Previsão de “Churn” em Plataformas de “Igaming” com Uso de “Machine Learning” e “Marketing Analytics”

Douglas Caldeira Silva; Nuno Manoel Martins Dias Fouto

DOI: 10.22167/2675-6528-202602832

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

A predição de “churn” em plataformas de “iGaming” mostrou-se relevante devido ao caráter não contratual desse ambiente, onde a evasão é inferida a partir de sinais comportamentais e transacionais observáveis. O trabalho objetivou desenvolver e avaliar modelos preditivos capazes de estimar a probabilidade de “churn” de usuários em plataformas de “iGaming”, com base em variáveis comportamentais e transacionais, para apoiar decisões de marketing analytics voltadas à antecipação da evasão. Realizou-se uma pesquisa aplicada, quantitativa, preditiva e observacional retrospectiva, utilizando dados secundários de uma empresa do setor. A base analítica foi estruturada em painel diário por usuário, com variáveis derivadas de recência, frequência, intensidade de uso e maturidade do relacionamento. A definição operacional de “churn” considerou janelas de inatividade de 15 e 30 dias, adotando a de 30 dias como cenário principal. Modelos de Regressão Logística e Random Forest foram empregados e avaliados. Os resultados indicaram que ambos os algoritmos apresentaram desempenho preditivo elevado. A Regressão Logística destacou-se como alternativa principal por combinar alta acurácia (0,8980), melhor desempenho em AUC-ROC, AUC-PR e precisão, além de maior interpretabilidade, enquanto o Random Forest obteve recall ligeiramente superior e F1-score equivalente. Concluiu-se que o uso de técnicas de machine learning é viável para apoiar ações de segmentação, priorização de usuários e retenção em “iGaming”, desde que acompanhado de validação contínua, monitoramento de desempenho e revisão periódica da definição operacional de “churn”.

Palavras-chave: Ambiente não contratual; Evasão de clientes; Random Forest; Regressão logística; Retenção de clientes.

1. Introdução

A transformação digital tem impulsionado a capacidade das organizações de coletar, armazenar e analisar dados sobre o comportamento dos consumidores, tornando as decisões cada vez mais baseadas em evidências. Nesse cenário, o marketing analytics assume uma posição estratégica, auxiliando na identificação de padrões de consumo, segmentação de públicos e personalização de ofertas, bem como no desenvolvimento de ações para aquisição, retenção e maximização do valor do cliente. Erevelles et al. (2016) destacam que os avanços tecnológicos ampliaram o volume, a velocidade e a variedade dos dados disponíveis, criando novas possibilidades para a compreensão do comportamento do consumidor e a orientação de decisões de marketing. De forma complementar, Kumar e Reinartz (2018) ressaltam a contribuição da analítica em CRM e marketing para a segmentação, campanhas, retenção e gestão do valor do cliente. Dentro desse contexto, o fenômeno do churn, ou evasão de clientes, emerge como um dos principais desafios para empresas em mercados digitais, pois está diretamente associado à interrupção ou ao enfraquecimento do relacionamento do cliente com a organização (Jahromi et al., 2014).

No setor de iGaming, essa discussão adquire relevância particular devido às características do segmento, que engloba plataformas digitais de apostas esportivas, cassino online e poker, operando em um ambiente altamente competitivo, dinâmico e dependente do engajamento recorrente dos usuários. Nesses mercados, a retenção de clientes é crucial, uma vez que a concorrência é intensa, a migração entre plataformas pode ocorrer com facilidade e a recorrência de uso impacta diretamente o desempenho do negócio. A capacidade de identificar sinais prévios de evasão torna-se, portanto, fundamental para as organizações que buscam mitigar perdas de receita, aumentar a permanência dos usuários e otimizar suas estratégias de relacionamento. Merchie e Ernst (2022) reforçam que a predição de churn em online gambling é compatível com abordagens preditivas baseadas no histórico de atividade dos usuários.

A literatura indica que o abandono do cliente geralmente não ocorre de forma aleatória, sendo frequentemente precedido por alterações observáveis em seu comportamento, como variações em recência, frequência e valor monetário das interações. Kaya et al. (2018) demonstram que padrões comportamentais dinâmicos, extraídos de registros transacionais, podem prever decisões de churn de maneira mais eficaz do que atributos demográficos. Mena et al. (2024) complementam, afirmando que medidas de recência, frequência e valor monetário, variantes no tempo, constituem uma base relevante para a predição de churn. Essa perspectiva é ainda mais crítica em modelos de negócio não contratuais, nos quais a perda do cliente não se manifesta por um cancelamento explícito, mas por sinais de redução ou interrupção da atividade observável. Fader e Hardie (2007) explicam que, em contextos não contratuais, o momento em que o cliente se torna inativo não é diretamente observável pela empresa, o que aproxima o fenômeno do churn da realidade das plataformas de iGaming, onde a evasão é inferida a partir do comportamento transacional do usuário.

No Brasil, a importância do tema foi intensificada pela recente regulamentação do mercado de apostas de quota fixa e jogos online. A Lei nº 14.790, de 29 de dezembro de 2023, estabeleceu o marco normativo para a exploração da aposta de quota fixa e incluiu os jogos online, condicionando a operação à autorização prévia do poder público (BRASIL, 2023). Adicionalmente, o Ministério da Fazenda registrou o início da operação plena do mercado regulado em janeiro de 2025 (BRASIL, 2024), o que reforça a institucionalização do setor e a necessidade de práticas de gestão mais estruturadas. Em um ambiente regulado, competitivo e intensivo em dados, a compreensão do comportamento dos usuários e a antecipação de movimentos de evasão tornam-se ainda mais relevantes para decisões mercadológicas e gerenciais.

A escolha do tema também se alinha ao crescente uso de dados na tomada de decisão organizacional. Com a maior disponibilidade de registros comportamentais e transacionais, é possível empregar métodos analíticos para identificar padrões e classificar perfis de usuários, subsidiando decisões baseadas em evidências. Mitchell (1997) explica que o aprendizado de máquina se baseia na construção de sistemas que melhoram seu desempenho a partir da experiência, oferecendo suporte teórico para sua aplicação em problemas com grandes volumes de dados e reconhecimento de padrões. No contexto do iGaming, essa abordagem é particularmente adequada, pois o churn nem sempre se manifesta por um cancelamento explícito; em muitos casos, o usuário apenas reduz sua atividade ou deixa de interagir com a plataforma, exigindo que o abandono seja identificado por sinais observados no próprio comportamento.

Diante desse cenário, emerge a seguinte questão de pesquisa: em que medida variáveis comportamentais e transacionais permitem predizer churns em plataformas de iGaming, em ambiente não contratual? Sob a perspectiva acadêmica, o estudo integra os campos de marketing analytics, retenção de clientes e aprendizado de máquina, alinhando-se à Ciência de Dados. Do ponto de vista prático, a pesquisa pode contribuir para a identificação antecipada de usuários com maior risco de evasão, favorecendo a priorização de ações de retenção, segmentação e relacionamento orientadas por dados. Nesse contexto, o objetivo geral deste trabalho consiste em desenvolver e avaliar modelos preditivos capazes de estimar a probabilidade de churn de usuários em plataformas de iGaming, com base em variáveis comportamentais e transacionais, a fim de apoiar decisões de marketing analytics voltadas à antecipação da evasão.

2. Material e Métodos

A pesquisa caracterizou-se como aplicada, de abordagem quantitativa, finalidade preditiva e delineamento observacional retrospectivo. O objetivo preditivo consistiu em estimar a probabilidade de “churn” em plataformas de iGaming, utilizando dados estruturados de comportamento e transações de usuários, analisados por técnicas estatísticas e de machine learning (Gil, 2002; Prodanov e Freitas, 2013). Para isso, empregaram-se dados secundários de uma empresa de grande porte do setor de iGaming, cuja identidade foi preservada por confidencialidade. A unidade de análise foi a instância usuário-data, estruturada em um painel diário por usuário. A extração inicial dos dados foi realizada por consultas SQL sobre a base `kpis_usuarios_daily`, reunindo variáveis como depósitos, saques, “cashback”, “turnover” de cassino, prêmio de cassino e “gross gaming revenue” (GGR), relacionadas ao início do relacionamento, volume transacional e intensidade de atividade na plataforma.

Para a construção da base analítica, definiu-se uma coorte de usuários que realizaram o primeiro depósito (FTD) em janeiro de 2025, acompanhada ao longo do ano. O painel diário completo por usuário foi construído para representar explicitamente os dias com e sem movimentação, essencial para a rotulagem do “churn” em ambiente não contratual. A base passou por procedimentos de consistência e preparação, incluindo padronização de dados, verificação de duplicidades e checagem de datas inconsistentes. Observações com FTD posterior à data de referência e instâncias sem janela futura suficiente para a rotulagem da variável-alvo foram excluídas para evitar vazamento temporal.

A variável-alvo, “churn”, foi inferida com base na interrupção observável da atividade transacional do usuário, considerando movimentação financeira (depósito ou saque) como atividade relevante. Foram avaliadas janelas de inatividade de 15 e 30 dias consecutivos, sendo a de 30 dias adotada como cenário principal por ser mais conservadora e reduzir a sensibilidade do rótulo a pausas temporárias.

As variáveis incluídas na modelagem foram selecionadas por sua disponibilidade empírica e aderência teórica ao problema de “churn”, priorizando atributos de recência, frequência, intensidade monetária, maturidade do relacionamento e mudanças temporais no padrão de movimentação (Kaya et al., 2018; Mena et al., 2024). Entre as principais, destacaram-se `valor_ftd_usuario`, `tempo_desde_ftd`, `ticket_medio_deposito_30d`, `desaceleracao_atividade`, `dias_ativos_15d`, `qtd_deposito_15d` e `proporcao_dias_ativos_30d`, que sintetizaram a atividade recente do usuário.

Para a predição de “churn”, utilizaram-se algoritmos supervisionados de classificação. A Regressão Logística foi adotada como modelo principal e baseline, devido à sua simplicidade e interpretabilidade (James et al., 2021). O algoritmo Random Forest foi empregado como modelo comparativo, por sua capacidade de capturar relações não lineares (Breiman, 2001).

A validação dos modelos foi realizada por meio de holdout temporal, estratégia adequada a bases com estrutura cronológica (Roberts et al., 2017). O corte temporal para separação analítica foi em 25 de setembro de 2025, assegurando que os preditores fossem calculados com informação disponível até a data de referência.

Na especificação conservadora, a Regressão Logística foi treinada com 739.349 observações e testada em 197.232. O Random Forest foi treinado com 738.995 observações e testado em 196.979. O desempenho preditivo foi analisado por “accuracy”, AUC-PR, AUC-ROC, precisão, “recall”, “F1-score” e matriz de confusão (Fawcett, 2006; Powers, 2011; Saito e Rehmsmeier, 2015).

Os procedimentos computacionais foram realizados em ambiente Databricks. A extração inicial dos dados foi feita por consultas SQL, enquanto a preparação da base, criação de variáveis e definição da variável-alvo foram conduzidas em PySpark. A modelagem utilizou bibliotecas de machine learning. O estudo foi desenvolvido com dados secundários de uma empresa de iGaming, com identidade preservada por confidencialidade, focando em padrões de comportamento transacional e temporal, sem objetivo de identificação individual dos usuários, respeitando o sigilo informacional.

3. Resultados e Discussão

Esta seção apresenta os resultados obtidos na etapa empírica do estudo, com ênfase na definição da variável-alvo, nas características da base analítica e na comparação entre os algoritmos Regressão Logística e Random Forest no cenário principal de “churn” em 30 dias. A análise foi conduzida a partir dos resultados observados na execução dos modelos no ambiente Databricks, buscando interpretar os achados não apenas em termos estatísticos, mas também em função de sua utilidade analítica e gerencial para o marketing analytics em iGaming. A discussão articula desempenho preditivo, o perfil de erro dos classificadores e as implicações operacionais para ações de retenção em ambiente não contratual, oferecendo uma compreensão abrangente da aplicação de modelos de machine learning neste contexto.

A variável-alvo, que representa o “churn”, foi construída com base na ausência de movimentação futura do usuário em um ambiente não contratual. Inicialmente, foram avaliados dois cenários operacionais de “churn”: 15 e 30 dias consecutivos sem ocorrência de depósito ou saque. No cenário de 15 dias, a classe positiva de “churn” representou 79,58% das instâncias, enquanto a classe negativa correspondeu a 20,42%. Ao ampliar a janela de inatividade para 30 dias, a classe positiva passou a representar 73,90% das observações e a classe negativa 26,10%. Este comportamento indica que a adoção de uma janela mais longa reduz a sensibilidade do rótulo a pausas temporárias de curta duração.

A definição de 30 dias mostrou-se mais conservadora para fins analíticos e foi adotada como cenário principal para a comparação entre os algoritmos, embora a escolha permaneça operacional e dependente do contexto de negócio. Essa janela mais longa é mais aderente ao comportamento intermitente típico de plataformas digitais de iGaming. Em ambientes não contratuais, a simples ausência de atividade por poucos dias não representa necessariamente abandono efetivo, podendo refletir pausas naturais no padrão de uso. Assim, o horizonte de 30 dias tende a produzir um rótulo mais estável para a modelagem e mais compatível com decisões de retenção que exigem distinção entre oscilação temporária e evasão provável (Fader et al., 2010; Merchie e Ernst, 2022).

Do ponto de vista descritivo, a base analítica apresentou forte concentração de valores iguais a zero em variáveis transacionais diárias, como depósitos, saques, “turnover” e GGR. Esse padrão é coerente com a estrutura usuário-data utilizada no estudo e com a natureza descontínua da atividade dos usuários em plataformas de iGaming. Analiticamente, isso significa que parte importante da base é formada por dias sem movimentação, o que não constitui erro de construção, mas característica substantiva do fenômeno observado. Em contrapartida, após o refinamento das variáveis, o atributo `valor_ftd_usuario` passou a representar de forma mais consistente uma característica estrutural do usuário ao longo de sua trajetória, ampliando a utilidade informacional do “first-time deposit” para a modelagem.

Esse comportamento descritivo já sugere, antes mesmo da etapa preditiva, que a identificação do “churn” tende a depender menos de um único evento monetário isolado e mais da combinação entre intensidade, frequência e recência do uso. As estatísticas descritivas indicam que a base combina duas propriedades relevantes para o problema de “churn”: elevada assimetria em variáveis monetárias e forte presença de inatividade diária. Em termos de marketing analytics, esse padrão é particularmente importante porque indica que a perda de vínculo com a plataforma não decorre apenas de uma queda abrupta em grandes valores transacionais, mas também de mudanças graduais de frequência e intensidade de uso.

No processo de construção da base, dois aspectos foram particularmente relevantes para a coerência temporal do problema. Em primeiro lugar, a criação do painel diário completo por usuário permitiu representar explicitamente os dias sem movimentação, condição necessária para a correta rotulagem do “churn” em ambiente não contratual. Em segundo lugar, a variável-alvo foi construída sempre a partir de uma janela futura de observação, de modo a evitar o uso de informação posterior ao momento da predição. No cenário principal de “churn” em 30 dias, a separação analítica foi realizada com corte temporal em 25 de setembro de 2025.

Essa separação resultou em 739.349 observações no treino e 197.232 no teste para a Regressão Logística conservadora, e 738.995 observações no treino e 196.979 no teste para o Random Forest conservador. Em termos metodológicos, esse cuidado é central, pois a utilidade de um modelo de “churn” depende de sua capacidade de operar com informação disponível até a data de referência, e não de reproduzir retrospectivamente um comportamento já consumado. A interpretação dos resultados deve considerar que, em problemas dessa natureza, a robustez da evidência também depende da distância temporal entre observação e evento e de validações adicionais fora da amostra.

A comparação entre os algoritmos foi realizada no cenário principal de “churn” em 30 dias. A Regressão Logística foi tratada como modelo principal conservador por combinar desempenho preditivo elevado com maior interpretabilidade, enquanto o Random Forest foi utilizado como modelo comparativo, permitindo verificar se uma abordagem não linear baseada em árvores produziria ganhos substantivos de desempenho. Essa escolha também permite avaliar se a estrutura do problema exige maior complexidade algorítmica ou se parte relevante do sinal pode ser capturada por um classificador mais simples e auditável. O caráter conservador da comparação é especialmente relevante porque, na especificação principal, foram excluídas variáveis excessivamente próximas da definição operacional do “churn”.

A Regressão Logística conservadora apresentou uma “accuracy” de 0,8980, um AUC-ROC de 0,9212 e um AUC-PR de 0,9743. Adicionalmente, obteve uma “precision” de 0,9232, um “recall” de 0,9540 e um “F1-score” de 0,9384. Esses valores indicam um desempenho preditivo robusto, com alta capacidade de discriminação entre as classes de “churn” e “não churn” em diferentes limiares de decisão. A combinação de métricas elevadas reforça a viabilidade do modelo para a antecipação da evasão em plataformas de iGaming, oferecendo um suporte significativo para decisões de marketing analytics.

