Análise preditiva de churn em um e-commerce

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorTsunoda, Denise Fukumi, 1972--
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Ciências Sociais Aplicadas. Curso de Graduação em Gestão da Informação-
Autor(es): dc.creatorLuizon, Bruna Franciany Girata-
Data de aceite: dc.date.accessioned2020-01-31T13:01:14Z-
Data de disponibilização: dc.date.available2020-01-31T13:01:14Z-
Data de envio: dc.date.issued2019-12-18-
Data de envio: dc.date.issued2019-12-18-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/1884/64983-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/64983-
Descrição: dc.descriptionOrientador : Denise Fukumi Tsunoda.-
Descrição: dc.descriptionTrabalho de Conclusão de Curso (graduação) - Universidade Federal do Paraná, Setor de Ciências Sociais Aplicadas, Curso de Gestão da Informação.-
Descrição: dc.descriptionInclui referências-
Descrição: dc.descriptionResumo : Estudo sobre a aplicação de machine learning em análises preditivas de churn em e-commerce. Busca entender o conceito de clientes churn dentro de organizações onde não há assinatura de um serviço e/ou produto, bem como o impacto da tecnologia na evolução do marketing e das novas formas de comércio. Analisa documentos recuperados sobre o tema na base de dados Scopus, fazendo uma revisão sistemática e análise bibliométrica dos documentos levantados. Há uma série de técnicas de mineração de dados aplicadas para a previsão de churn, tais como redes neurais artificiais, árvores de decisão e máquinas vetoriais de suporte. Apresenta a relação entre machine learning e a predição de churn. Conclui-se na primeira etapa a recência do assunto e a falta de estudos aprofundados sobre o tema, além de que os algoritmos mais utilizados envolvem árvore de decisão, Support Vector Machine, Rede Neural Artificial, Random Forest e Regressão Logística. Comenta que a maioria dos estudos existentes relacionados com a previsão do churn de clientes são análises estáticas e não estão bem adequados à realização de monitorizações individuais e dinâmicas, já que a análise de dados estáticas não fornecem monitoramento dinâmico do churn do cliente. No segundo momento do estudo, foram selecionados três métodos e aplicados em uma base de um e-commerce na área de varejo. Os métodos escolhidos foram: Árvore de Decisão (J48), Rede Neural Artificial (Multilayer Perceptron) e Support Vector Machine (SMO). Concluiu que os três modelos apresentaram resultados similares quando analisados a taxa de acertos do modelo, porém o que apresenta melhor tempo de execução do modelo é a Árvore de Decisão J48.-
Formato: dc.format110 p. : il., grafs., tabs.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Palavras-chave: dc.subjectComércio eletrônico-
Palavras-chave: dc.subjectTecnologia da informação-
Palavras-chave: dc.subjectPrevisão-
Título: dc.titleAnálise preditiva de churn em um e-commerce-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.