Técnicas de data mining: análise ao cesto de compras e segmentação de clientes de um supermercado
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10362/112038 |
Resumo: | Project Work presented as the partial requirement for obtaining a Master's degree in Information Management, specialization in Marketing Intelligence |
id |
RCAP_3a27db3dd945acad16c32830f916ca2d |
---|---|
oai_identifier_str |
oai:run.unl.pt:10362/112038 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Técnicas de data mining: análise ao cesto de compras e segmentação de clientes de um supermercadoData miningRegras de associaçãoClusteringCesto de comprasSAS Enterprise MinerAplicações móveisProject Work presented as the partial requirement for obtaining a Master's degree in Information Management, specialization in Marketing IntelligenceUsers are more mobile and use mobile devices more than ever to access applications. This new reality has contributed to the growth and massive use of mobile applications. The exponential use of applications made many businesses invest in this tool, not only to sell their products, but also to guarantee greater proximity between the company and the consumer. The idea is to be present anytime, anywhere. This project used data mining techniques, such as association rules and clustering to discover types of clients, and their consumption habits in a supermarket mobile application. Two models were done, regarding the association rules. The first to find the associations between articles, and the second to identify the associations between departments. In the clustering analysis, two types of segmentation were performed. The first had the purpose of understanding the behavior of consumers, regarding their amount spent in various departments. The second was built in order to get to know the value of each type of customer to the company. The results of the associative models were used for the elaboration of a restructure plan for the supermarket corridors and aisles in the mobile app, while the results of the segmentation analysis were useful to redefine communication strategies towards customers. Other ideas and suggestions founded in new knowledge were reference in this project, so that the company may take better informed business decisions.Os utilizadores estão mais móveis, e utilizam cada vez mais dispositivos móveis para aceder a aplicações. Essa nova realidade contribuiu para o crescimento e uso massivo de aplicações móveis. O uso exponencial de aplicações levou a que muitos negócios investissem nessa ferramenta, não só para vender os seus produtos, mas também para garantir uma maior proximidade entre a empresa e os seus consumidores. A ideia é estar presente em qualquer altura e em qualquer lugar. O presente estudo utilizou técnicas de data mining, tais como, regras de associação e de clustering para descobrir os tipos de clientes e os hábitos de consumo dos consumidores de uma aplicação móvel de supermercado. Para o estudo das regras de associação, realizaram-se dois modelos. O primeiro serviu para descobrir as associações entre artigos, e o segundo para identificar as associações entre departamentos. Na análise de clustering, realizaram-se dois tipos distintos de segmentação. O primeiro foi realizado com o objetivo de compreender o comportamento dos clientes em termos de consumo, através da medição de quanto eles gastaram por departamento. O segundo foi construído com o objetivo de conhecer o valor dos clientes para a empresa. Os resultados das associações entre departamentos serviram para elaborar uma proposta de reordenação dos corredores e lineares da app, enquanto que os resultados da análise de segmentação foram úteis para redefinir algumas estratégias de comunicação. Outras ideias e recomendações fundamentadas em conhecimento adquirido foram referenciadas neste estudo, por forma a que a empresa possa tomar decisões de negócio mais fundamentadas.Jesus, Frederico Miguel Campos Cruz Ribeiro deRUNSantos, Ana Catarina Pereira Claudino2021-02-18T16:22:51Z2021-01-282021-01-28T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/112038TID:202642178porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-03-11T04:55:48Zoai:run.unl.pt:10362/112038Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:42:04.029219Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Técnicas de data mining: análise ao cesto de compras e segmentação de clientes de um supermercado |
title |
Técnicas de data mining: análise ao cesto de compras e segmentação de clientes de um supermercado |
spellingShingle |
Técnicas de data mining: análise ao cesto de compras e segmentação de clientes de um supermercado Santos, Ana Catarina Pereira Claudino Data mining Regras de associação Clustering Cesto de compras SAS Enterprise Miner Aplicações móveis |
title_short |
Técnicas de data mining: análise ao cesto de compras e segmentação de clientes de um supermercado |
title_full |
Técnicas de data mining: análise ao cesto de compras e segmentação de clientes de um supermercado |
title_fullStr |
Técnicas de data mining: análise ao cesto de compras e segmentação de clientes de um supermercado |
title_full_unstemmed |
Técnicas de data mining: análise ao cesto de compras e segmentação de clientes de um supermercado |
title_sort |
Técnicas de data mining: análise ao cesto de compras e segmentação de clientes de um supermercado |
author |
Santos, Ana Catarina Pereira Claudino |
author_facet |
Santos, Ana Catarina Pereira Claudino |
author_role |
author |
dc.contributor.none.fl_str_mv |
Jesus, Frederico Miguel Campos Cruz Ribeiro de RUN |
dc.contributor.author.fl_str_mv |
Santos, Ana Catarina Pereira Claudino |
dc.subject.por.fl_str_mv |
Data mining Regras de associação Clustering Cesto de compras SAS Enterprise Miner Aplicações móveis |
topic |
Data mining Regras de associação Clustering Cesto de compras SAS Enterprise Miner Aplicações móveis |
description |
Project Work presented as the partial requirement for obtaining a Master's degree in Information Management, specialization in Marketing Intelligence |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-02-18T16:22:51Z 2021-01-28 2021-01-28T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10362/112038 TID:202642178 |
url |
http://hdl.handle.net/10362/112038 |
identifier_str_mv |
TID:202642178 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799138032959356928 |