Segmentação de clientes de um e-commerce brasileiro utilizando RFV e métodos de clusterização particionais

Detalhes bibliográficos
Autor(a) principal: Fortunato, Luís Eduardo
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

Registros relacionados