Métodos de aprendizado de máquina aplicados ao E-Commerce

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBonat, Wagner Hugo, 1985--
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data-
Autor(es): dc.creatorDias, Rafael Roberto-
Data de aceite: dc.date.accessioned2025-09-01T10:55:06Z-
Data de disponibilização: dc.date.available2025-09-01T10:55:06Z-
Data de envio: dc.date.issued2024-02-07-
Data de envio: dc.date.issued2024-02-07-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/1884/75367-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/75367-
Descrição: dc.descriptionOrientador: Prof. Wagner Hugo Bonat-
Descrição: dc.descriptionMonografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science & Big Data.-
Descrição: dc.descriptionInclui referências-
Descrição: dc.descriptionResumo: O comércio eletrônico é uma modalidade de negócio escalável para atender milhares de clientes simult aneamente, via internet, e o desafio está em manter o relacionamento com estes consumidores de maneira personalizada. Este estudo teve como objetivo contribuir com uma parte desta personalização utilizando metodologias de aprendizado de máquina para classificar cada cliente, logo após a aprovação da sua primeira compra, em tres segmentos: Bronze, Prata e Ouro. Os classificadores supervisionados utilizados foram: método de vetores de suporte, rede neural artificial e árvore de decisão, uma vez que a empresa MadeiraMadeira já possui os clientes rotulados nos tres segmentos citados anteriormente. Realizou-se a análise descritiva das variáveis transacionais, que são as informações contidas em cada compra, extraídas diretamente do banco de dados, e escolhidas as tres principais para aplicação das metodologias. Cada modelo foi configurado, executado e avaliado comparando-se os resultados, e após identificou-se que a Árvore de Decisão é a com maior potencial para implantação em ambiente de produção pela sua acurácia e simplicidade de interpretação dos seus resultados.-
Descrição: dc.descriptionAbstract: E-commerce is a scalable business modality to serve thousands of clients simultaneously via the internet, and the challenge lies in maintain the relationship with these consumers in a personalized way. This study aimed to contribute with a part of that customization using machine learning techniques to evaluate each customer shortly after their first purchase is approved, in three segments: Bronze, Silver and Gold. Supervised classification methods used were: support vector machine, artificial neural network and decision tree since the company MadeiraMadeira already has customers labeled in all three segments mentioned above. We performed a descriptive analysis of transactional variables, which are the information contained in each purchase, extracted directly from the database, and the top three were chosen for the application of the methods. Each model has been configured, executed and compared the results, and after it was identified that the decision tree is the one with the greatest potential for implamentation because of its accuracy and simplicity of interpretation of its results-
Formato: dc.format1 recurso online : PDF.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Palavras-chave: dc.subjectComércio eletrônico-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectClientes - Fidelização-
Palavras-chave: dc.subjectClassificação-
Título: dc.titleMétodos de aprendizado de máquina aplicados ao E-Commerce-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.