
Alaf Victor MartinsAnalista de Dados | SQL Athena | Python | Big Data | MetaBase | Grafana | Alertas | Dashboards | Visualização de Dados | KPIs | Pandas · Análise de Dados
Identificação
Identificar o usuário zumbi, aquele que só pega o bônus e some, é um problema de dados antes de ser um problema de negócio. Uma matriz de risco eficiente combina sinais como a razão entre benefício recebido e valor gerado, o engajamento depois do bônus, o tempo entre benefício e resgate, a idade da conta e o compartilhamento de dispositivo, IP ou meio de pagamento entre contas. Cada sinal vira um score ponderado, os usuários são segmentados por faixa de risco e essa segmentação alimenta direto as regras de elegibilidade do CRM e os alertas da área de Fraude. O ganho real vem quando o modelo é revisado com o resultado das campanhas, fechando o ciclo entre quem recebe o bônus e quem de fato devolve valor.