelli predittivi. XGBoost si è dimostrato il più performante, raggiungendo un'accuratezza del 90% e un punteggio F1 dell’86%. I risultati evidenziano il potenziale del machine learning per ottimizzare le strategie di retention e rafforzare il vantaggio competitivo in un mercato data-driven.