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 | Ribas, Bruno César | - |
Autor(es): dc.creator | Resende, Bruno Gomes | - |
Data de aceite: dc.date.accessioned | 2025-05-29T00:28:57Z | - |
Data de disponibilização: dc.date.available | 2025-05-29T00:28:57Z | - |
Data de envio: dc.date.issued | 2025-04-11 | - |
Data de envio: dc.date.issued | 2025-04-11 | - |
Data de envio: dc.date.issued | 2025-04-11 | - |
Data de envio: dc.date.issued | 2024-08-30 | - |
Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/52045 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/984315 | - |
Descrição: dc.description | Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Brasília, 2024. | - |
Descrição: dc.description | A existência de diversos canais de interação com o cliente gera um desafio na escolha do canal mais adequado nas diversas jornadas negociais nas organizações. Um banco brasileiro pretende prover as melhores experiências para os seus clientes. Para tal, deseja criar uma estratégia de abordagem hiper personalizada em suas jornadas negociais, de forma a antecipar desejos e necessidades dos consumidores de produtos e serviços oferecidos pela organização. Uma das alternativas de personalização de abordagens é a implementação de um modelo Next Best Action (NBA), entregando a melhor mensagem, no momento mais adequado, pelo melhor canal de interação com o cliente. Este trabalho se propôs a modelar o comportamento de clientes bancários utilizando técnicas de Mineração de Dados a fim de elaborar um modelo de previsão para o melhor canal de interação no relacionamento negocial, de forma a atender a demanda da organização por maior eficiência operacional no envio de mensagens. Os dados utilizados incluem informações cadastrais, demográficas, comportamentais e históricos de interações, de forma a representar de forma única e individual cada cliente em seu relacionamento com a empresa, provendo assim cumprimentos à tomada de decisão do canal mais adequado para a abordagem. Foram comparadas abordagens probabilísticas, árvores de decisão, combinação de algoritmos e uso de redes neurais em modelos binários e multi classe, obtendo como resultado final uma acurácia de 0.9196, AUC de 0.9873, precisão de 0.9218 e F1 de 0.9197 em um modelo multi classe implementado com o algoritmo Random Forest Classifier. | - |
Descrição: dc.description | The existence of several channels for interacting with customers creates a challenge in choosing the most appropriate channel for the various business journeys in organizations. A Brazilian bank intends to provide the best experiences for its customers. To this end, it wants to create a hyper-personalized approach strategy for its business journeys, in order to anticipate the desires and needs of consumers of products and services offered by the organization. One of the alternatives for personalizing approaches is the implementation of a Next Best Action (NBA) model, delivering the best message, at the most appropriate time, through the best channel for interacting with the customer. This work proposed to model the behavior of bank customers using Data Mining techniques in order to develop a prediction model for the best interaction channel in the business relationship, in order to meet the organization’s demand for greater operational efficiency in sending messages. The data used includes registration, demographic, behavioral and interaction history information, in order to uniquely and individually represent each customer in their relationship with the company, thus providing support for the decision-making process regarding the most appropriate channel for the approach. Probabilistic approaches, decision trees, combination of algorithms and use of neural networks in binary and multi-class models were compared, obtaining as a final result an accuracy of 0.9196, AUC of 0.9873, precision of 0.9218 and F1 of 0.9197 in a multi-class model implemented with the Random Forest Classifier algorithm. | - |
Descrição: dc.description | Instituto de Ciências Exatas (IE) | - |
Descrição: dc.description | Departamento de Ciência da Computação (IE CIC) | - |
Descrição: dc.description | Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Bancos | - |
Palavras-chave: dc.subject | Cliente - relacionamento | - |
Palavras-chave: dc.subject | Canais de comunicação | - |
Palavras-chave: dc.subject | Mineração de dados (Computação) | - |
Título: dc.title | Mineração de dados na previsão de melhor canal de abordagem para próxima melhor ação no relacionamento hiper personalizado com o cliente bancário | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB - Rep. 1 |
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: