Aprendizado de máquina aplicado para a predição dos prospects mais propensos à compra

Detalhes bibliográficos
Autor(a) principal: Souza, Gabriel Monteiro de
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/197737
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação.
id UFSC_39f9b1233a21d479eb01f1d4230c4843
oai_identifier_str oai:repositorio.ufsc.br:123456789/197737
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaSouza, Gabriel Monteiro deHubner, Jomi Fred2019-07-16T17:28:36Z2019-07-16T17:28:36Z2018https://repositorio.ufsc.br/handle/123456789/197737TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação.A Flex trabalha, principalmente, com vendas através do telefone. A empresa recebe de um cliente uma lista que contém dados de potenciais compradores, chamados de prospects ou leads. Há uma área chamada Command Post na qual há um analista que, de acordo com os dados históricos, classifica e cria regras para definir os perfis mais propensos a comprar. Assim, é priorizado o contato com essas pessoas, as quais podem ser encaminhadas para os melhores vendedores, aumentando a chance de venda. Uma dificuldade é que para um ser humano é complexo associar diversas variáveis, fazendo com que haja uma generalização exagerada e sejam realizadas algumas classificações enviesadas. A abordagem do projeto consistiu em utilizar aprendizado de máquina para analisar os dados históricos e classificar os prospects com a sua propensão à compra, pois como o algoritmo associa diversas variáveis a classificação seria melhor e mais eficiente. Foram realizados testes com diversos algoritmos, porém, apesar de possuírem uma performance melhor que a de uma pessoa, ainda há diversos casos que não são identificados corretamente pelo algoritmo.Flex is mostly a phone-sales company. The company's clients sends over a list with potential buyers (also called prospects or leads) and some information about them. There's a department in the company called Command Post, in which an analyst classifies and creates rules defining the profiles that are more likely to buy according to their buying records. Therefore, the contact with these leads is prioritized. Also, these people are assigned to the best salesmen, increasing the sale chance. However, it is difficult for a human being to associate many variables, so there can be an exaggerated generalization and some of the clients' classifications can be misplaced. The project's approach consisted in using a machine learning technique to analyze historical data and more efficiently classificate prospects according to their buying probability, since the algorithm is capable of associating numerous variables. Many algorithms were tested and their performances were better than a person's, but there are still many cases that are not correctly identified by the algorithm.Florianópolis, SC.Predição de compradores. Aprendizado de Máquina. Vendas.Predictive Lead Scoring. Machine Learning. Sales.Aprendizado de máquina aplicado para a predição dos prospects mais propensos à comprainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCLICENSElicense.txtlicense.txttext/plain; charset=utf-81383https://repositorio.ufsc.br/bitstream/123456789/197737/2/license.txt11ee89cd31d893362820eab7c4d46734MD52ORIGINALPFC - Gabriel Monteiro de Souza - 2018_1.pdfPFC - Gabriel Monteiro de Souza - 2018_1.pdfapplication/pdf872771https://repositorio.ufsc.br/bitstream/123456789/197737/1/PFC%20-%20Gabriel%20Monteiro%20de%20Souza%20-%202018_1.pdf72d6fe22a959844f3f19fa0cb4114cbfMD51123456789/1977372019-07-16 14:28:36.999oai:repositorio.ufsc.br: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ório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732019-07-16T17:28:36Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Aprendizado de máquina aplicado para a predição dos prospects mais propensos à compra
title Aprendizado de máquina aplicado para a predição dos prospects mais propensos à compra
spellingShingle Aprendizado de máquina aplicado para a predição dos prospects mais propensos à compra
Souza, Gabriel Monteiro de
Predição de compradores. Aprendizado de Máquina. Vendas.
Predictive Lead Scoring. Machine Learning. Sales.
title_short Aprendizado de máquina aplicado para a predição dos prospects mais propensos à compra
title_full Aprendizado de máquina aplicado para a predição dos prospects mais propensos à compra
title_fullStr Aprendizado de máquina aplicado para a predição dos prospects mais propensos à compra
title_full_unstemmed Aprendizado de máquina aplicado para a predição dos prospects mais propensos à compra
title_sort Aprendizado de máquina aplicado para a predição dos prospects mais propensos à compra
author Souza, Gabriel Monteiro de
author_facet Souza, Gabriel Monteiro de
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Souza, Gabriel Monteiro de
dc.contributor.advisor1.fl_str_mv Hubner, Jomi Fred
contributor_str_mv Hubner, Jomi Fred
dc.subject.por.fl_str_mv Predição de compradores. Aprendizado de Máquina. Vendas.
Predictive Lead Scoring. Machine Learning. Sales.
topic Predição de compradores. Aprendizado de Máquina. Vendas.
Predictive Lead Scoring. Machine Learning. Sales.
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação.
publishDate 2018
dc.date.issued.fl_str_mv 2018
dc.date.accessioned.fl_str_mv 2019-07-16T17:28:36Z
dc.date.available.fl_str_mv 2019-07-16T17:28:36Z
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://repositorio.ufsc.br/handle/123456789/197737
url https://repositorio.ufsc.br/handle/123456789/197737
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 Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/197737/2/license.txt
https://repositorio.ufsc.br/bitstream/123456789/197737/1/PFC%20-%20Gabriel%20Monteiro%20de%20Souza%20-%202018_1.pdf
bitstream.checksum.fl_str_mv 11ee89cd31d893362820eab7c4d46734
72d6fe22a959844f3f19fa0cb4114cbf
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805435100168192

Registros relacionados