Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/handle/123456789/237237 |
Resumo: | TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Produção |
id |
UFSC_a9f3fa93a69acb290d6d7792ffa2e02c |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/237237 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionaisclusterizaçãosegmentação de clientesRFVk-meansk-medoidsTCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de ProduçãoEste trabalho desenvolve uma estratégia de segmentação baseada no comportamento de compra de clientes de um e-commerce do Brasil. Através da análise de dados, este trabalho busca fornecer embasamento ao direcionamento de esforços comerciais específicos para determinados segmentos de cliente. A abordagem utilizada faz uso do conceito de frequência,recência e valor, comumente chamado de RFV, aliada a uma posterior clusterização dos dados. Após a clusterização, os agrupamentos gerados serão interpretados quanto às suas características de recência, frequência e valor para profundo entendimento acerca dos atributos de cada \textit{cluster}. O fluxo de trabalho é baseado no conceito de epiciclo de análise de dados. Assim, a análise contempla as etapas de definição da pergunta de pesquisa, análise exploratória dos dados, construção de modelos formais, interpretação dos resultados e comunicação dos resultados. A partir da tabela de pedidos por cliente, gerou-se as métricas RFV para cada cliente único. As métricas foram então submetidas a um processo de clusterização que utilizou os dois principais métodos particionais: k-means e k-medoids. Os métodos particionais foram escolhidos devido à escalabilidade dos algoritmos aliada à interpretabilidade do resultado. Através do método do cotovelo, definiu-se cinco \textit{clusters} como parâmetros aceitáveis para os modelos. Em ambos os métodos foi possível identificar grupos equivalentes de clientes: clientes ativos de baixo valor e baixa frequência, clientes inativos de baixo valor e baixa frequência, clientes recorrentes, clientes assíduos e clientes de alto valor.Florianópolis, SCMaldonado, Mauricio UrionaUniversidade Federal de Santa CatarinaFortunato, Luís Eduardo2022-07-28T11:41:52Z2022-07-28T11:41:52Z2022-07-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://repositorio.ufsc.br/handle/123456789/237237info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2022-07-28T11:41:52Zoai:repositorio.ufsc.br:123456789/237237Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732022-07-28T11:41:52Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.none.fl_str_mv |
Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionais |
title |
Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionais |
spellingShingle |
Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionais Fortunato, Luís Eduardo clusterização segmentação de clientes RFV k-means k-medoids |
title_short |
Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionais |
title_full |
Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionais |
title_fullStr |
Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionais |
title_full_unstemmed |
Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionais |
title_sort |
Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionais |
author |
Fortunato, Luís Eduardo |
author_facet |
Fortunato, Luís Eduardo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Maldonado, Mauricio Uriona Universidade Federal de Santa Catarina |
dc.contributor.author.fl_str_mv |
Fortunato, Luís Eduardo |
dc.subject.por.fl_str_mv |
clusterização segmentação de clientes RFV k-means k-medoids |
topic |
clusterização segmentação de clientes RFV k-means k-medoids |
description |
TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Produção |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-07-28T11:41:52Z 2022-07-28T11:41:52Z 2022-07-19 |
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/123456789/237237 |
url |
https://repositorio.ufsc.br/handle/123456789/237237 |
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.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 |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1808652052429012992 |