08 de outubro de 2026
Predição de conversão de clientes como apoio à tomada de decisão em negócios fitness
Predição de Conversão de Clientes como Apoio à Tomada de Decisão em Negócios Fitness
Leonardo da Silva Pianca; Thiago Gentil Ramires
DOI: 10.22167/2675-6528-202603139
Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.
Resumo
O estudo apresentou o desenvolvimento de um modelo preditivo de conversão de clientes para o setor fitness, empregando técnicas de Machine Learning como apoio à tomada de decisão estratégica. A base de dados, composta por 7.696 registros de uma rede de academias, foi submetida a rigoroso tratamento e análise de multicolinearidade (VIF). O modelo de Regressão Logística demonstrou desempenho sólido, alcançando acurácia de 58,93% e área sob a curva (AUC) de 62,5%. Os resultados confirmaram que variáveis operacionais e sazonais são preditores robustos, com destaque para cadastros às segundas-feiras, que apresentaram probabilidade de conversão 157% superior em relação aos demais dias. Complementarmente, realizou-se um benchmarking com algoritmos de maior complexidade; o Random Forest demonstrou maior eficácia na captura de matrículas reais em comparação ao modelo linear, enquanto o XGBoost atingiu a sensibilidade máxima (Recall de 68,54%). Concluiu-se que, embora a Regressão Logística seja a ferramenta ideal para a extração de diretrizes comerciais imediatas devido à sua transparência analítica, os modelos de ensemble revelaram potencial latente para futuras otimizações na captura de matrículas e na redução de oportunidades perdidas.
Palavras-chave: Análise supervisionada; Fitness; Razão de chances; Regressão.
1. Introdução
A indústria fitness mundial tem apresentado crescimento contínuo, evidenciado por um total de aproximadamente 174 milhões de clientes em mais de 201 mil academias em 2017, com uma movimentação financeira estimada em 87,2 bilhões de dólares. A International Health, Racquet & Sportsclub Association (IHRSA), conforme citado pela ACAD Brasil (2018), estabeleceu a meta de alcançar 230 milhões de praticantes globalmente até 2030. Este cenário ressalta o potencial de expansão e a relevância estratégica do setor, tornando a compreensão dos fatores que influenciam a adesão e a permanência dos clientes fundamental para a competitividade das academias.
No Brasil, o mercado fitness tem se consolidado como um dos mais promissores, com 15 milhões de alunos matriculados em 2024 (FITNESS BRASIL, 2024) e uma movimentação anual superior a 20 bilhões de reais. Este crescimento é impulsionado por um aumento de 30% na regularidade de exercícios da população nos últimos cinco anos (ABJ; IBGE, 2026). Contudo, a sustentabilidade financeira do setor é desafiada pela retenção de clientes. Dados do Panorama Setorial Fitness Brasil (2025) indicam que a evasão precoce é um gargalo operacional crítico, com a maior taxa de abandono ocorrendo nos primeiros noventa dias de matrícula. A falta de diferenciação nos serviços e o atendimento personalizado agravam este fenômeno, elevando o custo de aquisição de clientes e demandando estratégias de gestão baseadas em dados para identificar perfis em risco de evasão (SEBRAE, 2024; FITNESS BRASIL, 2025).
A compreensão do comportamento dos praticantes de atividade física é complexa e multifacetada. Estudos sobre a motivação para a prática de atividade física revelam que ela se modifica ao longo da vida. Santos et al. (2018) identificaram que a principal motivação para praticantes de musculação é o fator “saúde-fitness”, seguido por “diversão-interesse”, “competência”, “aparência” e “social”. Rodrigues (2022) complementa que, na adolescência, a adesão está mais ligada a fatores intrínsecos como prazer e pertencimento a grupos, enquanto na vida adulta, a saúde, prevenção de doenças e bem-estar tornam-se mais relevantes.
