SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO

Autores

DOI:

https://doi.org/10.15628/holos.2022.12032

Palavras-chave:

Segmentação, Aprendizado de Máquina, Clusterização, E-commerce, Varejo

Resumo

O objetivo desse artigo é apresentar uma proposta de segmentação da base de consumidores do e-commerce de uma empresa multinacional do varejo esportivo, a partir da clusterização de dados via Machine Learning. Para isso, foi realizado um estudo quantitativo com dados de 526.686 clientes do e-commerce de uma empresa multinacional que atua no Brasil nesse setor. Os dados foram analisados pela análise de cluster, utilizando a metodologia proposta por Jain, Murty e Flynn (1999). A partir da segmentação atual, limitada ao valor gasto pelo cliente, a nova proposta de segmentação, construída a partir do algoritmo K-means considerou novas variáveis como o número de pedidos nos doze meses anteriores, e seus respectivos tempos de inatividade.  O uso desse algoritmo via Machine Learning se mostrou satisfatório, visto que foi possível obter três segmentos válidos que se diferenciavam da segmentação adotada atualmente.

Downloads

Não há dados estatísticos.

Biografia do Autor

Alice Ambrosim Falqueto, Departamento de Engenharia de Produção e Mecânica (DEP). Universidade Federal de Viçosa.

Graduanda em Engenharia de Produção. Universidade Federal de Viçosa.

Layon Carlos Cezar, Universidade Federal de Viçosa

Doutor em Administração pela Universidade Federal do Espírito Santo. Professor do Departamento de Administração e Contabilidade (DAD). Universidade Federal de Viçosa (UFV)

Referências

Ali, M. (2020). How to implement Clustering in Power BI using PyCaret. Acesso em 17 de Outubro de 2020, disponível em Towards Data Science: https://towardsdatascience.com/how-to-implement-clustering-in-power-bi-using-pycaret-4b5e34b1405b

Anitha, P., & Patil, M. P. (2019). RFM model for customer purchase behavior using K-Means algorithm. Journal of King Saud University - Computer and Information Sciences.

Dogan, O., Ayçin, E., & Bulut, Z. A. (2018). Customer Segmentation by Using RFM Model and Clustering Methods: A Case Study in Retail Industry. International Journal of Contemporary Economics and Administrative Sciences, 8(1), 1-19.

Hooley, G., Piercy, N. F., & Nicoulaud, B. (2011). Estratégia de marketing e posicionamento competitivo (4ª ed.). (L. Pauleti, & S. Midori, Trads.) São Paulo: Pearson Prentice Hall.

Jain, A. K., Murty, M. N., & Flynn, P. J. (1999). Data clustering: a review. ACM Comput. Surv., 31(3), 264-323. DOI: https://doi.org/10.1145/331499.331504

Kaur, H., & Anand, S. (2018). Segmenting Generation Y using the Big Five personality traits: understanding differences in fashion consciousness, status consumption and materialism. Young Consumers, 19(4), 382-401. DOI: https://doi.org/10.1108/YC-03-2018-00788

Lima, B. V., Machado, V. P., & Lopes, L. A. (2015). Aprendizado de Máquina para Rotulação Automática de Usuários de uma Rede Social Acadêmica. Revista Eletrônica de Sistemas de Informação, 14(1), 1-18. DOI: https://doi.org/10.21529/RESI.2015.1401004

Luz, V. V. (2020). Comportamento do consumidor na era digital (1ª ed.). Curitiba: Contentus.

Madeira, A. B., Silveira, J. G., & Toledo, L. A. (2015). Marketing Segmentation: Your Role For Diversity in Dynamical Systems. Revista Eletrônica de Gestão Organizaciona, 13(1), 71-78.

Malhotra, N. K. (2012). Pesquisa de marketing: uma orientação aplicada (6 ed.). Porto Alegre: Bookman.

Monard, M. C., & Baranauskas, J. A. (2005). Conceitos sobre Aprendizado de Máquina. Em S. O. Rezende, Sistemas Inteligente: Fundamentos e Aplicações (1ª ed., pp. 39-56). Barueri: Manole.

Oliveira, T. S. (2008). Clusterização de dados utilizando técnicas de redes complexas e computação bioinspirada. Dissertação (Mestrado em Ciências de Computação e Matemática Computacional) - Universidade de São Paulo, São Carlos.

Samuel, J. (2017). Information Token Driven Machine Learning for Eletronic Markets: Performance Effects in Behavioral Financial Big Data Analytics. Journal of Information Systems and Technology Management, 14(3), 371-383. DOI: https://doi.org/10.4301/S1807-17752017000300005

Souza, L. F., & Freitas, A. F. (2016). Revisão da Produção Científica Brasileira em Segmentação de Mercado. Revista de Ciências da Administração, 18(45), 96-108. DOI: https://doi.org/10.5007/2175-8077.2016v18n45p96

Sports Value. (2018). A competição global das marcas de material esportivo. Sports Value. Acesso em 20 de Novembro de 2020, disponível em https://www.sportsvalue.com.br/wp-content/uploads/2018/08/SportsValue-Empresas-de-material-esporitvo-2018-1.pdf

Turban, E., & King, D. (2004). Comércio Eletrônico: Estratégia e Gestão (1ª ed.). (A. S. Marques, Trad.) São Paulo: Prentice Hall.

Downloads

Publicado

28/12/2022

Como Citar

Falqueto, A. A., & Cezar, L. C. (2022). SEGMENTAÇÃO VIA MACHINE LEARNING: PROPOSTA DE CLUSTERIZAÇÃO DE CONSUMIDORES DO E-COMMERCE DE UMA EMPRESA MULTINACIONAL DO VAREJO ESPORTIVO. HOLOS, 4. https://doi.org/10.15628/holos.2022.12032

Edição

v. 4 (2022)

Seção

ARTIGOS

Licença

Copyright (c) 2022 HOLOS

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Artigos Semelhantes

1 2 3 4 5 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.