Loading...
Publication
Data-driven decision making in football clubs : understanding member churn at FC Porto
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.25 MB | Adobe PDF |
Advisor(s)
Abstract(s)
The football industry has become increasingly reliant on data to understand fan behavior and drive strategic decisions. In this context, member retention is a critical challenge for football clubs, as memberships represent a key source of revenue and long-term engagement. Although churn prediction models are established in sectors such as telecommunications, banking or retail, their application in the sports context remains insufficiently explored. This thesis investigates membership cancellations at Futebol Clube do Porto and develops predictive models to anticipate churn. By analyzing demographic, behavioral, and payment-related variables, the study applies machine learning techniques to identify members with a higher probability of leaving. This project is based on real data from six seasons. Using the CRISP-DM methodology and the application of machine learning models, namely Decision Tree, Random Forest, Logistic Regression and Neural Network, the objective is to identify the main variables that explain member churn. This research contributes to a deeper understanding on churn in sports organizations and supports data-driven decision-making in fan relationship management and offers practical insights that can underpin more effective, data-driven retention strategies.
O sector do futebol está cada vez mais dependente dos dados para compreender o comportamento dos adeptos e orientar as decisões estratégicas. Neste contexto, a retenção de sócios é um desafio crítico para os clubes de futebol, uma vez que os sócios representam uma fonte fundamental de receitas e de envolvimento a longo prazo. Embora os modelos de previsão do churn estejam estabelecidos em sectores como as telecomunicações, a banca ou o retalho, a sua aplicação no contexto desportivo continua a não ser suficientemente explorada. Esta tese investigaos cancelamentos de sócios no Futebol Clube do Porto e desenvolve modelos preditivos para antecipar o churn. Através da análise de variáveis demográficas, comportamentais e de pagamento, o estudo aplica técnicas de machine learning para identificar sócios com maior probabilidade de abandono. Este projeto baseia-se em dados reais de seis épocas. Foi utilizada a metodologia CRISP-DM e a aplicação de modelos, nomeadamente Decision Tree, Random Forest, Logistic Regression e Neural Network, o objetivo é identificar as principais variáveis que explicam a desistência dos sócios. Esta investigação contribui para uma compreensão mais aprofundada do churn nas organizações desportivas e apoia a tomada de decisões baseadas em dados na gestão da relação com os adeptos, oferecendo conhecimentos práticos que podem servir de base a estratégias de retenção mais eficazes e baseadas em dados.
O sector do futebol está cada vez mais dependente dos dados para compreender o comportamento dos adeptos e orientar as decisões estratégicas. Neste contexto, a retenção de sócios é um desafio crítico para os clubes de futebol, uma vez que os sócios representam uma fonte fundamental de receitas e de envolvimento a longo prazo. Embora os modelos de previsão do churn estejam estabelecidos em sectores como as telecomunicações, a banca ou o retalho, a sua aplicação no contexto desportivo continua a não ser suficientemente explorada. Esta tese investigaos cancelamentos de sócios no Futebol Clube do Porto e desenvolve modelos preditivos para antecipar o churn. Através da análise de variáveis demográficas, comportamentais e de pagamento, o estudo aplica técnicas de machine learning para identificar sócios com maior probabilidade de abandono. Este projeto baseia-se em dados reais de seis épocas. Foi utilizada a metodologia CRISP-DM e a aplicação de modelos, nomeadamente Decision Tree, Random Forest, Logistic Regression e Neural Network, o objetivo é identificar as principais variáveis que explicam a desistência dos sócios. Esta investigação contribui para uma compreensão mais aprofundada do churn nas organizações desportivas e apoia a tomada de decisões baseadas em dados na gestão da relação com os adeptos, oferecendo conhecimentos práticos que podem servir de base a estratégias de retenção mais eficazes e baseadas em dados.
Description
Keywords
Churn prediction Member retention Football clubs Machine learning Predictive analytics Business inteligence Fan engagement Previsão de churn Retenção de sócios Clubes de futebol Análise preditiva Business intelligence Envolvimentos dos adeptos
Pedagogical Context
Citation
Publisher
CC License
Without CC licence