O Random Forest conservador, por sua vez, obteve uma “accuracy” de 0,8976, um AUC-PR de 0,9641, um AUC-ROC de 0,9044, uma “precision” de 0,9127, um “recall” de 0,9664 e um “F1-score” de 0,9388. Em termos estritamente numéricos, as diferenças entre os modelos foram pequenas. Esse resultado sugere que parte substantiva do sinal preditivo pode ser capturada mesmo por uma fronteira de decisão mais simples. Contudo, a proximidade entre desempenhos também recomenda cautela: em problemas com variáveis recentes muito informativas, resultados elevados podem refletir tanto a capacidade de antecipação quanto a forte proximidade entre o comportamento observado e o evento que se busca prever.

A leitura das métricas precisa ser feita com cautela, especialmente devido à distribuição assimétrica das classes. Como a classe positiva de “churn” representa 73,90% da base no cenário de 30 dias, a “accuracy”, isoladamente, possui utilidade limitada como critério de decisão. Como referência mínima, um classificador ingênuo que previsse sempre “churn” já alcançaria acurácia de aproximadamente 0,7390, sem oferecer capacidade discriminatória comparável. Nesse contexto, a Regressão Logística conservadora elevou a “accuracy” para 0,8980, o que representa um ganho de cerca de 15,9 pontos percentuais sobre esse baseline trivial.

Por essa razão, as métricas mais relevantes para a interpretação dos resultados são AUC-PR, AUC-ROC, “precision”, “recall”, “F1-score” e, complementarmente, a matriz de confusão. Sob essa perspectiva, a Regressão Logística apresentou melhor desempenho em AUC-ROC, AUC-PR e “precision”, enquanto o Random Forest alcançou “recall” ligeiramente superior e “F1-score” praticamente equivalente. Esse padrão indica que o Random Forest foi um pouco mais agressivo na recuperação de “churns” reais, ao passo que a Regressão Logística preservou melhor a separação entre as classes ao longo dos limiares e o controle relativo de falsos positivos.

A análise da matriz de confusão reforça essa diferença de perfil. Na execução consolidada, a Regressão Logística conservadora produziu 23.931 verdadeiros negativos, 12.691 falsos positivos, 7.350 falsos negativos e 152.553 verdadeiros positivos. O Random Forest conservador, por sua vez, produziu 22.207 verdadeiros negativos, 14.781 falsos positivos, 5.376 falsos negativos e 154.479 verdadeiros positivos. Em termos substantivos, isso significa que o Random Forest recuperou mais “churns” reais, porém ao custo de acionar incorretamente um número maior de usuários.

Como essas matrizes dependem do limiar de classificação adotado na execução dos experimentos, elas devem ser lidas como retrato operacional do “trade-off” entre cobertura e seletividade no cenário testado. Em termos de negócio, essa diferença é relevante porque a escolha do modelo não depende apenas do desempenho estatístico agregado, mas também da lógica operacional das ações de retenção. Em um contexto em que o custo de contatar ou bonificar usuários seja elevado, um modelo com maior “precision” pode ser mais adequado. Por outro lado, em estratégias nas quais a prioridade seja maximizar a cobertura dos usuários com risco de evasão, um modelo com “recall” mais alto pode ser preferível.

Essa interpretação aproxima os resultados do campo de marketing analytics. Em aplicações práticas, um modelo de “churn” não é utilizado apenas para classificação abstrata, mas para orientar decisões como priorização de campanhas, definição de públicos para CRM, segmentação de risco e alocação de orçamento promocional. Nesse sentido, a diferença entre os algoritmos pode ser lida como uma diferença entre estratégias de acionamento: uma mais seletiva, com menor dispersão de esforços, e outra mais abrangente, com maior cobertura, mas com maior risco de contatos desnecessários.

Em termos gerenciais, isso significa que o score preditivo pode ser incorporado a réguas distintas de relacionamento, combinando risco de evasão com valor do usuário, sensibilidade promocional e custo esperado de intervenção. Tal leitura é convergente com estudos que situam a predição de “churn” como instrumento relevante para a retenção e para a tomada de decisão em CRM no setor de online gambling (Coussement e De Bock, 2013). A análise das importâncias das variáveis no modelo Random Forest evidenciou a predominância de atributos associados à atividade recente e à frequência transacional.

