Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Ara, Anderson Luiz | - |
Autor(es): dc.contributor | Costa, Lilia Carolina Carneiro da | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data | - |
Autor(es): dc.creator | Jardim, Paulo Eduardo de Souza | - |
Data de aceite: dc.date.accessioned | 2025-09-01T13:32:03Z | - |
Data de disponibilização: dc.date.available | 2025-09-01T13:32:03Z | - |
Data de envio: dc.date.issued | 2024-04-09 | - |
Data de envio: dc.date.issued | 2024-04-09 | - |
Data de envio: dc.date.issued | 2021 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/87385 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/87385 | - |
Descrição: dc.description | Orientador: Prof. Dr. Anderson Ara | - |
Descrição: dc.description | Coorientador: Prof. Dra. Lilia Carolina da Costa | - |
Descrição: dc.description | Artigo apresentado como Trabalho de Conclusão de Curso | - |
Descrição: dc.description | Artigo (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science & Big Data | - |
Descrição: dc.description | Inclui referências | - |
Descrição: dc.description | Resumo: Um dos maiores desafios das empresas que comercializam software na modalidade SaaS (Software as a Service) é modelar a jornada de compra de seus clientes, sendo assim possível conhecer as etapas mais importantes deste processo e aperfeiçoá-lo. Conseguir otimizar os esforços do time de vendas, focando nos futuros clientes com maior potencial é crucial para reduzir o custo de aquisição de clientes e garantir a competitividade no mercado. Por isso, este trabalho propõe uma abordagem com Redes Bayesianas para esse problema. Foi ajustado um modelo, por meio do qual foram feitas inferências visuais sobre o processo, bem como a simulação da jornada de compra de um cliente. Foram demonstrados vários tipos de previsões que podem ser feitas durante o processo, facilitando a tomada de decisões no nível operacional de vendas | - |
Descrição: dc.description | Abstract: One of the greatest challenges faced by SaaS (Software as a Service) vendors is modellig their customers’buying journey, which allows understanding the most important steps of this process in order to improve it. Optimizing the sales force effort, focusing on those future customers who have great potential it’s critical to reduce the customer acquisition costs and to guarantee the company’s competitiveness in the market. Therefore, this work proposes a Bayesian Networks approach to this problem. A model has been fitted, through which we have performed visual inferences about the process and also a simulation on a customer’s buying journey. We have demonstrated various kinds of predictions that can be performed during the process, facilitating decision making at the sales operational level | - |
Formato: dc.format | 1 recurso online : PDF. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Palavras-chave: dc.subject | Teoria bayesiana de decisão estatistica | - |
Palavras-chave: dc.subject | Software - Desenvolvimento | - |
Palavras-chave: dc.subject | Compras - Automação | - |
Palavras-chave: dc.subject | Marketing na internet | - |
Título: dc.title | Redes Bayesianas aplicadas à jornada de compra no marketing digital | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: