SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Outros Autores: | |
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 |