Quais clientes estão prestes a cancelar, e por quê?
Uma operadora de telefonia e internet viu um em cada quatro clientes ir embora. Veja como dados de 7.043 clientes mostraram por que eles cancelam, quem está perto de cancelar e, agora, o plano de 90 dias para manter essas pessoas.
14 min de leituraFerramenta: Python · Power BIPublicado em 28/09/2026Atualizado em 01/10/2026
01
A pergunta
Uma operadora de telefonia e internet olhou para a própria base e viu que 26,5% dos clientes tinham cancelado. Um em cada quatro. Perder cliente dói duas vezes: sai a receita de quem foi embora e entra o custo de conquistar alguém para o lugar.
A pergunta tinha três partes: por que os clientes cancelam, quais dos clientes atuais estão perto de cancelar e onde vale mais a pena agir primeiro.
Os dados são de uma base pública de estudo (IBM Telco Customer Churn, traduzida), com 7.043 clientes. Não representam uma operadora específica.
02
O caminho
O P003 seguiu as 8 etapas do método Solucionador, em três momentos: antes (entender o problema), durante (pôr a mão na massa) e depois (decidir e agir). Cada etapa deixou um produto, e em três delas quem fez a pergunta validou o trabalho antes de seguir. A oitava etapa, o plano de ação, foi acrescentada ao método a partir deste projeto: um resultado só vale quando vira ação com dono, prazo e indicador.
A pergunta foi escrita em três partes: por que os clientes cancelam, quem está perto de cancelar e onde agir primeiro. O critério de sucesso foi combinado antes de ver os dados: o modelo precisa acertar a ordem do risco em pelo menos 80% dos pares de clientes.
Gerou: descrição do problema, com escopo e critérios de aceite
2
FundamentaçãoAntes
Dois métodos clássicos: a regressão logística, que estima a chance de cada cliente cancelar e o peso de cada fator, e a análise de agrupamentos, que encontra perfis parecidos. A referência é o livro de Fávero e Belfiore (2017).
Gerou: fundamentação teórica, com o que cada técnica exige para funcionar
3
Ideação e desenhoAntesValidado com quem perguntou
O plano organizou o trabalho em seis perguntas para o painel. Na validação, quem perguntou pediu para incluir os perfis de clientes, e o plano foi ajustado antes de começar a análise.
Gerou: plano do trabalho e fluxo da solução
4
Obtenção e tratamento dos dadosDurante
O arquivo chegou com os acentos perdidos e os valores sem vírgula (“7045” era R$ 70,45). Cada correção seguiu uma regra escrita e conferida: o total pago bate com meses de casa vezes a conta mensal nos 7.043 clientes.
Gerou: base tratada e dicionário de dados
5
MineraçãoDurante
A regressão logística separou o peso de cada fator com os outros iguais e acertou a ordem do risco em 84 de cada 100 pares de clientes que não viu no ajuste. O agrupamento, feito sem olhar quem cancelou, revelou cinco perfis.
Gerou: modelo, previsão de risco por cliente e os cinco perfis
6
RelatóriosDurante
Os resultados viraram o Radar de Churn, um painel interativo em seis perguntas, e um relatório no Power BI. O risco e a receita em risco consideram só os 5.174 clientes ainda ativos.
Análise dos painéisDepoisValidado com quem perguntou
Com quem perguntou, os resultados viraram decisão: aceitar os cinco perfis, usar o ponto de corte que equilibra acertos e alarmes falsos e começar a campanha pelos dois perfis de maior risco. A validação final deu parecer Aprovado, nota 97%.
A decisão virou um plano de 90 dias: quatro ondas de abordagem, dezesseis ações com responsável e prazo, atendimento humanizado para os clientes idosos e um grupo de controle para medir o efeito real. A equipe registra tudo numa planilha que alimenta o Power BI. O plano está com quem perguntou para aprovação.
Gerou: plano de retenção, planilha de controle e página Plano de ação no Power BI
03
O resultado
1.499clientes ativos em alto risco (29%)
67 milreais por mês de receita em risco
0,84de acerto do modelo (AUC)
O que faz um cliente cancelar
Comparando clientes iguais em todo o resto, estes são os fatores que mais mudam a chance de cancelar:
Contrato de dois anosReduz a chance de cancelar em cerca de 80% em relação ao contrato mensal. O contrato anual reduz pela metade.
Tempo de casaQuanto mais tempo o cliente fica, menor o risco. Metade de quem tinha até 6 meses de casa cancelou.
Internet por fibraMultiplica a chance de cancelar por quase 6. Os dados não dizem o motivo; preço e qualidade do serviço são as primeiras hipóteses a investigar.
Suporte e segurança onlineQuem contrata esses serviços tem cerca de 25% menos chance de cancelar.
Por tipo de contrato
Mensal43%3.875 clientes
Anual11%1.473 clientes
Bianual3%1.695 clientes
Por tempo de casa
0–6 meses53%1.481 clientes
7–12 meses36%705 clientes
13–24 meses29%1.024 clientes
25–48 meses20%1.594 clientes
49–72 meses10%2.239 clientes
traço vertical = média da base (26,5%)
Onde o cancelamento se concentra. Taxa de cancelamento por tipo de contrato e por tempo de casa, nos 7.043 clientes. O contrato mensal cancela 15 vezes mais que o bianual, e metade de quem tinha até 6 meses de casa foi embora.
Cinco perfis de cliente
Taxa de cancelamento de cada perfil encontrado na carteira:
Fibra no mensalFibra, contrato mensal, cerca de 2 anos de casa
51%
Idosos conectadosClientes idosos, a maioria com fibra e no mensal
46%
Entrada sem fibra, recentesDSL ou só telefone, conta baixa, pouco mais de 1 ano de casa
24%
Veteranos completos5 anos de casa, contrato longo, vários serviços
8%
Só voz, fidelizadosSem internet, contrato longo, conta baixa
2%
Os dois primeiros perfis concentram dois terços da receita em risco. É por eles que a campanha começa: oferecer a migração para o contrato anual com um pacote que inclua suporte e segurança, e dar atendimento assistido aos clientes idosos.
Os perfis foram formados por 8 características dos clientes, sem olhar para quem cancelou. O radar mostra o formato de cada perfil nessas características; o grafo mostra o que é exclusivo de um perfil e o que ele divide com outros.
Fibra no mensal
Idosos conectados
Entrada sem fibra, recentes
Veteranos completos
Só voz, fidelizados
Média da base
Como cada perfil se forma. Cada eixo vai de 0 ao máximo da base: tempo de casa até 72 meses, conta de R$ 18 a R$ 119, contrato de 1 a 24 meses, até 6 serviços adicionais; os demais eixos são a % de clientes. Veteranos completos vão mais longe em tempo de casa, contrato e serviços; Idosos conectados se destacam pelo eixo Idoso; Fibra no mensal, pela fibra com contrato curto.
Fibra no mensal
Idosos conectados
Entrada sem fibra, recentes
Veteranos completos
Só voz, fidelizados
Cancelou
O que é exclusivo e o que é compartilhado. Cada perfil (o número no círculo é a taxa de cancelamento) se liga às categorias presentes em pelo menos 25% dos seus clientes e pelo menos 1,3 vez mais comuns que na base; linha mais grossa, parcela maior do perfil. Só Fibra no mensal e Idosos conectados se ligam a “Cancelou”, e o contrato mensal é dividido por três perfis. No celular, arraste o grafo para os lados.
Onde agir primeiro
Ordenando os clientes do maior para o menor risco, abordar só os 30% do topo alcança 66% de quem iria cancelar. Sem o modelo, abordar 30% ao acaso alcançaria 30%.
Onde agir primeiro. Clientes do conjunto de teste ordenados pelo risco previsto: abordar os 30% de maior risco alcança 66% dos cancelamentos. A linha tracejada é a abordagem ao acaso.
E dá para confiar? O modelo foi testado em clientes que ele não viu durante o ajuste: em 84 de cada 100 pares de clientes (um que cancelou e um que ficou), ele deu risco maior para quem cancelou. Um estudo publicado com a mesma base chegou a 0,845. A validação completa do projeto terminou com parecer Aprovado, nota 97%.
Para quem quer se aprofundarO modelo, os testes e as ressalvas
Quatro modelos concorreram com uma regra escrita antes dos testes: uma régua simples (só o tipo de contrato), a regressão logística completa, a logística com seleção de variáveis e um probit. Venceu a logística com seleção (16 fatores): AUC de 0,844 no teste e 0,853 na validação cruzada de 10 partes, contra 0,730 da régua. A calibração ficou a no máximo 3,7 pontos percentuais do real em cada faixa de risco (Hosmer-Lemeshow p = 0,14).
