Utilizando machine learning para identificar clientes trials que se tornarão pagantes em um SAAS

Detalhes bibliográficos
Autor(a) principal: Vicente, Igor Lemos
Data de Publicação: 2019
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFFS (Repositório Digital da UFFS)
Texto Completo: https://rd.uffs.edu.br/handle/prefix/3361
Resumo: Um sistema SaaS éum software oferecido como serviço tal que um usuário que o deseje utilizar precisa apenas de uma forma de acesso, normalmente via navegador web. Nesse modelo de entrega de software, os sistemas pagos normalmente possuem um período chamado de trial em que o usuário pode testar o sistema antes de comprá-lo. Este trabalho tem por objetivo identificar quais são os usuários em trial que se tornarão pagantes em um sistema SaaS. Para isso, os dados gerados pelo uso cliente no sistema são usados em 3 algoritmos de classificação: Support Vector Classifier, K Nearest Neighbours e Random Forest Classifier. Além dos dados gerados pelo usuário, novos dados estatísticos que são gerados na execução deste trabalho também se mostraram úteis na predição da assinatura do cliente. Nos testes realizados, o Random Forest Classifier obteve uma performance melhor na métrica F1-score. Ao final do trabalho, um modelo é criado para a utilização na empresa fornecedora dos dados.
id UFFS_bd2ff71cabaf0b2c97df42482abe1a12
oai_identifier_str oai:rd.uffs.edu.br:prefix/3361
network_acronym_str UFFS
network_name_str Repositório Institucional da UFFS (Repositório Digital da UFFS)
repository_id_str 3924
spelling Duarte, DenioVicente, Igor Lemos20192020-02-03T14:44:55Z20192020-02-03T14:44:55Z2019https://rd.uffs.edu.br/handle/prefix/3361Um sistema SaaS éum software oferecido como serviço tal que um usuário que o deseje utilizar precisa apenas de uma forma de acesso, normalmente via navegador web. Nesse modelo de entrega de software, os sistemas pagos normalmente possuem um período chamado de trial em que o usuário pode testar o sistema antes de comprá-lo. Este trabalho tem por objetivo identificar quais são os usuários em trial que se tornarão pagantes em um sistema SaaS. Para isso, os dados gerados pelo uso cliente no sistema são usados em 3 algoritmos de classificação: Support Vector Classifier, K Nearest Neighbours e Random Forest Classifier. Além dos dados gerados pelo usuário, novos dados estatísticos que são gerados na execução deste trabalho também se mostraram úteis na predição da assinatura do cliente. Nos testes realizados, o Random Forest Classifier obteve uma performance melhor na métrica F1-score. Ao final do trabalho, um modelo é criado para a utilização na empresa fornecedora dos dados.A SaaS system is a software delivered as a service in such a way that an user that wants to use it need only a way to access it, usually via a web browser. In this software delivery model, paid systems usually have an time range called trial in which an user can test the system before buying it. This issue has as a goal the identification of the users in trial who will become payers in a SaaS system. For that, the generated data by the customer’s system use are used in 3 classification algorithms: Support Vector Classifier, K Nearest Neighbours and Random Forest Classifier. Besides the user’s generated data, new statistical data generated in the execution of this issue showed to be useful on the customer’s subscription prediction. In the executed tests, Random Forest Classifier obtained better performance on the F1-score metric. In the end of the issue, a model is created to be used in the case company.Submitted by Suelen Spindola Bilhar (suelen.bilhar@uffs.edu.br) on 2019-12-20T18:00:10Z No. of bitstreams: 1 VICENTE.pdf: 3171937 bytes, checksum: ee2901f50b7f4b64d2f3f569ed6dd0cc (MD5)Approved for entry into archive by Franciele Scaglioni da Cruz (franciele.cruz@uffs.edu.br) on 2020-02-03T14:44:55Z (GMT) No. of bitstreams: 1 VICENTE.pdf: 3171937 bytes, checksum: ee2901f50b7f4b64d2f3f569ed6dd0cc (MD5)Made available in DSpace on 2020-02-03T14:44:55Z (GMT). No. of bitstreams: 1 VICENTE.pdf: 3171937 bytes, checksum: ee2901f50b7f4b64d2f3f569ed6dd0cc (MD5) Previous issue date: 2019porUniversidade Federal da Fronteira SulUFFSBrasilCampus ChapecóSoftwaresAprendizado computacionalCiência da computaçãoUtilizando machine learning para identificar clientes trials que se tornarão pagantes em um SAASinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFFS (Repositório Digital da