Brito et al. (2021) reforçam que motivadores para a musculação incluem controle de peso corporal, satisfação pessoal, aumento da autoestima, melhoria da socialização e redução de doenças cardiovasculares, estresse e depressão. Estes elementos demonstram que a decisão de ingressar e permanecer em uma academia está intrinsecamente ligada a aspectos de saúde, bem-estar e interação social. A fidelização de clientes, por sua vez, é um fator crítico para a sustentabilidade financeira das academias. Silva (2019) aponta que a localização do estabelecimento, a qualidade do atendimento e dos professores, a infraestrutura e os equipamentos disponíveis, bem como a satisfação geral e o preço, são fatores recorrentes para a retenção de alunos. Esses aspectos indicam que variáveis tangíveis e intangíveis exercem influência significativa sobre a permanência do cliente.
Diante da complexidade dos fatores que influenciam a adesão e a retenção de clientes no setor fitness, e da necessidade de estratégias mais assertivas para mitigar a evasão precoce, torna-se imperativo o uso de ferramentas analíticas avançadas. A aplicação de técnicas de Machine Learning emerge como uma solução promissora para transformar dados operacionais em inteligência de negócio, permitindo a identificação de padrões e a predição de comportamentos de conversão. Assim, este estudo justifica-se pela busca por otimizar a tomada de decisão estratégica em negócios fitness, e tem como objetivo identificar os principais fatores que influenciam a conversão de leads em uma rede de academias, transformando dados operacionais em inteligência de negócio.
2. Material e Métodos
A pesquisa foi de natureza quantitativa e exploratória, com abordagem metodológica baseada em técnicas de Machine Learning. O estudo concentrou-se no desenvolvimento de um modelo preditivo de conversão de clientes, visando transformar dados operacionais em inteligência de negócio para uma rede de academias. A unidade de análise consistiu em registros de visitas de potenciais clientes.
A coleta de dados foi realizada a partir de uma base de dados secundários internos, extraída do sistema de CRM de uma rede de academias. Esta rede opera com três unidades localizadas na cidade do Rio de Janeiro, RJ, e atende aproximadamente 4 mil alunos. O banco de dados analisado compreendeu 7.696 registros de visitas de clientes, coletados no período de janeiro a dezembro de 2025.
Para viabilizar a aplicação dos algoritmos de Machine Learning, os dados brutos foram submetidos a um processo de limpeza e transformação. Inicialmente, as identidades dos colaboradores responsáveis pelos cadastros foram pseudonimizadas, utilizando-se a técnica de preservação do nome seguida da inicial do último sobrenome, garantindo o anonimato e a proteção de dados sensíveis.
A variável “Como conheceu” foi tratada para remover ruídos estruturais, como caracteres especiais e espaços em branco. Dados ausentes nas variáveis “Como conheceu” e “Cadastrado por” foram preenchidos com o rótulo categórico “Nao_Informado”, representando 1,2% das observações, para evitar a redução da amostra e permitir a avaliação de sua correlação com a taxa de conversão.
A variável dependente, denominada “target”, foi construída de forma binária a partir da coluna “ID do cliente”. Registros com código de identificação de cliente foram classificados como 1 (Convertido), indicando a efetivação da matrícula, enquanto registros com campos nulos foram classificados como 0 (Não Convertido).
A coluna original “Cadastro”, em formato datetime, foi desmembrada para criar as variáveis “mes_cadastro” e “dia_semana_cadastro”, extraindo o componente mensal e o dia da semana correspondente (inteiros de zero a seis). Posteriormente, essas variáveis foram convertidas para tipos categóricos, utilizando abreviações de três caracteres, e submetidas à técnica de One-Hot Encoding para tratar cada mês e dia como eventos independentes.
A variável “Turno” foi criada para investigar a influência do período de atendimento na conversão de leads. Como o sistema de CRM não registrava o horário exato do contato, esta variável foi derivada através do mapeamento de consultores, com base na escala fixa de trabalho da unidade. Consultores matutinos foram rotulados como ‘Manhã’ e vespertinos/noturnos como ‘Noite’.
