Detecção de anomalias em um serviço de operadora de telefonia móvel

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMartins, Simone de Lima-
Autor(es): dc.contributorCarvalho, Aline Marins Paes-
Autor(es): dc.contributorPlastino, Alexandre-
Autor(es): dc.creatorSilva, Alysson Geraldo Gomes-
Data de aceite: dc.date.accessioned2024-07-11T18:29:44Z-
Data de disponibilização: dc.date.available2024-07-11T18:29:44Z-
Data de envio: dc.date.issued2021-07-16-
Data de envio: dc.date.issued2021-07-16-
Data de envio: dc.date.issued2020-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/22648-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/771693-
Descrição: dc.descriptionOperadoras de telefonia oferecem canais digitais que viabilizam a venda e assinaturas de produtos. Estes canais têm seu acesso viabilizado pela operadora com auxílio de parceiros que operam o fluxo dos usuários. Os parceiros que operam o canal se conectam a uma plataforma de inteligência que seleciona o melhor conjunto de ofertas para o cliente obedecendo certos critérios de negócio. Embora sejam canais de acesso restrito, há evidências de usuários que possuem fluxos de navegações suspeitos. Estes usuários influenciam negativamente os índices dos volumes de venda e o desempenho da plataforma por consumirem recursos desnecessariamente para a seleção customizada de ofertas. Para auxiliar no funcionamento eficiente da plataforma e aumentar a qualidade das vendas, é necessário separar usuários confiáveis de usuários não confiáveis. Com esta informação, os gestores da inteligência do canal podem decidir para quais fluxos direcionar o usuário de acordo com sua confiabilidade, podendo inclusive não ofertar produtos para usuários cujas ações sejam consideradas fraudulentas. Neste trabalho, estudamos o comportamento de usuários ao longo de um mês utilizando métodos de detecção de outliers. A partir deste estudo desenvolvemos um classificador para auxiliar na verificação da confiabilidade do usuário e, com isso, viabilizar o redirecionamento de fluxos alternativos-
Descrição: dc.descriptionMobile operators offer digital channels that enable the sale and subscription of products. These channels are accessed through the operator infrastructure with the help of partners that operate users’ flows. The partners connect to an intelligent platform that selects the best offers, obeying some business criteria. Although the channels have restricted access, there is evidence of users who have suspi cious browsing flows. These users negatively influence the sales volume indexes and the platform’s performance by consuming resources unnecessarily for the customized selection of offers. To improve the platform’s efficiency and increase sales quality, we should separate trus ted users from untrusted ones. With this information, channel intelligence managers can decide which flows to direct the users based on their reliability and may not even offer products to users whose actions are considered fraudulent. In this work, we study the behavior of users over a month using outlier detection methods. Based on this study, we developed a classifier to verify users’ reliability to redirect alter native flows-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectDetecção de anomalias-
Palavras-chave: dc.subjectEstatística-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectDetecção de falhas-
Palavras-chave: dc.subjectTelefonia celular-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectOutlier detection-
Palavras-chave: dc.subjectStatistics-
Título: dc.titleDetecção de anomalias em um serviço de operadora de telefonia móvel-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.