No caso do Random Forest, entre os seis atributos mais relevantes, destacaram-se `dias_ativos_15d`, `qtd_deposito_15d`, `qtd_deposito_30d`, `deposito_15d`, `proporcao_dias_ativos_30d` e `deposito_30d`. Esses achados indicam que a distinção entre usuários com maior e menor probabilidade de “churn” está fortemente associada à intensidade e à recorrência recente da atividade. Esse resultado é coerente com a literatura sobre “churn” em contextos não contratuais, que tende a destacar a centralidade de indicadores ligados à recência, à frequência e à intensidade comportamental (Fader et al., 2010).

No caso específico do iGaming, a relevância dessas variáveis sugere que o enfraquecimento do vínculo com a plataforma se torna observável sobretudo por meio da redução da atividade transacional nas janelas mais próximas da data de referência, em linha com a formulação do “churn” como problema de classificação em online gambling apresentada por Merchie e Ernst (2022). Ao mesmo tempo, a predominância de atributos muito recentes impõe uma ressalva importante: parte do desempenho pode decorrer do fato de que tais variáveis funcionam como marcadores bastante próximos do próprio evento de “churn”.

Isso fortalece a previsão de curto prazo, mas não elimina a necessidade de testes adicionais para avaliar generalização em horizontes mais distantes. Em termos gerenciais, isso significa que modelos preditivos podem ser particularmente úteis para identificar sinais precoces de afastamento, permitindo acionar usuários antes que a evasão se consolide. Entretanto, os achados sugerem utilidade maior para intervenções de curto prazo do que para decisões estratégicas de horizonte longo, já que a força das variáveis recentes tende a reduzir a distância entre detecção de enfraquecimento comportamental e materialização do “churn”.

Assim, embora os resultados sejam favoráveis à utilização de machine learning para antecipação do “churn”, eles devem ser compreendidos no recorte específico deste estudo, sem generalizações excessivas e sem presumir desempenho equivalente em outras janelas temporais ou em bases estruturadas de modo distinto. Em relação à interpretabilidade da Regressão Logística, os coeficientes do modelo representam a variação no logaritmo das chances de “churn” associada a cada variável, mantidas as demais constantes. Coeficientes positivos indicam associação com aumento das chances de “churn”, enquanto coeficientes negativos indicam associação com redução dessas chances.

A exponenciação do coeficiente fornece a razão de chances (“odds ratio”): valores acima de 1 indicam aumento das chances relativas e valores abaixo de 1 indicam redução. Entretanto, a versão consolidada da modelagem utilizada neste trabalho não preservou a tabela com os coeficientes individuais das variáveis. Por esse motivo, não são apresentados valores específicos que não estejam registrados nos resultados originais. A interpretação substantiva da Regressão Logística permanece, portanto, apoiada nas métricas de desempenho, no perfil de erros observado e na lógica comportamental das variáveis utilizadas na modelagem.

A escolha da Regressão Logística como modelo principal é defensável no contexto analisado. Embora o Random Forest tenha apresentado “recall” ligeiramente superior e “F1-score” praticamente equivalente, a Regressão Logística obteve resultados melhores em AUC-ROC, AUC-PR e “precision”, além de oferecer maior interpretabilidade. Esse padrão sugere que a introdução de maior complexidade algorítmica não produziu ganho proporcional nas métricas mais úteis para uma aplicação gerencial seletiva. Em termos práticos, a diferença entre os modelos equivale a privilegiar maior cobertura de “churns” reais, no caso do Random Forest, ou menor volume de acionamentos indevidos, no caso da Regressão Logística.

Em contexto empresarial, essa característica possui relevância concreta, pois facilita a comunicação com áreas de negócio, a auditabilidade do processo analítico e a incorporação do modelo em rotinas de decisão orientadas por marketing. Assim, a opção pelo modelo logístico não decorre apenas de preferência metodológica, mas de uma combinação entre desempenho competitivo, parcimônia analítica e maior transparência para uso aplicado. Essa abordagem permite que as equipes de marketing compreendam melhor os fatores que influenciam o “churn” e desenvolvam estratégias de retenção mais eficazes e direcionadas.

