Publicação
Modelling credit card customer behaviour
| dc.contributor.advisor | Costa, Ana Cristina Marinho da | |
| dc.contributor.author | Pereira, Sara Barradas | |
| dc.date.accessioned | 2019-06-11T17:58:30Z | |
| dc.date.available | 2019-06-11T17:58:30Z | |
| dc.date.issued | 2019-05-29 | |
| dc.description | Work Project presented as a partial requirement for Degree of Master of Statistics and Information Management, with a specialization in Information Analysis and Management | pt_PT |
| dc.description.abstract | Credit cards have great influence over consumers’ daily lives, mainly because they provide functionalities that other financial products do not. Studies have been performed in order to research over which are the best clients. To put it in other words, which clients spend more money with credit cards. The aim of this study is to understand the behavior of a credit card consumer depending on whether they do or not many payment transactions with a huge amount of money. With this objective a logistic regression model was investigated, based on many potential explanatory variables (sociodemographic variables, customer profile in the company and customer profile in Banco de Portugal). Several diagnosis tests and goodness of fit tools were used to select the final model, which allows to forecast the client type behavior based on 10 variables. Results show that clients who live in Central North and Central region of Portugal, who have Plafond between 1500 and 9000 euros, who are homemaker or student, who receive cashback and who have seniority in the company between 32 and 84 days ago are the best clients for our case study. We expect that with the proposed model, the company1 will know how to appropriately manage each specific client and its needs. | pt_PT |
| dc.description.abstract | Os cartões de crédito têm uma grande influência no dia-a-dia dos consumidores, principalmente porque fornecem benefícios que outros produtos financeiros não oferecem. Alguns estudos foram realizados com o objetivo de pesquisar quais são os melhores clientes. Por outras palavras, quais são os clientes que gastam mais dinheiro com a utilização do cartão de crédito. O objetivo deste estudo é entender o comportamento de um consumidor de cartão de crédito, dependendo se ele faz ou não muitos pagamentos de transações e se os mesmos são de elevado valor. Com este objetivo, foi proposto um modelo de Regressão Logística com base em potenciais variáveis explicativas (como por exemplo variáveis sociodemográficas, perfil do cliente na empresa2 e perfil do cliente no Banco de Portugal). Diversos testes de diagnóstico e ferramentas de “goodness of fit” foram utilizados para selecionar o modelo final, o que permitiu prever o comportamento do tipo de cliente com base em 10 variáveis. Os resultados mostram que os clientes que vivem na região Centro Norte e Centro de Portugal, que têm Plafond entre 1500 e 9000 euros, que são donas de casa ou estudantes, que recebem cashback e que têm uma antiguidade na empresa entre 32 e 84 dias são os melhores clientes para o nosso caso estudo. Esperamos que, com o modelo proposto, a empresa saiba como acompanhar adequadamente cada cliente e as suas necessidades. | pt_PT |
| dc.identifier.tid | 202253848 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10362/72311 | |
| dc.language.iso | eng | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | pt_PT |
| dc.subject | Customer behaviour | pt_PT |
| dc.subject | Credit card | pt_PT |
| dc.subject | Payment transactions | pt_PT |
| dc.subject | Descriptive statistics | pt_PT |
| dc.subject | Logistic regression | pt_PT |
| dc.subject | Comportamento do cliente | pt_PT |
| dc.subject | Cartão de crédito | pt_PT |
| dc.subject | Pagamentos de transações | pt_PT |
| dc.subject | Estatística descritiva | pt_PT |
| dc.subject | Estatística descritiva | pt_PT |
| dc.subject | Regressão logística | pt_PT |
| dc.title | Modelling credit card customer behaviour | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Estatística e Gestão de Informação, especialização em Análise e Gestão de Informação | pt_PT |