08 de octubre de 2026
Predicción de conversión de clientes como apoyo a la toma de decisiones en negocios de fitness
Predicción de Conversión de Clientes como Apoyo a la Toma de Decisiones en Negocios Fitness
Leonardo da Silva Pianca; Thiago Gentil Ramires
DOI: 10.22167/2675-6528-202603139
Artículo derivado de Trabajo de Fin de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.
Resumen
El estudio presentó el desarrollo de un modelo predictivo de conversión de clientes para el sector fitness, empleando técnicas de Machine Learning como apoyo a la toma de decisiones estratégicas. La base de datos, compuesta por 7.696 registros de una red de gimnasios, fue sometida a riguroso tratamiento y análisis de multicolinealidad (VIF). El modelo de Regresión Logística demostró un desempeño sólido, alcanzando una precisión del 58,93% y un área bajo la curva (AUC) del 62,5%. Los resultados confirmaron que las variables operacionales y estacionales son predictores robustos, destacando los registros de los lunes, que presentaron una probabilidad de conversión un 157% superior en relación con los demás días. Complementariamente, se realizó un benchmarking con algoritmos de mayor complejidad; el Random Forest demostró mayor eficacia en la captura de matrículas reales en comparación con el modelo lineal, mientras que el XGBoost alcanzó la sensibilidad máxima (Recall del 68,54%). Se concluyó que, si bien la Regresión Logística es la herramienta ideal para la extracción de directrices comerciales inmediatas debido a su transparencia analítica, los modelos de ensemble revelaron un potencial latente para futuras optimizaciones en la captura de matrículas y en la reducción de oportunidades perdidas.
Palabras clave: Análisis supervisado; Fitness; Razón de probabilidades; Regresión.
1. Introducción
La industria del fitness mundial ha presentado un crecimiento continuo, evidenciado por un total de aproximadamente 174 millones de clientes en más de 201 mil gimnasios en 2017, con un movimiento financiero estimado en 87.2 mil millones de dólares. La International Health, Racquet & Sportsclub Association (IHRSA), según lo citado por ACAD Brasil (2018), estableció la meta de alcanzar 230 millones de practicantes a nivel mundial para 2030. Este escenario resalta el potencial de expansión y la relevancia estratégica del sector, haciendo que la comprensión de los factores que influyen en la adhesión y permanencia de los clientes sea fundamental para la competitividad de los gimnasios.
En Brasil, el mercado fitness se ha consolidado como uno de los más prometedores, con 15 millones de alumnos matriculados en 2024 (FITNESS BRASIL, 2024) y una facturación anual superior a 20 mil millones de reales. Este crecimiento está impulsado por un aumento del 30% en la regularidad de ejercicios de la población en los últimos cinco años (ABJ; IBGE, 2026). Sin embargo, la sostenibilidad financiera del sector se ve desafiada por la retención de clientes. Datos del Panorama Setorial Fitness Brasil (2025) indican que la evasión precoz es un cuello de botella operativo crítico, con la mayor tasa de abandono ocurriendo en los primeros noventa días de matrícula. La falta de diferenciación en los servicios y la atención personalizada agravan este fenómeno, elevando el costo de adquisición de clientes y demandando estrategias de gestión basadas en datos para identificar perfiles en riesgo de evasión (SEBRAE, 2024; FITNESS BRASIL, 2025).
La comprensión del comportamiento de los practicantes de actividad física es compleja y multifacética. Estudios sobre la motivación para la práctica de actividad física revelan que esta se modifica a lo largo de la vida. Santos et al. (2018) identificaron que la principal motivación para los practicantes de musculación es el factor “salud-fitness”, seguido por “diversión-interés”, “competencia”, “apariencia” y “social”. Rodrigues (2022) complementa que, en la adolescencia, la adhesión está más ligada a factores intrínsecos como el placer y la pertenencia a grupos, mientras que en la vida adulta, la salud, la prevención de enfermedades y el bienestar se vuelven más relevantes.
