UMA ANÁLISE SOBRE PERFIS DE CLIENTES IDEAIS BASEADO EM APRENDIZADO DE MÁQUINA: DESEMPENHO, INTERPRETABILIDADE E EQUIDADE EM ESTRATÉGIAS DE MARKETING NO SETOR BANCÁRIO (2025)

Abstract

A análise de perfis de clientes por meio de técnicas de Aprendizado de Máquina tem se mostrado uma estratégia eficaz para o direcionamento de campanhas de Marketing, especialmente no setor bancário. A partir de dados históricos, algoritmos de classificação supervisionada, como Regressão Logística e Florestas Aleatórias, permitem identificar clientes com maior propensão à contratação de produtos e serviços financeiros. Além da capacidade preditiva, destaca-se a importância da interpretabilidade dos modelos, especialmente no contexto empresarial, onde é essencial compreender quais características influenciam diretamente a classificação de um cliente como alvo potencial. Nesse sentido, o método SHAP (SHapley Additive exPlanations) é empregado para quantificar a contribuição de cada atributo individual na predição, fornecendo transparência e explicabilidade ao processo decisório. Complementarmente, são analisadas possíveis disparidades no desempenho e nos critérios de classificação entre diferentes grupos sensíveis, como gênero e raça, com o objetivo de promover maior equidade algorítmica. A abordagem alia rigor técnico e sensibilidade ética, integrando predição, explicabilidade e justiça no uso de inteligência artificial aplicada ao Marketing bancário.