Segmentação comportamental de clientes usando agrupamento automático de dados

• Autor(a) principal: Santos, Ronaldy Prates dos [UNIFESP]
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIFESP
• Texto Completo: https://repositorio.unifesp.br/handle/11600/69017
• topic: Segmentação de clientes; Marketing personalizado; Algoritmos de clusterização

Tendo em vista a crescente importância da análise de dados para a personalização de mar keting e a identificação de oportunidades de mercado, este trabalho investiga a aplicação de técnicas de aprendizado de máquina para a segmentação de clientes, visando aprimorar a eficácia das estratégias de marketing. A abordagem RFV (Recência, Frequência, Valor) é utilizada, permitindo traçar o perfil do consumidor com base em seu comportamento de compra. Os algoritmos K-means e DBSCAN são aplicados para o agrupamento dos cli entes. A eficácia desses dois algoritmos na tarefa de agrupamento é comparada em uma pesquisa empírica, que analisa dados de milhares de clientes de uma empresa de varejo online. Os resultados mostram que o algoritmo K-means superou o DBSCAN na tarefa de agrupamento para este estudo, sendo capaz de distinguir efetivamente entre os grupos de clientes, o que facilita a construção de estratégias personalizadas para cada agrupamento. Por outro lado, o algoritmo DBSCAN agrupou uma grande proporção dos clientes em um único cluster. Esses achados reforçam que a escolha do algoritmo apropriado é crucial para a eficácia da segmentação de clientes e, consequentemente, das estratégias de marketing. Além disso, as empresas podem utilizar essas descobertas para refinar suas estratégias de marketing, garantindo que as ofertas sejam direcionadas de maneira mais eficaz para os diferentes segmentos de clientes.