Brito et al. (2021) refuerzan que los motivadores para la musculación incluyen el control del peso corporal, la satisfacción personal, el aumento de la autoestima, la mejora de la socialización y la reducción de enfermedades cardiovasculares, estrés y depresión. Estos elementos demuestran que la decisión de ingresar y permanecer en un gimnasio está intrínsecamente ligada a aspectos de salud, bienestar e interacción social. La fidelización de clientes, por su parte, es un factor crítico para la sostenibilidad financiera de los gimnasios. Silva (2019) señala que la ubicación del establecimiento, la calidad de la atención y de los profesores, la infraestructura y los equipos disponibles, así como la satisfacción general y el precio, son factores recurrentes para la retención de alumnos. Estos aspectos indican que variables tangibles e intangibles ejercen una influencia significativa sobre la permanencia del cliente.
Ante la complejidad de los factores que influyen en la adhesión y retención de clientes en el sector fitness, y la necesidad de estrategias más asertivas para mitigar la deserción temprana, se hace imperativo el uso de herramientas analíticas avanzadas. La aplicación de técnicas de Machine Learning emerge como una solución prometedora para transformar datos operativos en inteligencia de negocio, permitiendo la identificación de patrones y la predicción de comportamientos de conversión. Así, este estudio se justifica por la búsqueda de optimizar la toma de decisiones estratégicas en negocios fitness, y tiene como objetivo identificar los principales factores que influyen en la conversión de leads en una red de gimnasios, transformando datos operativos en inteligencia de negocio.
2. Material y Métodos
La investigación fue de naturaleza cuantitativa y exploratoria, con un enfoque metodológico basado en técnicas de Machine Learning. El estudio se centró en el desarrollo de un modelo predictivo de conversión de clientes, con el objetivo de transformar datos operativos en inteligencia de negocio para una red de gimnasios. La unidad de análisis consistió en registros de visitas de potenciales clientes.
La recopilación de datos se realizó a partir de una base de datos secundarios internos, extraída del sistema de CRM de una red de gimnasios. Esta red opera con tres unidades ubicadas en la ciudad de Río de Janeiro, RJ, y atiende aproximadamente a 4 mil alumnos. La base de datos analizada comprendió 7.696 registros de visitas de clientes, recopilados en el período de enero a diciembre de 2025.
Para viabilizar la aplicación de los algoritmos de Machine Learning, los datos brutos fueron sometidos a un proceso de limpieza y transformación. Inicialmente, las identidades de los colaboradores responsables de los registros fueron pseudonimizadas, utilizándose la técnica de preservación del nombre seguida de la inicial del último apellido, garantizando el anonimato y la protección de datos sensibles.
La variable “Cómo conoció” fue tratada para eliminar ruidos estructurales, como caracteres especiales y espacios en blanco. Los datos ausentes en las variables “Cómo conoció” y “Registrado por” fueron completados con la etiqueta categórica “No_Informado”, representando el 1,2% de las observaciones, para evitar la reducción de la muestra y permitir la evaluación de su correlación con la tasa de conversión.
La variable dependiente, denominada “target”, se construyó de forma binaria a partir de la columna “ID del cliente”. Los registros con código de identificación de cliente se clasificaron como 1 (Convertido), indicando la efectividad de la matrícula, mientras que los registros con campos nulos se clasificaron como 0 (No Convertido).
La columna original “Cadastro”, en formato datetime, se desglosó para crear las variables “mes_cadastro” y “dia_semana_cadastro”, extrayendo el componente mensual y el día de la semana correspondiente (enteros de cero a seis). Posteriormente, estas variables se convirtieron a tipos categóricos, utilizando abreviaturas de tres caracteres, y se sometieron a la técnica de One-Hot Encoding para tratar cada mes y día como eventos independientes.
La variable “Turno” se creó para investigar la influencia del período de atención en la conversión de leads. Como el sistema de CRM no registraba la hora exacta del contacto, esta variable se derivó a través del mapeo de consultores, basándose en la escala fija de trabajo de la unidad. Los consultores matutinos fueron etiquetados como ‘Mañana’ y los vespertinos/nocturnos como ‘Noche’.
La inferencia de género se realizó utilizando la biblioteca `gender_guesser.detector`, que clasifica nombres propios en ‘Masculino’, ‘Femenino’ o ‘Desconocido’. Los nombres clasificados como “Desconocido” fueron analizados manualmente y corregidos con un diccionario de mapeo externo, garantizando la completitud de la variable categórica sociodemográfica.
La variable “Edad”, ausente en los registros brutos del CRM, se generó sintéticamente mediante simulación por distribución normal (Gaussiana), con una media de 32 años y una desviación estándar de 12 años, fundamentada en el conocimiento empírico del perfil demográfico de la academia. Se aplicó la técnica de clipping para limitar los valores al intervalo biológico y operacional de la unidad (14 a 85 años).
Para facilitar la interpretación del modelo y reducir la variabilidad, la edad continua se discretizó en cuatro categorías estratégicas, resultando en la creación de la columna “Faixa_Etaria”: “Público Joven / Estudiante” (14-25 años), “Adultos / Público Económicamente Activo” (26-40 años), “Público Maduro” (41-60 años) y “Público Senior” (61+ años).
Las categorías con baja densidad de muestra en la variable “Cómo conoció” fueron agrupadas. Las observaciones con una representatividad inferior al 1% se consolidaron en “Otros”, incluyendo contenidos similares como “Pasando”, “Fachada” y “Invitación”, para enfocar el peso estadístico en los procesos comerciales más relevantes y evitar distorsiones en los resultados.
Similarmente, na variável “Registrado 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 la selección de las variables más relevantes y para garantizar la viabilidad del análisis, se aplicó la prueba de independencia Chi-Cuadrado (X²) con la ayuda de la biblioteca `scipy.stats` (Fávero y Belfiore, 2024). Las variables cualitativas nominales fueron sometidas al proceso de dummificación (dummy encoding) utilizando la función `get_dummies` de la biblioteca `pandas`, con el parámetro `drop_first=True` para eliminar una categoría de referencia.
El análisis de multicolinealidad se realizó a través del cálculo del Factor de Inflación de la Varianza (VIF – Variance Inflation Factor) utilizando la biblioteca `statsmodels` (Pedregosa et al., 2011). El procedimiento consistió en la aplicación de la función `variance_inflation_factor` sobre la matriz de variables predictoras, previamente convertidas en variables dummy.
La estrategia de modelado predictivo se centró en la aplicación de la Regresión Logística Binaria como modelo principal, debido a su robustez estadística y alta interpretabilidad (Fávero y Belfiore, 2024). Este modelo se utilizó para estimar la probabilidad de ocurrencia de un evento dicotómico (conversión o no conversión de un lead) a través de la función logit. La implementación práctica se realizó con la biblioteca `Scikit-learn` (Pedregosa et al., 2011).
Con el objetivo de validar los resultados y buscar ganancias de precisión, se implementaron los algoritmos Random Forest y XGBoost para un enfoque comparativo. El Random Forest, basado en ensemble learning, crea múltiples árboles de decisión de forma independiente. El XGBoost, un algoritmo de Gradient Boosting, construye árboles secuencialmente para corregir errores de predicción (Chen; Guestrin, 2016). Ambos fueron implementados con las clases `RandomForestClassifier` y `XGBClassifier` de las respectivas bibliotecas.
Para la evaluación del desempeño de los modelos predictivos, se utilizaron métricas de clasificación binaria: precisión, área bajo la curva ROC (AUC) y matriz de confusión. La precisión midió la proporción de predicciones correctas. La AUC evaluó la capacidad discriminatoria del modelo. La matriz de confusión permitió analizar detalladamente el desempeño, identificando verdaderos positivos, verdaderos negativos, falsos positivos y falsos negativos, con la implementación computacional vía biblioteca `scikit-learn` (Pedregosa et al., 2011).
3. Resultados y Discusión
El análisis de los datos se inició con la aplicación de la prueba Chi-Cuadrado (X²) para verificar la asociación entre las variables explicativas y la variable dependiente de conversión de leads. Los resultados indicaron que, con excepción de las variables ‘Turno’ y ‘Género’, todas las demás variables presentaron una asociación estadísticamente significativa con la conversión de leads, con valores p inferiores a 0,05. Este hallazgo permitió rechazar la hipótesis nula de independencia, confirmando que la base de datos poseía las condiciones necesarias para la construcción de un modelo de regresión logística con patrones estadísticamente sustentados. La validación inicial de las variables es crucial para asegurar que el modelo predictivo se base en relaciones genuinas y no en asociaciones aleatorias, según lo preconizado por Fávero y Belfiore (2024).
