Aprendizado de máquina aplicado para a predição dos prospects mais propensos à compra
Autor(a) principal: | |
---|---|
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 |