Os perfis vieram de um agrupamento hierárquico pelo método de Ward, que definiu o número de grupos, seguido de k-means (silhueta 0,27). A faixa de alto risco começa em 24,8% de chance, o ponto que equilibra acertos entre quem sai e quem fica (índice de Youden).
Ressalvas registradas: a regra de desempate do número de perfis foi definida depois de ver os resultados e aprovada por quem fez a pergunta; uma variável ficou no limite da significância; a revisão final não foi feita por um avaliador independente. Técnicas: Fávero & Belfiore (2017), cap. 13 e cap. 9; Ward (1963). Análise em Python, visualização em Power BI.
04
O plano de ação
Saber quem está perto de sair não basta. O que muda a história é agir, e agir com cuidado. Por isso o projeto ganhou uma etapa a mais: um plano de retenção de 90 dias, pensado para ser simples de tocar e fácil de acompanhar.
O projeto em um minuto. Com narração, legenda e janela de Libras. A voz é sintética e a Libras é uma tradução automática do VLibras, resumida para caber no tempo do vídeo.Ver a versão vertical, para celular
4ondas de abordagem, na ordem da receita em jogo
16ações, cada uma com responsável, prazo e meta
90dias até a avaliação do resultado
Quatro ondas, começando por onde dói mais
Os 1.499 clientes de alto risco foram divididos pelos perfis, na ordem da receita mensal em risco. Juntos, eles respondem por R$ 49,5 mil por mês, a maior parte dos R$ 67 mil em risco na carteira toda.
1 · Fibra no mensal659 clientes · R$ 27,7 mil por mês · contrato anual com desconto na fibra, com suporte e segurança no pacote
56%
2 · Idosos conectados322 clientes · R$ 12,5 mil por mês · atendimento humanizado
25%
3 · Entrada sem fibra, recentes474 clientes · R$ 7,9 mil por mês · boas-vindas nos primeiros 6 meses
16%
4 · Veteranos completos43 clientes · R$ 1,3 mil por mês · conversa individual com o gerente de contas
3%
A porcentagem é a parte de cada onda nos R$ 49,5 mil por mês em risco.
Atendimento humanizado para quem mais precisa
Na onda dos clientes idosos, o caminho não é empurrar uma oferta. É uma pessoa dedicada, do começo ao fim da conversa, numa linha direta, sem robô no telefone e no tempo de cada um. Ela ajuda a ativar o pagamento automático, explica a oferta com calma, confirma por escrito o que foi combinado e liga de volta em uma semana.
Como saber se funcionou
Um em cada dez clientes de cada onda foi sorteado para um grupo de controle, que não recebe nenhuma abordagem. Comparar os dois grupos separa o efeito da campanha do cancelamento que aconteceria de qualquer jeito. Afinal, o modelo mostra o que anda junto com o cancelamento, não o que o causa.
A meta20% menos cancelamentos no grupo abordado do que no grupo de controle, em 90 dias. É uma premissa inicial, a confirmar quando o custo das ofertas estiver registrado.
Os indicadoresCobertura dos contatos, aceite das ofertas, migração para contrato anual, pagamento automático e suporte técnico, cada um com linha de base, meta e farol.
O custoCada ação tem uma coluna de custo. Sem ela, não dá para calcular quanto custa manter cada cliente.
Uma planilha, uma reunião, uma decisão
Toda sextaA equipe registra o resultado de cada contato e quem cancelou, inclusive no grupo de controle, e atualiza o andamento das ações.
Todo mêsUma reunião de 30 minutos olhando uma página só. Os valores do mês ficam guardados e a onda com farol vermelho ganha ajuste.
Na semana 13Comparar o grupo abordado com o de controle, calcular o custo por cliente mantido e decidir: ampliar, ajustar ou parar.
O plano dentro do Power BI. Uma página nova lê a planilha de controle. Depois de atualizar, mostra quem foi contatado, quem aceitou, o cancelamento nos dois grupos e as ações atrasadas. Os números estão zerados porque a campanha começa em 05/10/2026.
O plano também tem uma versão para abrir no navegador, com as ondas, o cronograma e o detalhe de cada ação. Ao carregar nela a planilha preenchida, a página passa a mostrar o andamento real.
05
Leve com você
Plano de retençãoOndas, cronograma e o detalhe das 16 ações; carregue a planilha para ver o andamento · HTML · 54 KB