Como exercício ilustrativo de aplicação gerencial, considerou-se o conjunto associado à matriz de confusão da Regressão Logística, totalizando 196.525 instâncias. Com 165.244 casos classificados como positivos pelo modelo, obtidos pela soma entre verdadeiros positivos e falsos positivos, uma estratégia orientada pelo “score” reduziria em aproximadamente 16% o volume de acionamentos em comparação com o contato indiscriminado de toda a base. Admitindo-se, apenas para fins de simulação, um custo médio de R$ 5,00 por contato ou ação de retenção, o custo estimado passaria de R$ 982.625,00 para R$ 826.220,00.

Essa redução corresponde a uma economia potencial de R$ 156.405,00 por ciclo. Esse valor não representa ganho financeiro efetivamente observado pela empresa, pois a simulação não incorpora taxa de conversão das campanhas, valor do cliente, custo de incentivos ou retorno incremental das ações de retenção. Seu objetivo é demonstrar como a priorização baseada no risco de “churn” pode contribuir para uma alocação mais eficiente do orçamento de marketing. A capacidade de otimizar os recursos de marketing é um benefício significativo para as empresas do setor de iGaming.

Os resultados, portanto, indicam que a aplicação de técnicas de machine learning ao marketing analytics em iGaming é promissora para a antecipação do “churn” no horizonte de 30 dias adotado neste estudo. As evidências obtidas sugerem que variáveis comportamentais e transacionais recentes possuem forte capacidade de discriminar usuários com maior probabilidade de evasão e que diferentes algoritmos podem oferecer perfis distintos de utilidade gerencial. Nesse sentido, os achados reforçam a viabilidade do uso de modelos preditivos como suporte à segmentação, à priorização de usuários e ao planejamento de ações de retenção em ambientes não contratuais.

Em síntese, a predição de “churn” em iGaming pode gerar valor analítico e gerencial quando integrada a práticas de marketing analytics, especialmente em atividades de segmentação, priorização de usuários e planejamento de retenção. Entre os modelos avaliados, a Regressão Logística conservadora foi adotada como alternativa principal por reunir desempenho estatístico competitivo, melhor comportamento em AUC-ROC, AUC-PR e “precision” e maior interpretabilidade para uso aplicado, mantendo “accuracy” de 0,8980 mesmo em uma especificação mais prudente. O Random Forest, por sua vez, contribuiu como benchmark relevante, ampliou a compreensão do “trade-off” entre cobertura e seletividade e reforçou a importância das variáveis de atividade recente e frequência transacional para a leitura do risco de evasão. Considerados em conjunto, os resultados sustentam a viabilidade do uso de modelos preditivos no problema estudado, mas também indicam que sua adoção prática deve ser acompanhada de validação contínua, monitoramento de desempenho e revisão periódica da definição operacional de “churn”.

4. Conclusão

O presente trabalho objetivou desenvolver e avaliar modelos preditivos para estimar a probabilidade de churn de usuários em plataformas de iGaming, utilizando variáveis comportamentais e transacionais, com o intuito de apoiar decisões de marketing analytics na antecipação da evasão. Verificou-se que tanto a Regressão Logística quanto o Random Forest apresentaram desempenho preditivo elevado no cenário principal de churn, definido por 30 dias de inatividade. A Regressão Logística destacou-se como a alternativa principal, combinando alta acurácia de 0,8980, melhor desempenho em AUC-ROC e AUC-PR, e maior precisão, além de oferecer maior interpretabilidade para aplicação gerencial. Observou-se que o Random Forest obteve um recall ligeiramente superior e F1-score equivalente, mas com um custo maior em falsos positivos. Os achados indicaram que a capacidade de discriminar usuários com maior probabilidade de evasão está fortemente associada a atributos de atividade recente e frequência transacional, como dias ativos e quantidade de depósitos em janelas de 15 e 30 dias. A principal contribuição do estudo reside em demonstrar a viabilidade do uso de técnicas de machine learning para gerar valor analítico e gerencial em iGaming, subsidiando a segmentação, a priorização de usuários e o planejamento de ações de retenção de forma mais eficiente, com potencial de otimização de recursos de marketing.

