PREVENDO A TAXA DE CONVERSÃO DE LEADS NO SETOR DA EDUCAÇÃO COM TÉCNICAS DE APRENDIZAGEM DE MÁQUINA

A crise provocada pela COVID-19 acelerou processos de mudanças na economia global, levando a alterações nas empresas em estruturas, modelo de negócios e rotinas. Particularmente, Pequenas e Medias Empresas (PMEs) têm enfrentado desafios de encontrar caminhos para a jornada de transformação digital e adaptação na era da indústria 4.0, o que as leva a precisar de apoio para integrar suas transformações. O objetivo do trabalho é prever a probabilidade de conversão de leads usando Aprendizagem de Máquina (ML) com o propósito de melhorar o processo das oportunidades de fechamento de matrículas nas PMEs do setor da educação. O trabalho tem fundamentação no Modelo de Transformação Digital para as PMEs (MTD_PMEs), abordagem específica na tecnologia ML e Knowledge Discovery in Database (KDD). A metodologia envolve uma sequência de três etapas do processo de KDD_AZ. Os dados foram coletados de um polo de uma universidade do sul do Brasil. Resultados indicam que os 8 atributos utilizados são significativos para prever a conversão de leads. A técnica de ML, Regressão Logística chegou a uma precisão bruta de 100%, contribuindo assim para o aumento da taxa de conversão, ganho de tempo das equipes e filtragem de leads “improváveis”, e ainda ajuda o marketing a melhorar sua mira para trazer leads qualificados/quentes