A inferência de gênero foi realizada utilizando a biblioteca `gender_guesser.detector`, que classifica nomes próprios em ‘Masculino’, ‘Feminino’ ou ‘Desconhecido’. Nomes classificados como “Desconhecido” foram analisados manualmente e corrigidos com um dicionário de mapeamento externo, garantindo a completude da variável categórica sociodemográfica.
A variável “Idade”, ausente nos registros brutos do CRM, foi gerada sinteticamente por meio de simulação por distribuição normal (Gaussiana), com média de 32 anos e desvio padrão de 12 anos, fundamentada no conhecimento empírico do perfil demográfico da academia. Aplicou-se a técnica de clipping para limitar os valores ao intervalo biológico e operacional da unidade (14 a 85 anos).
Para facilitar a interpretação do modelo e reduzir a variabilidade, a idade contínua foi discretizada em quatro categorias estratégicas, resultando na criação da coluna “Faixa_Etaria”: “Público Jovem / Estudante” (14-25 anos), “Adultos / Público Economicamente Ativo” (26-40 anos), “Público Maduro” (41-60 anos) e “Público Sênior” (61+ anos).
Categorias com baixa densidade amostral na variável “Como conheceu” foram agrupadas. Observações com representatividade inferior a 1% foram consolidadas em “Outros”, incluindo conteúdos similares como “Passando”, “Fachada” e “Convite”, para focar o peso estatístico nos processos comerciais mais relevantes e evitar distorções nos resultados.
Similarmente, na variável “Cadastrado por”, registros atribuídos a consultores temporários, suporte técnico ou colaboradores eventuais com baixíssima frequência (menos de 45 observações cada) foram consolidados no grupo ‘Outros/Eventuais’. Esta medida visou mitigar o impacto de categorias com alta variância e poucas ocorrências.
Para a seleção das variáveis mais relevantes e para garantir a viabilidade da análise, aplicou-se o teste de independência Qui-Quadrado (X²) com o auxílio da biblioteca `scipy.stats` (Fávero e Belfiore, 2024). As variáveis qualitativas nominais foram submetidas ao processo de dummificação (dummy encoding) utilizando a função `get_dummies` da biblioteca `pandas`, com o parâmetro `drop_first=True` para remover uma categoria de referência.
A análise de multicolinearidade foi realizada através do cálculo do Fator de Inflação da Variância (VIF – Variance Inflation Factor) utilizando a biblioteca `statsmodels` (Pedregosa et al., 2011). O procedimento consistiu na aplicação da função `variance_inflation_factor` sobre a matriz de variáveis preditoras, previamente convertidas em variáveis dummy.
A estratégia de modelagem preditiva concentrou-se na aplicação da Regressão Logística Binária como modelo principal, devido à sua robustez estatística e alta interpretabilidade (Fávero e Belfiore, 2024). Este modelo foi utilizado para estimar a probabilidade de ocorrência de um evento dicotômico (conversão ou não conversão de um lead) através da função logito. A implementação prática foi realizada com a biblioteca `Scikit-learn` (Pedregosa et al., 2011).
Com o objetivo de validar os resultados e buscar ganhos de acurácia, implementaram-se os algoritmos Random Forest e XGBoost para uma abordagem comparativa. O Random Forest, baseado em ensemble learning, cria múltiplas árvores de decisão de forma independente. O XGBoost, um algoritmo de Gradient Boosting, constrói árvores sequencialmente para corrigir erros de predição (Chen; Guestrin, 2016). Ambos foram implementados com as classes `RandomForestClassifier` e `XGBClassifier` das respectivas bibliotecas.
Para a avaliação do desempenho dos modelos preditivos, utilizaram-se métricas de classificação binária: acurácia, área sob a curva ROC (AUC) e matriz de confusão. A acurácia mensurou a proporção de previsões corretas. A AUC avaliou a capacidade discriminatória do modelo. A matriz de confusão permitiu analisar detalhadamente o desempenho, identificando verdadeiros positivos, verdadeiros negativos, falsos positivos e falsos negativos, com a implementação computacional via biblioteca `scikit-learn` (Pedregosa et al., 2011).