Contudo, o estudo apresentou algumas limitações que merecem consideração. A definição operacional de churn adotada foi específica para o contexto analisado e dependente da janela temporal de 30 dias, o que pode não se generalizar para outros cenários. A predominância de variáveis muito recentes, embora útil para a previsão de curto prazo, pode não assegurar o mesmo nível de desempenho preditivo em horizontes mais longos ou em bases de dados com estruturas distintas. Além disso, a avaliação dos modelos foi realizada em um recorte temporal específico, sem validações adicionais em diferentes períodos ou com dados externos. Para estudos futuros, sugere-se a realização de testes com outros horizontes de inatividade e limiares de classificação, a implementação de estratégias adicionais de validação temporal, a calibração dos escores preditivos e a integração com métricas de valor do cliente e retorno das ações de retenção. Recomenda-se também ampliar a comparação entre algoritmos, incorporar novas variáveis comportamentais e promocionais, e investigar o desempenho dos modelos em diferentes contextos operacionais do setor, a fim de fortalecer a robustez analítica e a aplicabilidade prática dos resultados obtidos.

Referências Bibliográficas

Brasil. 2023. Lei nº 14.790, de 29 de dezembro de 2023. Dispõe sobre a modalidade lotérica denominada aposta de quota fixa, altera as Leis nº 5.768, de 20 de dezembro de 1971, nº 13.756, de 12 de dezembro de 2018, e n° 14.183, de 14 de julho de 2021, e dá outras providências. Brasília, DF: Presidência da República. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2023-2026/2023/lei/l14790.htm . Acesso em: 8 abr. 2026.

Brasil. Ministério da Fazenda. 2024. Regulamentação feita pela Secretaria de Prêmios e Apostas coloca Brasil em mercado regulado de apostas em 2025. Brasília, DF, 26 dez. 2024. Disponível em: https://www.gov.br/fazenda/pt-br/assuntos/noticias/2024/dezembro/regulamentacao-feita-pela-secretaria-de-premios-e-apostas-coloca-brasil-em-mercado-regulado-de-apostas-em-2025 . Acesso em: 8 abr. 2026.

Breiman, L. 2001. Random forests. Machine Learning, v. 45, n. 1, p. 5-32. DOI: 10.1023/A:1010933404324.

Erevelles, S.; Fukawa, N.; Swayne, L. 2016. Big data consumer analytics and the transformation of marketing. Journal of Business Research, v. 69, n. 2, p. 897-904. DOI: 10.1016/j.jbusres.2015.06.041.

Fader, P. S.; Hardie, B. G. S. 2007. How to project customer retention. Journal of Interactive Marketing, v. 21, n. 1, p. 76-90. DOI: 10.1002/dir.20074.

Gil, A. C. 2002. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas.

Jahromi, A. T.; Stakhovych, S.; Ewing, M. 2014. Managing B2B customer churn, retention and profitability. Industrial Marketing Management, v. 43, n. 7, p. 1258-1268. DOI: 10.1016/j.indmarman.2014.06.016.

James, G.; Witten, D.; Hastie, T.; Tibshirani, R. 2021. An introduction to statistical learning: with applications in R. 2. ed. New York: Springer. DOI: 10.1007/978-1-0716-1418-1.

Kaya, E.; Dong, X.; Pentland, A. S. 2018. Behavioral attributes and financial churn prediction. EPJ Data Science, v. 7, art. 41. DOI: 10.1140/epjds/s13688-018-0165-5.

Kumar, V.; Reinartz, W. 2018. Customer relationship management: concept, strategy, and tools. 3. ed. Berlin: Springer. DOI: 10.1007/978-3-662-55381-7.

Mena, G.; Coussement, K.; De Bock, K. W.; De Caigny, A.; Lessmann, S. 2024. Exploiting time-varying RFM measures for customer churn prediction with deep neural networks. Annals of Operations Research v. 339, p. 765-787. DOI: 10.1007/s10479-023-05259-9.

Merchie, F.; Ernst, D. 2022. Churn prediction in online gambling. Future Generation Computer Systems, v. 132, p. 108-123. DOI: 10.1016/j.future.2022.02.013.

Mitchell, T. M. 1997. Machine learning. ISBN 9780071154673. McGraw-Hill.

Prodanov, C. C.; Freitas, E. C. 2013. Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico. 2. ed. Novo Hamburgo: Feevale.

Roberts, D. R.; Bahn

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