| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 510.91 KB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
This paper explores the aspects of determining the Best Time to Call (BTC) strategy in the telecommunications industry, focusing on a case study of NOS SGPS. In today’s customer environment, knowing the time to reach out to customers plays a crucial role in business success. The study uses a dataset to uncover how scheduling calls strategically impact customer response rates. By utilizing advanced machine learning techniques such as Decision Trees, Gradient Boosting, Random Forest, and AdaBoost, the research provides an in-depth analysis of how customers respond to call attempts. These models were carefully utilized to analyze the data and identify key factors that influence call outcomes. The heart of the analysis revolves around comparing the BTC strategy with a randomized approach to determine the effectiveness of timing. The results highlight the advantages of using the BTC strategy in boosting customer engagement and streamlining processes. Maintaining standards was a priority throughout this study with strict adherence to data privacy regulations to uphold research integrity. This thesis not only adds to the academic discussion regarding customer engagement strategies but also provides valuable suggestions for NOS SGPS highlighting the wider impact on the telecommunications sector. To sum up, this thesis presents an examination of the principles and practices of call timing, combining knowledge with actionable advice and results.
Esta tese explora os aspetos da determinação da estratégia Best Time to Call (BTC) no setor das telecomunicações, centrando-se num caso de estudo da NOS SGPS. No atual ambiente industrial, saber qual o momento certo para contactar os clientes desempenha um papel crucial no sucesso do negócio. Este estudo utiliza um conjunto de dados para descobrir como o agendamento de chamadas tem um impacto estratégico nas taxas de resposta dos clientes. Utilizando técnicas avançadas de machine learning, como Decision Trees, Gradient Boosting, Random Forest e AdaBoost, a investigação fornece uma análise aprofundada da forma como os clientes respondem às tentativas de chamada. Estes modelos foram cuidadosamente utilizados para analisar os dados e identificar os principais fatores que influenciam os resultados das chamadas. O cerne da análise gira em torno da comparação da estratégia BTC com uma abordagem aleatória para determinar a eficácia da BTC. Os resultados destacam as vantagens da utilização da estratégia BTC para aumentar o envolvimento dos clientes e simplificar os processos. A manutenção de padrões foi uma prioridade ao longo deste estudo, com uma adesão rigorosa aos regulamentos de privacidade de dados para manter a integridade da investigação. Esta tese não só contribui para a discussão académica sobre estratégias de envolvimento do cliente, como também fornece sugestões valiosas para a NOS SGPS, destacando o impacto mais amplo no sector das telecomunicações. Em suma, esta tese apresenta uma análise dos princípios e praticas do call timing, combinando conhecimento com conselhos e resultados accionáveis.
Esta tese explora os aspetos da determinação da estratégia Best Time to Call (BTC) no setor das telecomunicações, centrando-se num caso de estudo da NOS SGPS. No atual ambiente industrial, saber qual o momento certo para contactar os clientes desempenha um papel crucial no sucesso do negócio. Este estudo utiliza um conjunto de dados para descobrir como o agendamento de chamadas tem um impacto estratégico nas taxas de resposta dos clientes. Utilizando técnicas avançadas de machine learning, como Decision Trees, Gradient Boosting, Random Forest e AdaBoost, a investigação fornece uma análise aprofundada da forma como os clientes respondem às tentativas de chamada. Estes modelos foram cuidadosamente utilizados para analisar os dados e identificar os principais fatores que influenciam os resultados das chamadas. O cerne da análise gira em torno da comparação da estratégia BTC com uma abordagem aleatória para determinar a eficácia da BTC. Os resultados destacam as vantagens da utilização da estratégia BTC para aumentar o envolvimento dos clientes e simplificar os processos. A manutenção de padrões foi uma prioridade ao longo deste estudo, com uma adesão rigorosa aos regulamentos de privacidade de dados para manter a integridade da investigação. Esta tese não só contribui para a discussão académica sobre estratégias de envolvimento do cliente, como também fornece sugestões valiosas para a NOS SGPS, destacando o impacto mais amplo no sector das telecomunicações. Em suma, esta tese apresenta uma análise dos princípios e praticas do call timing, combinando conhecimento com conselhos e resultados accionáveis.
Description
Keywords
Telecommunications Machine learning Pick-up rate Telecomunicações Taxa de atendimento