Lead Scoring - Previsão de Leads Quentes

Este projeto aplica técnicas de Ciência de Dados e Machine Learning para identificar leads com maior potencial de conversão para a empresa X Education, otimizando o esforço da equipe de vendas.

1. Visão Geral

A X Education comercializa cursos online para profissionais. O processo de aquisição de leads ocorre através de formulários no site, vídeos e indicações. Historicamente, a empresa possui uma taxa de conversão de leads em clientes pagantes de aproximadamente 30%.

Para tornar o processo de vendas mais eficiente, é necessário identificar os "Hot Leads" (Leads Quentes), permitindo que a equipe de vendas foque seus esforços nos contatos com maior probabilidade de sucesso.

2. Objetivos

• Desenvolver um modelo de propensão para atribuir um Lead Score (entre 0 e 100) a cada novo lead.
• Identificar as variáveis que mais influenciam a conversão.
• Auxiliar a empresa a atingir a meta estipulada pelo CEO de 80% de taxa de conversão através do direcionamento estratégico.

3. Base de Dados

O dataset utilizado é o Lead Scoring Dataset do Kaggle. Ele contém cerca de 9.000 registros com diversas características dos leads, tais como:

• Origem e Fonte: De onde o lead veio (Google, Chat, Referência, etc).
• Comportamento no Site: Tempo gasto no site, número de visitas e visualizações de página.
• Perfil Profissional: Ocupação atual e especialização.
• Target (Converted): Variável binária indicando se o lead foi convertido (1) ou não (0).

4. Metodologia

O desenvolvimento seguiu as seguintes etapas documentadas no lead-score.ipynb:

1. Amostragem dos dados:
   • Amostragem da base de treinamento e teste.
2. Análise Exploratória (EDA):
   • Identificação de padrões de conversão e correlações.
3. Tratamento de Dados:
   • Remoção de variáveis com alto índice de valores ausentes.
   • Exclusão de colunas que causariam data leakage (informações geradas após a criação do lead).
   • Imputação de dados nulos.
   • Codificação de dados categóricos.
4. Modelagem:
   • Comparação de desempenho dos modelos Regressão Logística, Random Forest e XGBoosting.
5. Explicabilidade:
   • Visualização da importância das variáveis utilizando SHAP.
6. Definição de politica de seleção de Leads:
   • Proposta de seleção de leads quentes com base no modelo xgboost e descrição das variáveis mais importantes para conversão.

5. Resultados e Performance

O modelo final utilizando XGBoost demonstrou alta capacidade preditiva e boa generalização entre treino e teste:

Métrica	Treino	Teste
ROC AUC	0.898	0.860
KS Score	0.640	0.585
Gini	0.797	0.721

Estratégia de Seleção

Para atender à meta de eficiência de 80%, o modelo recomenda um ponto de corte de 0.79 na probabilidade de conversão. Isso permite identificar um grupo de leads quentes (Hot Leads) onde a assertividade do time de vendas será máxima.

6. Insights de Negócio (SHAP Analysis)

Abaixo, os principais fatores que aumentam a chance de um lead se tornar um cliente:

• Engajamento: O tempo total gasto no site é o principal indicador. Leads que ultrapassam a marca de 10 minutos de navegação são altamente propensos à conversão.
• Perfil Profissional: "Working Professionals" (profissionais ativos no mercado) possuem uma taxa de conversão drasticamente superior a estudantes ou desempregados.
• Segmentação: Especializações nas áreas de Finanças, RH e Marketing demonstram maior fit com o produto atual.

7. Como Executar

Este projeto utiliza o gerenciador de pacotes uv para garantir a reprodutibilidade do ambiente.

Pré-requisitos

• Python (versão indicada no .python-version)
• uv instalado.

Instalação

1. Clone o repositório.
2. Sincronize o ambiente e instale as dependências:

uv sync

3. Execução do lead-score.ipynb para visualizar a análise e o treinamento do modelo