UFFS)instname:Universidade Federal Fronteira do Sul (UFFS)instacron:UFFSLICENSElicense.txtlicense.txttext/plain; charset=utf-81866https://rd.uffs.edu.br:8443/bitstream/prefix/3361/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD52ORIGINALVICENTE.pdfVICENTE.pdfapplication/pdf3171937https://rd.uffs.edu.br:8443/bitstream/prefix/3361/1/VICENTE.pdfee2901f50b7f4b64d2f3f569ed6dd0ccMD51prefix/33612020-02-03 12:44:55.522oai:rd.uffs.edu.br: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ório InstitucionalPUBhttps://rd.uffs.edu.br/oai/requestopendoar:39242020-02-03T14:44:55Repositório Institucional da UFFS (Repositório Digital da UFFS) - Universidade Federal Fronteira do Sul (UFFS)false
dc.title.pt_BR.fl_str_mv Utilizando machine learning para identificar clientes trials que se tornarão pagantes em um SAAS
title Utilizando machine learning para identificar clientes trials que se tornarão pagantes em um SAAS
spellingShingle Utilizando machine learning para identificar clientes trials que se tornarão pagantes em um SAAS
Vicente, Igor Lemos
Softwares
Aprendizado computacional
Ciência da computação
title_short Utilizando machine learning para identificar clientes trials que se tornarão pagantes em um SAAS
title_full Utilizando machine learning para identificar clientes trials que se tornarão pagantes em um SAAS
title_fullStr Utilizando machine learning para identificar clientes trials que se tornarão pagantes em um SAAS
title_full_unstemmed Utilizando machine learning para identificar clientes trials que se tornarão pagantes em um SAAS
title_sort Utilizando machine learning para identificar clientes trials que se tornarão pagantes em um SAAS
author Vicente, Igor Lemos
author_facet Vicente, Igor Lemos
author_role author
dc.contributor.advisor1.fl_str_mv Duarte, Denio
dc.contributor.author.fl_str_mv Vicente, Igor Lemos
contributor_str_mv Duarte, Denio
dc.subject.por.fl_str_mv Softwares
Aprendizado computacional
Ciência da computação
topic Softwares
Aprendizado computacional
Ciência da computação
description Um sistema SaaS éum software oferecido como serviço tal que um usuário que o deseje utilizar precisa apenas de uma forma de acesso, normalmente via navegador web. Nesse modelo de entrega de software, os sistemas pagos normalmente possuem um período chamado de trial em que o usuário pode testar o sistema antes de comprá-lo. Este trabalho tem por objetivo identificar quais são os usuários em trial que se tornarão pagantes em um sistema SaaS. Para isso, os dados gerados pelo uso cliente no sistema são usados em 3 algoritmos de classificação: Support Vector Classifier, K Nearest Neighbours e Random Forest Classifier. Além dos dados gerados pelo usuário, novos dados estatísticos que são gerados na execução deste trabalho também se mostraram úteis na predição da assinatura do cliente. Nos testes realizados, o Random Forest Classifier obteve uma performance melhor na métrica F1-score. Ao final do trabalho, um modelo é criado para a utilização na empresa fornecedora dos dados.
publishDate 2019
dc.date.none.fl_str_mv 2019
dc.date.available.fl_str_mv 2019
2020-02-03T14:44:55Z
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2020-02-03T14:44:55Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://rd.uffs.edu.br/handle/prefix/3361
url https://rd.uffs.edu.br/handle/prefix/3361
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.publisher.none.fl_str_mv Universidade Federal da Fronteira Sul
dc.publisher.initials.fl_str_mv UFFS
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Campus Chapecó
publisher.none.fl_str_mv Universidade Federal da Fronteira Sul
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFFS (Repositório Digital da UFFS)
instname:Universidade Federal Fronteira do Sul (UFFS)
instacron:UFFS
instname_str Universidade Federal Fronteira do Sul (UFFS)
instacron_str UFFS
institution UFFS
reponame_str Repositório Institucional da UFFS (Repositório Digital da UFFS)
collection Repositório Institucional da UFFS (Repositório Digital da UFFS)
bitstream.url.fl_str_mv https://rd.uffs.edu.br:8443/bitstream/prefix/3361/2/license.txt
https://rd.uffs.edu.br:8443/bitstream/prefix/3361/1/VICENTE.pdf
bitstream.checksum.fl_str_mv 43cd690d6a359e86c1fe3d5b7cba0c9b
ee2901f50b7f4b64d2f3f569ed6dd0cc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFFS (Repositório Digital da UFFS) - Universidade Federal Fronteira do Sul (UFFS)
repository.mail.fl_str_mv
_version_ 1809094616373264384

Registros relacionados