Complementariamente, se realizó el análisis de multicolinealidad mediante el Factor de Inflación de la Varianza (VIF) para evaluar la correlación entre las variables independientes. Se observó que la variable ‘Turno’ presentaba un VIF excesivamente elevado, indicando una dependencia lineal directa con la variable ‘Cadastrado por’. Este fenómeno ocurrió porque el turno de atención era una derivación directa de la escala de trabajo fija de los consultores, haciendo que la información contenida en ‘Turno’ fuera redundante en relación con los nombres de los colaboradores. La eliminación de variables con alta multicolinealidad es esencial para garantizar la estabilidad de los coeficientes de la regresión y la validez estadística del modelo, evitando distorsiones en la interpretación del impacto individual de cada predictor.
La caracterización de la variable objetivo, la conversión de leads, reveló una tasa del 56,9% de matrículas efectivas (4.382 registros) en contraste con el 43,1% de leads que no convirtieron (3.314 registros). Este escenario, a diferencia de muchos contextos comerciales donde la conversión es un evento raro, demostró un volumen robusto de ejemplos para ambas clases. Para mitigar cualquier sesgo en las predicciones debido a la ligera disparidad entre las clases, se mantuvo la estrategia de pesos balanceados en el modelo de regresión logística. Este procedimiento aseguró que las características de los leads no convertidos fueran ponderadas con la misma relevancia que las de los alumnos matriculados, otorgando mayor imparcialidad y rigor científico a las estimaciones de probabilidad.
Desempeño del Modelo de Regresión Logística exclusivamente con variables operacionales y temporales
El modelo de Regresión Logística Binaria se entrenó para predecir la probabilidad de conversión de nuevos alumnos, utilizando datos recopilados entre enero y diciembre de 2025. Inicialmente, el modelo presentó una precisión del 53% y un Área bajo la Curva (AUC) del 56%. Estos resultados preliminares indicaron la necesidad de un refinamiento en la ingeniería de atributos, ya que el exceso de variables y categorías con bajo muestreo estaba introduciendo ruido en el aprendizaje del algoritmo. La optimización de la capacidad predictiva se buscó entonces a través de ajustes estructurales en la base de datos, con el objetivo de mejorar el rendimiento y la interpretabilidad del modelo.
El refinamiento de la base de datos implicó la supresión de la variable ‘Género’, que demostró baja relevancia estadística, y de la variable ‘Turno’, que presentaba alta correlación con ‘Cómo conoció’. Adicionalmente, la edad continua fue sustituida por agrupaciones en rangos de edad, permitiendo una mejor captura de las motivaciones específicas de cada ciclo de vida, según fundamentado por Rodrigues (2022). La exclusión de registros categorizados como ‘Otros’, referentes a canales y consultores con menos de 45 observaciones (2,2% y 1,5% del total), eliminó outliers operacionales y distorsiones causadas por comportamientos atípicos, que generaban tasas de conversión irreales, como 0% o 100%, debido al muestreo insuficiente.
Después de los ajustes, la precisión del modelo de Regresión Logística alcanzó el 58%, y el AUC llegó al 63%. La precisión representa la proporción de clasificaciones correctas sobre el total de la muestra de prueba, mientras que el AUC sugiere que el modelo tiene una capacidad de discriminación superior al azar, aunque todavía con espacio para optimización. La matriz de confusión reveló 722 conversiones correctamente clasificadas (Verdaderos Positivos) y 625 no conversiones (Verdaderos Negativos). Sin embargo, el volumen de errores, con 593 Falsos Negativos y 369 Falsos Positivos, refleja la complejidad de las variables de comportamiento en el sector fitness, evidenciando la dificultad en predecir con total precisión todos los casos de conversión y no conversión.
Se realizó un refinamiento adicional con la exclusión de la categoría ‘Otros/eventuales’ de la variable ‘Registrado por’, que agrupaba registros de consultores temporarios o con bajísima frecuencia de registros. Este ajuste tuvo como objetivo eliminar comportamientos aleatorios y enfocar el modelo en los procesos comerciales más estandarizados y representativos de la academia. El objetivo fue mejorar la utilidad práctica del modelo, concentrando el análisis en los datos generados por consultores de ventas especializados, lo que alinea el algoritmo al proceso comercial real de la academia y comprueba la importancia de la estandarización de la atención para la previsibilidad de la conversión.
