SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO

Detalhes bibliográficos
Autor(a) principal: Falqueto, Alice Ambrosim
Data de Publicação: 2022
Outros Autores: Cezar, Layon Carlos
Tipo de documento: Artigo
Idioma: por
Título da fonte: Holos
Texto Completo: http://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/12032
Resumo: O objetivo desse artigo é apresentar uma proposta de segmentação da base de consumidores do e-commerce de uma empresa multinacional do varejo esportivo, a partir da clusterização de dados via Machine Learning. Para isso, foi realizado um estudo quantitativo com dados de 526.686 clientes do e-commerce de uma empresa multinacional que atua no Brasil nesse setor. Os dados foram analisados pela análise de cluster, utilizando a metodologia proposta por Jain, Murty e Flynn (1999). A partir da segmentação atual, limitada ao valor gasto pelo cliente, a nova proposta de segmentação, construída a partir do algoritmo K-means considerou novas variáveis como o número de pedidos nos doze meses anteriores, e seus respectivos tempos de inatividade.  O uso desse algoritmo via Machine Learning se mostrou satisfatório, visto que foi possível obter três segmentos válidos que se diferenciavam da segmentação adotada atualmente.
id IFRN-3_35af602605c5c4e2cebc40718486cf2c
oai_identifier_str oai:holos.ifrn.edu.br:article/12032
network_acronym_str IFRN-3
network_name_str Holos
repository_id_str
spelling SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVOSegmentaçãoAprendizado de MáquinaClusterizaçãoE-commerceVarejoO objetivo desse artigo é apresentar uma proposta de segmentação da base de consumidores do e-commerce de uma empresa multinacional do varejo esportivo, a partir da clusterização de dados via Machine Learning. Para isso, foi realizado um estudo quantitativo com dados de 526.686 clientes do e-commerce de uma empresa multinacional que atua no Brasil nesse setor. Os dados foram analisados pela análise de cluster, utilizando a metodologia proposta por Jain, Murty e Flynn (1999). A partir da segmentação atual, limitada ao valor gasto pelo cliente, a nova proposta de segmentação, construída a partir do algoritmo K-means considerou novas variáveis como o número de pedidos nos doze meses anteriores, e seus respectivos tempos de inatividade.  O uso desse algoritmo via Machine Learning se mostrou satisfatório, visto que foi possível obter três segmentos válidos que se diferenciavam da segmentação adotada atualmente.Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte2022-12-28info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/1203210.15628/holos.2022.12032HOLOS; v. 4 (2022)1807-1600reponame:Holosinstname:Instituto Federal do Rio Grande do Norte (IFRN)instacron:IFRNporhttp://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/12032/3522Copyright (c) 2022 HOLOShttps://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessFalqueto, Alice AmbrosimCezar, Layon Carlos2023-04-06T23:38:13Zoai:holos.ifrn.edu.br:article/12032Revistahttp://www2.ifrn.edu.br/ojs/index.php/HOLOSPUBhttp://www2.ifrn.edu.br/ojs/index.php/HOLOS/oaiholos@ifrn.edu.br||jyp.leite@ifrn.edu.br||propi@ifrn.edu.br1807-16001518-1634opendoar:2023-04-06T23:38:13Holos - Instituto Federal do Rio Grande do Norte (IFRN)false
dc.title.none.fl_str_mv SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO
title SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO
spellingShingle SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO
Falqueto, Alice Ambrosim
Segmentação
Aprendizado de Máquina
Clusterização
E-commerce
Varejo
title_short SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO
title_full SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO
title_fullStr SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO
title_full_unstemmed SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO
title_sort SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO
author Falqueto, Alice Ambrosim
author_facet Falqueto, Alice Ambrosim
Cezar, Layon Carlos
author_role author
author2 Cezar, Layon Carlos
author2_role author
dc.contributor.author.fl_str_mv Falqueto, Alice Ambrosim
Cezar, Layon Carlos
dc.subject.por.fl_str_mv Segmentação
Aprendizado de Máquina
Clusterização
E-commerce
Varejo
topic Segmentação
Aprendizado de Máquina
Clusterização
E-commerce
Varejo
description O objetivo desse artigo é apresentar uma proposta de segmentação da base de consumidores do e-commerce de uma empresa multinacional do varejo esportivo, a partir da clusterização de dados via Machine Learning. Para isso, foi realizado um estudo quantitativo com dados de 526.686 clientes do e-commerce de uma empresa multinacional que atua no Brasil nesse setor. Os dados foram analisados pela análise de cluster, utilizando a metodologia proposta por Jain, Murty e Flynn (1999). A partir da segmentação atual, limitada ao valor gasto pelo cliente, a nova proposta de segmentação, construída a partir do algoritmo K-means considerou novas variáveis como o número de pedidos nos doze meses anteriores, e seus respectivos tempos de inatividade.  O uso desse algoritmo via Machine Learning se mostrou satisfatório, visto que foi possível obter três segmentos válidos que se diferenciavam da segmentação adotada atualmente.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-28
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/12032
10.15628/holos.2022.12032
url http://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/12032
identifier_str_mv 10.15628/holos.2022.12032
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/12032/3522
dc.rights.driver.fl_str_mv Copyright (c) 2022 HOLOS
https://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2022 HOLOS
https://creativecommons.org/licenses/by-nc-nd/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte
publisher.none.fl_str_mv Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte
dc.source.none.fl_str_mv HOLOS; v. 4 (2022)
1807-1600
reponame:Holos
instname:Instituto Federal do Rio Grande do Norte (IFRN)
instacron:IFRN
instname_str Instituto Federal do Rio Grande do Norte (IFRN)
instacron_str IFRN
institution IFRN
reponame_str Holos
collection Holos
repository.name.fl_str_mv Holos - Instituto Federal do Rio Grande do Norte (IFRN)
repository.mail.fl_str_mv holos@ifrn.edu.br||jyp.leite@ifrn.edu.br||propi@ifrn.edu.br
_version_ 1798951616089423872