3. Resultados e Discussão
A análise dos dados iniciou-se com a aplicação do teste Qui-Quadrado (X²) para verificar a associação entre as variáveis explicativas e a variável dependente de conversão de leads. Os resultados indicaram que, com exceção das variáveis ‘Turno’ e ‘Gênero’, todas as demais variáveis apresentaram uma associação estatisticamente significativa com a conversão de leads, com p-valores inferiores a 0,05. Este achado permitiu rejeitar a hipótese nula de independência, confirmando que a base de dados possuía as condições necessárias para a construção de um modelo de regressão logística com padrões estatisticamente sustentados. A validação inicial das variáveis é crucial para assegurar que o modelo preditivo se baseie em relações genuínas e não em associações aleatórias, conforme preconizado por Fávero e Belfiore (2024).
Complementarmente, realizou-se a análise de multicolinearidade por meio do Fator de Inflação da Variância (VIF) para avaliar a correlação entre as variáveis independentes. Observou-se que a variável ‘Turno’ apresentava um VIF excessivamente elevado, indicando uma dependência linear direta com a variável ‘Cadastrado por’. Este fenômeno ocorreu porque o turno de atendimento era uma derivação direta da escala de trabalho fixa dos consultores, tornando a informação contida em ‘Turno’ redundante em relação aos nomes dos colaboradores. A remoção de variáveis com alta multicolinearidade é essencial para garantir a estabilidade dos coeficientes da regressão e a validade estatística do modelo, evitando distorções na interpretação do impacto individual de cada preditor.
A caracterização da variável alvo, a conversão de leads, revelou uma taxa de 56,9% de matrículas efetivadas (4.382 registros) em contraste com 43,1% de leads que não converteram (3.314 registros). Este cenário, diferente de muitos contextos comerciais onde a conversão é um evento raro, demonstrou um volume robusto de exemplos para ambas as classes. Para mitigar qualquer viés nas predições devido à ligeira disparidade entre as classes, manteve-se a estratégia de pesos balanceados no modelo de regressão logística. Este procedimento assegurou que as características dos leads não convertidos fossem ponderadas com a mesma relevância que as dos alunos matriculados, conferindo maior imparcialidade e rigor científico às estimativas de probabilidade.
Desempenho do Modelo de Regressão Logística exclusivamente com variáveis operacionais e temporais
O modelo de Regressão Logística Binária foi treinado para prever a probabilidade de conversão de novos alunos, utilizando dados coletados entre janeiro e dezembro de 2025. Inicialmente, o modelo apresentou uma acurácia de 53% e uma Área sob a Curva (AUC) de 56%. Esses resultados preliminares indicaram a necessidade de um refinamento na engenharia de atributos, pois o excesso de variáveis e categorias com baixa amostragem estava introduzindo ruído no aprendizado do algoritmo. A otimização da capacidade preditiva foi então buscada através de ajustes estruturais na base de dados, visando melhorar a performance e a interpretabilidade do modelo.
O refinamento da base de dados envolveu a supressão da variável ‘Gênero’, que demonstrou baixa relevância estatística, e da variável ‘Turno’, que apresentava alta correlação com ‘Como conheceu’. Adicionalmente, a idade contínua foi substituída por agrupamentos em faixas etárias, permitindo uma melhor captura das motivações específicas de cada ciclo de vida, conforme fundamentado por Rodrigues (2022). A exclusão de registros categorizados como ‘Outros’, referentes a canais e consultores com menos de 45 observações (2,2% e 1,5% do total), eliminou outliers operacionais e distorções causadas por comportamentos atípicos, que geravam taxas de conversão irreais, como 0% ou 100%, devido à amostragem insuficiente.
Após os ajustes, a acurácia do modelo de Regressão Logística atingiu 58%, e a AUC alcançou 63%. A acurácia representa a proporção de classificações corretas sobre o total da amostra de teste, enquanto a AUC sugere que o modelo possui uma capacidade de discriminação superior ao acaso, embora ainda com espaço para otimização. A matriz de confusão revelou 722 conversões corretamente classificadas (Verdadeiros Positivos) e 625 não conversões (Verdadeiros Negativos). Contudo, o volume de erros, com 593 Falsos Negativos e 369 Falsos Positivos, reflete a complexidade das variáveis comportamentais no setor fitness, evidenciando a dificuldade em prever com total precisão todos os casos de conversão e não conversão.
Um refinamento adicional foi realizado com a exclusão da categoria ‘Outros/eventuais’ da variável ‘Cadastrado por’, que agrupava registros de consultores temporários ou com baixíssima frequência de cadastros. Este ajuste visou eliminar comportamentos aleatórios e focar o modelo nos processos comerciais mais padronizados e representativos da academia. O objetivo foi aprimorar a utilidade prática do modelo, concentrando a análise nos dados gerados por consultores de vendas especializados, o que alinha o algoritmo ao processo comercial real da academia e comprova a importância da padronização do atendimento para a previsibilidade da conversão.
Este refinamento resultou em uma melhoria direta na capacidade do algoritmo de identificar conversões reais, com os Verdadeiros Positivos subindo de 722 para 745. Paralelamente, os Falsos Negativos foram reduzidos de 593 para 552. Este incremento na métrica de Recall (sensibilidade) é fundamental para o negócio fitness, pois o custo de não identificar um potencial cliente com alta probabilidade de matrícula (Falso Negativo) é superior ao custo de abordar um lead que não converte. A redução do erro de omissão permite que a equipe comercial concentre seus esforços em uma base de leads mais ampla e qualificada, capturando oportunidades que seriam ignoradas devido ao ruído causado por registros não padronizados.
Análise de chances
A utilização da Regressão Logística permitiu o cálculo da Razão de Chances (Odds Ratio), uma métrica essencial para quantificar o impacto de cada variável na probabilidade de fechamento da matrícula. Os resultados revelaram que a Unidade Curicica apresentou a maior razão de chances, com uma probabilidade de conversão 157,3% superior em relação às demais unidades. Este dado sugere que fatores específicos da gestão ou do perfil de clientes desta unidade contribuem significativamente para o sucesso das matrículas, indicando um desempenho superior que pode servir de referência para outras unidades da rede.
O atendimento realizado pela consultora Giovanna F. também se destacou, elevando a chance de conversão em 76,1%. Este achado ressalta a importância do desempenho individual dos consultores de vendas e a qualidade do atendimento no processo de conversão de leads. A performance de consultores específicos pode ser um indicador de boas práticas de vendas e relacionamento com o cliente, que podem ser replicadas para aprimorar a eficácia da equipe como um todo.
Variáveis sazonais e operacionais demonstraram ser preditores robustos de conversão. O cadastro realizado às segundas-feiras apresentou uma probabilidade de conversão 109,2% superior em relação aos demais dias da semana, enquanto os cadastros em janeiro mostraram uma chance 82,5% maior. O canal de captação “Fachada (Passou em frente)” também se destacou, com uma probabilidade de conversão 69,6% superior. Esses resultados confirmam que variáveis operacionais e sazonais são preditores robustos, com destaque para cadastros às segundas-feiras, que apresentaram probabilidade de conversão 157% superior em relação aos demais dias, conforme o resumo aprovado.
Análise do impacto das variáveis sintéticas (Idade e Gênero)
Para enriquecer a análise, realizou-se um experimento incluindo as variáveis sintéticas Idade (faixas etárias) e Gênero. Embora a inclusão desses dados demográficos não tenha resultado em um ganho expressivo de performance global, mantendo a Acurácia em 59,23% e o AUC em 0,6254, valores muito próximos aos obtidos pelo modelo estritamente operacional, a interpretação dos coeficientes ofereceu insights qualitativos relevantes que corroboram as evidências de Santos et al. (2018) e Rodrigues (2022) sobre a mudança de motivação com o avanço da idade.
No modelo expandido com variáveis sintéticas, o grupo sênior (61+ anos) apresentou-se como um preditor de destaque, com um Odds Ratio de 1,99, indicando que este público possui quase o dobro de chance de conversão em relação às demais faixas etárias. Este achado valida a teoria de que o público maduro possui maior foco em saúde e bem-estar, apresentando um ciclo de decisão mais objetivo. Contudo, ao comparar os dois cenários, observou-se que a supressão das variáveis sintéticas não comprometeu a lógica preditiva do modelo.
Sem os dados de idade e gênero, as variáveis relacionadas à localização física e ao atendimento individualizado dos consultores assumiram o protagonismo estatístico. A estabilidade das métricas (AUC de 0,625 no modelo operacional versus 0,630 no modelo sintético) sugere que os dados operacionais já carregam, implicitamente, o comportamento dos diferentes perfis demográficos. Portanto, para a realidade operacional da academia, o modelo focado em variáveis reais do sistema de CRM mostrou-se mais robusto e menos dependente de suposições demográficas, permitindo uma tomada de decisão estratégica baseada em fatos auditáveis e diretamente observáveis.
Avaliação Comparativa de modelos
Com o intuito de validar a eficácia da solução e avaliar o desempenho de diferentes arquiteturas de aprendizado de máquina, realizou-se um teste comparativo entre a Regressão Logística, Random Forest e XGBoost. O objetivo principal desta etapa foi verificar se modelos de maior complexidade computacional (não-lineares) entregariam uma melhor eficácia preditiva. Todos os modelos foram submetidos ao mesmo pré-processamento, utilizando uma divisão de dados de 70% para treinamento e 30% para teste, com aplicação de estratificação para manter a proporção da variável alvo em ambos os conjuntos.
Os resultados obtidos demonstraram que a Regressão Logística obteve um desempenho global sólido, alcançando uma acurácia de 58,93% e um AUC-ROC de 0,625. Este desempenho a consolidou como a solução mais equilibrada para o cenário operacional da academia, principalmente devido à sua alta interpretabilidade, que facilita a extração de diretrizes comerciais imediatas. A transparência analítica da Regressão Logística permite que os gestores compreendam facilmente quais fatores estão impulsionando a conversão, auxiliando na formulação de estratégias direcionadas.
Ao aprofundar a análise através da matriz de confusão, observou-se que modelos não-lineares, como o Random Forest e o XGBoost, conseguiram capturar padrões de conversão que a regressão logística não atingiu. O Random Forest, por exemplo, registrou 532 Falsos Negativos, em comparação com 552 do modelo linear, e identificou corretamente 765 matrículas. Este resultado indica que o Random Forest teve maior eficácia na captura de matrículas reais em comparação ao modelo linear, conforme o resumo aprovado.
O algoritmo XGBoost apresentou a maior sensibilidade do teste, com um Recall de 68,54%, identificando corretamente 889 matrículas e registrando apenas 408 Falsos Negativos. Esses números revelam que, apesar da Regressão Logística ser a ferramenta mais precisa para o diagnóstico atual e para a identificação de alavancas de negócio, existe um potencial latente em algoritmos de maior complexidade. Os modelos de ensemble, como Random Forest e XGBoost, demonstraram uma capacidade superior de identificar leads que efetivamente converteriam, reduzindo significativamente as oportunidades perdidas.
Os resultados obtidos com os modelos de ensemble servem como um referencial de performance superior, indicando que o aprofundamento em técnicas de aprendizado de máquina mais robustas constitui um caminho promissor para futuras otimizações da taxa de conversão da rede. Embora a Regressão Logística seja ideal para a extração de diretrizes comerciais imediatas devido à sua transparência analítica, os modelos de ensemble revelam potencial latente para futuras otimizações na captura de matrículas e na redução de oportunidades perdidas, conforme destacado no resumo do estudo. A capacidade de identificar um maior volume de Verdadeiros Positivos e reduzir os Falsos Negativos é crucial para a sustentabilidade e crescimento do negócio fitness.
4. Conclusão
O presente estudo buscou identificar os principais fatores que influenciam a conversão de leads em uma rede de academias, transformando dados operacionais em inteligência de negócio. Verificou-se que o modelo de Regressão Logística, após rigoroso tratamento e refinamento dos dados, demonstrou desempenho sólido, alcançando acurácia de 58,93% e área sob a curva (AUC) de 62,5%. Os achados confirmaram que variáveis operacionais e sazonais são preditores robustos, com destaque para os cadastros realizados às segundas-feiras, que apresentaram uma probabilidade de conversão 157% superior em relação aos demais dias da semana. Adicionalmente, a unidade Curicica e o desempenho de consultores específicos, como Giovanna F., foram identificados como fatores que elevam significativamente as chances de matrícula. A principal contribuição prática deste trabalho reside na capacidade da Regressão Logística de fornecer diretrizes comerciais imediatas e transparentes, permitindo que os gestores otimizem as estratégias de prospecção e atendimento com base em dados auditáveis.
Apesar da robustez do modelo operacional, a complexidade das variáveis comportamentais no setor fitness impôs desafios na predição, resultando em um volume de Falsos Negativos e Falsos Positivos que reflete a dificuldade inerente em prever com total precisão todos os casos de conversão. Uma limitação identificada foi a ausência de dados demográficos detalhados no CRM original, o que levou à geração de variáveis sintéticas para experimentação, embora o modelo focado em dados operacionais tenha se mostrado mais robusto. Para estudos futuros, o benchmarking com algoritmos de maior complexidade, como Random Forest e XGBoost, revelou um potencial latente para otimizações na captura de matrículas e na redução de oportunidades perdidas. Sugere-se o aprofundamento no refinamento do XGBoost, com a utilização de técnicas de explicabilidade, e o aprimoramento da coleta de dados de prospecção, incluindo informações como CEP, idade e histórico de atividade física, além da incorporação de modelos de previsão de churn para uma gestão mais completa do ciclo de vida do cliente.
Referências Bibliográficas
ABJ; IBGE, 2026 [Referência completa não encontrada no documento original]
ACAD Brasil. (2018). Mercado mundial do fitness: principais players e mudanças no top ten. Revista ACAD Brasil, Ano 20(3), n. 82. Disponível em: https://acadbrasil.com.br/wp-content/uploads/2019/03/edicao-82.pdf. Acesso em: 19 set. 2025
Brito11, Geisson C., et al. “Adesão a prática de musculação nas academias do Brasil.” Revista CPAQV-Centro de Pesquisas Avançadas em Qualidade de Vida| Vol 13.1 (2021): 2.
CHEN, Tianqi; GUESTRIN, Carlos. XGBoost: A scalable tree boosting system. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM, 2016. p. 785–794.
FITNESS BRASIL. Panorama Setorial Fitness Brasil 2025. 4. ed. São Paulo: Fitness Brasil, 2025. Disponível em: https://www.fitnessbrasil.com.br. Acesso em: 8 abr. 2026
FÁVERO, Luiz Paulo; BELFIORE, Patrícia. Manual de análise de dados: estatística e machine learning com Excel®, SPSS®, Stata®, R® e Python®. 2. ed. Rio de Janeiro: GEN LTC, 2024.
PEDREGOSA, Fabian et al. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, v. 12, p. 2825–2830, 2011.
Rodrigues, Giovanna Oliveira. “Motivação para a prática de atividade física: uma revisão de literatura.” (2022).
Santos, Francielle Carvalho, et al. “Motivação a prática de atividades físicas: um estudo com praticantes de musculação.” Revista Científica UNIFAGOC-Multidisciplinar 3.1 (2018).
SEBRAE. Panorama Mercado De Academias No Brasil: Dados E Tendências. Curitiba: Sebrae/PR, 2024. Disponível em: https://sebraepr.com.br. Acesso em: 8 abr. 2026
Silva, Luis Rafael Cardoso da. “Desafios da fidelização de clientes em academias de ginástica: uma revisão da literatura.” (2019).
Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq
Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