Este refinamiento resultó en una mejora directa en la capacidad del algoritmo para identificar conversiones reales, con los Verdaderos Positivos aumentando de 722 a 745. Paralelamente, los Falsos Negativos se redujeron de 593 a 552. Este incremento en la métrica de Recall (sensibilidad) es fundamental para el negocio fitness, ya que el costo de no identificar a un cliente potencial con alta probabilidad de matrícula (Falso Negativo) es superior al costo de abordar a un lead que no convierte. La reducción del error de omisión permite que el equipo comercial concentre sus esfuerzos en una base de leads más amplia y cualificada, capturando oportunidades que serían ignoradas debido al ruido causado por registros no estandarizados.
Análisis de oportunidades
La utilización de la Regresión Logística permitió el cálculo de la Razón de Oportunidades (Odds Ratio), una métrica esencial para cuantificar el impacto de cada variable en la probabilidad de cierre de la matrícula. Los resultados revelaron que la Unidad Curicica presentó la mayor razón de oportunidades, con una probabilidad de conversión 157,3% superior en relación a las demás unidades. Este dato sugiere que factores específicos de la gestión o del perfil de clientes de esta unidad contribuyen significativamente al éxito de las matrículas, indicando un desempeño superior que puede servir de referencia para otras unidades de la red.
La atención brindada por la consultora Giovanna F. también destacó, elevando la probabilidad de conversión en un 76,1%. Este hallazgo subraya la importancia del desempeño individual de los consultores de ventas y la calidad de la atención en el proceso de conversión de leads. El rendimiento de consultores específicos puede ser un indicador de buenas prácticas de ventas y de relación con el cliente, que pueden ser replicadas para mejorar la eficacia del equipo en su conjunto.
Las variables estacionales y operacionales demostraron ser predictores robustos de conversión. El registro realizado los lunes presentó una probabilidad de conversión 109,2% superior en relación con los demás días de la semana, mientras que los registros en enero mostraron una probabilidad 82,5% mayor. El canal de captación “Fachada (Pasó por delante)” también se destacó, con una probabilidad de conversión 69,6% superior. Estos resultados confirman que las variables operacionales y estacionales son predictores robustos, con destaque para registros los lunes, que presentaron una probabilidad de conversión 157% superior en relación con los demás días, conforme el resumen aprobado.
Análisis del impacto de las variables sintéticas (Edad y Género)
Para enriquecer el análisis, se realizó un experimento que incluyó las variables sintéticas Edad (rangos de edad) y Género. Aunque la inclusión de estos datos demográficos no resultó en una ganancia expresiva de rendimiento global, manteniendo la Precisión en 59,23% y el AUC en 0,6254, valores muy cercanos a los obtenidos por el modelo estrictamente operacional, la interpretación de los coeficientes ofreció insights cualitativos relevantes que corroboran las evidencias de Santos et al. (2018) y Rodrigues (2022) sobre el cambio de motivación con el avance de la edad.
En el modelo ampliado con variables sintéticas, el grupo senior (mayores de 61 años) se presentó como un predictor destacado, con un Odds Ratio de 1,99, lo que indica que este público tiene casi el doble de posibilidades de conversión en relación con otros grupos de edad. Este hallazgo valida la teoría de que el público maduro tiene un mayor enfoque en salud y bienestar, presentando un ciclo de decisión más objetivo. Sin embargo, al comparar los dos escenarios, se observó que la supresión de las variables sintéticas no comprometió la lógica predictiva del modelo.
Sin los datos de edad y género, las variables relacionadas con la ubicación física y la atención individualizada de los consultores asumieron el protagonismo estadístico. La estabilidad de las métricas (AUC de 0,625 en el modelo operativo versus 0,630 en el modelo sintético) sugiere que los datos operativos ya contienen, implícitamente, el comportamiento de los diferentes perfiles demográficos. Por lo tanto, para la realidad operativa de la academia, el modelo enfocado en variables reales del sistema de CRM demostró ser más robusto y menos dependiente de suposiciones demográficas, permitiendo una toma de decisiones estratégicas basada en hechos auditables y directamente observables.
Evaluación Comparativa de modelos
Con el fin de validar la eficacia de la solución y evaluar el rendimiento de diferentes arquitecturas de aprendizaje automático, se realizó una prueba comparativa entre la Regresión Logística, Random Forest y XGBoost. El objetivo principal de esta etapa fue verificar si modelos de mayor complejidad computacional (no lineales) entregarían una mejor eficacia predictiva. Todos los modelos fueron sometidos al mismo preprocesamiento, utilizando una división de datos del 70% para entrenamiento y 30% para prueba, con aplicación de estratificación para mantener la proporción de la variable objetivo en ambos conjuntos.
Los resultados obtenidos demostraron que la Regresión Logística obtuvo un desempeño global sólido, alcanzando una precisión del 58,93% y un AUC-ROC de 0,625. Este desempeño la consolidó como la solución más equilibrada para el escenario operativo de la academia, principalmente debido a su alta interpretabilidad, que facilita la extracción de directrices comerciales inmediatas. La transparencia analítica de la Regresión Logística permite que los gestores comprendan fácilmente qué factores están impulsando la conversión, auxiliando en la formulación de estrategias dirigidas.
Al profundizar el análisis a través de la matriz de confusión, se observó que modelos no lineales, como Random Forest y XGBoost, lograron capturar patrones de conversión que la Regresión Logística no alcanzó. Random Forest, por ejemplo, registró 532 Falsos Negativos, en comparación con 552 del modelo lineal, e identificó correctamente 765 matrículas. Este resultado indica que Random Forest tuvo mayor eficacia en la captura de matrículas reales en comparación con el modelo lineal, según el resumen aprobado.
El algoritmo XGBoost presentó la mayor sensibilidad de la prueba, con un Recall del 68,54%, identificando correctamente 889 matrículas y registrando solo 408 Falsos Negativos. Estos números revelan que, a pesar de que la Regresión Logística es la herramienta más precisa para el diagnóstico actual y para la identificación de palancas de negocio, existe un potencial latente en algoritmos de mayor complejidad. Los modelos de ensemble, como Random Forest y XGBoost, demostraron una capacidad superior para identificar leads que efectivamente convertirían, reduciendo significativamente las oportunidades perdidas.
Los resultados obtenidos con los modelos de ensemble sirven como un referencial de performance superior, indicando que la profundización en técnicas de aprendizaje automático más robustas constituye un camino prometedor para futuras optimizaciones de la tasa de conversión de la red. Aunque la Regresión Logística es ideal para la extracción de directrices comerciales inmediatas debido a su transparencia analítica, los modelos de ensemble revelan potencial latente para futuras optimizaciones en la captura de matrículas y en la reducción de oportunidades perdidas, conforme destacado en el resumen del estudio. La capacidad de identificar un mayor volumen de Verdaderos Positivos y reducir los Falsos Negativos es crucial para la sostenibilidad y crecimiento del negocio fitness.
4. Conclusión
El presente estudio buscó identificar los principales factores que influyen en la conversión de leads en una red de gimnasios, transformando datos operativos en inteligencia de negocio. Se verificó que el modelo de Regresión Logística, tras un riguroso tratamiento y refinamiento de los datos, demostró un desempeño sólido, alcanzando una precisión del 58,93% y un área bajo la curva (AUC) del 62,5%. Los hallazgos confirmaron que las variables operativas y estacionales son variables predictoras robustas, destacando los registros realizados los lunes, que presentaron una probabilidad de conversión un 157% superior en relación con los demás días de la semana. Adicionalmente, la unidad Curicica y el desempeño de consultores específicos, como Giovanna F., fueron identificados como factores que elevan significativamente las posibilidades de matrícula. La principal contribución práctica de este trabajo reside en la capacidad de la Regresión Logística de proporcionar directrices comerciales inmediatas y transparentes, permitiendo que los gestores optimicen las estrategias de prospección y atención con base en datos auditables.
A pesar de la robustez del modelo operativo, la complejidad de las variables conductuales en el sector fitness impuso desafíos en la predicción, resultando en un volumen de Falsos Negativos y Falsos Positivos que refleja la dificultad inherente en predecir con total precisión todos los casos de conversión. Una limitación identificada fue la ausencia de datos demográficos detallados en el CRM original, lo que llevó a la generación de variables sintéticas para experimentación, aunque el modelo enfocado en datos operativos se mostró más robusto. Para estudios futuros, el benchmarking con algoritmos de mayor complejidad, como Random Forest y XGBoost, reveló un potencial latente para optimizaciones en la captura de matrículas y en la reducción de oportunidades perdidas. Se sugiere profundizar en el refinamiento del XGBoost, con la utilización de técnicas de explicabilidad, y el perfeccionamiento de la recolección de datos de prospección, incluyendo información como código postal, edad e historial de actividad física, además de la incorporación de modelos de predicción de churn para una gestión más completa del ciclo de vida del cliente.
Referencias 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).
Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq
Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy