L. H. Santana, Domingos Sávio Cunha Garcia, Leonardo Amorim Araújo, C. Leal, A. Assunção, Gustavo José Santiago Rosseti, Silvana Rodrigues Pires Moreira, Lisleandra Machado
{"title":"Utilização Inovadora do Machine Learning para a Segmentação da Carteira de Clientes em uma Empresa de Hortifrutigranjeiros de Grande Porte","authors":"L. H. Santana, Domingos Sávio Cunha Garcia, Leonardo Amorim Araújo, C. Leal, A. Assunção, Gustavo José Santiago Rosseti, Silvana Rodrigues Pires Moreira, Lisleandra Machado","doi":"10.21166/cpitt.v5i1.4918","DOIUrl":null,"url":null,"abstract":"Na gestão da cadeia de suprimentos, compreender os clientes e agir de modo a satisfazer suas necessidades e desejos proporciona diferenciais competitivos frente à concorrência. As estratégias de marketing tradicionais têm migrado do foco no produto para o foco no cliente, trazendo com essa evolução o conceito do marketing de relacionamento, um modelo de gestão que consiste na oferta de produtos e serviços, atendendo exatamente às necessidades individuais de cada cliente. Nesta pesquisa, buscou-se implementar algoritmos para a segmentação e classificação da carteira de clientes numa empresa de hortifrutigranjeiros, extraindo dos seus dados brutos informações de alta qualidade sobre as demandas dos clientes, construídas a partir da análise dos históricos de compras. O estudo foi orientado por uma metodologia de natureza aplicada, com objetivos descritivos e de abordagem quantitativa. Os resultados foram alcançados através da combinação de duas técnicas, obtendo-se na aplicação na primeira a redução dimensional de 64.135 (sessenta e quatro mil cento e trinta e cinco) observações para 1.082 (mil e oitenta e duas), sendo estas agrupadas por clientes, dando origem ao surgimento de 8 (oito) segmentos, que serviram de insumo para a aplicação da segunda técnica, desta vez, reduzindo os segmentos para 4 (quatro grupos), os quais, foram submetidos a uma análise descritiva, orientados pelas variáveis recência, frequência e valor, os pilares do modelo RFV, o que permitiu uma caracterização detalhada de cada grupo de consumidores.","PeriodicalId":127659,"journal":{"name":"Caderno de Propriedade Intelectual e Transferência de Tecnologia","volume":"63 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-06-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Caderno de Propriedade Intelectual e Transferência de Tecnologia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21166/cpitt.v5i1.4918","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Na gestão da cadeia de suprimentos, compreender os clientes e agir de modo a satisfazer suas necessidades e desejos proporciona diferenciais competitivos frente à concorrência. As estratégias de marketing tradicionais têm migrado do foco no produto para o foco no cliente, trazendo com essa evolução o conceito do marketing de relacionamento, um modelo de gestão que consiste na oferta de produtos e serviços, atendendo exatamente às necessidades individuais de cada cliente. Nesta pesquisa, buscou-se implementar algoritmos para a segmentação e classificação da carteira de clientes numa empresa de hortifrutigranjeiros, extraindo dos seus dados brutos informações de alta qualidade sobre as demandas dos clientes, construídas a partir da análise dos históricos de compras. O estudo foi orientado por uma metodologia de natureza aplicada, com objetivos descritivos e de abordagem quantitativa. Os resultados foram alcançados através da combinação de duas técnicas, obtendo-se na aplicação na primeira a redução dimensional de 64.135 (sessenta e quatro mil cento e trinta e cinco) observações para 1.082 (mil e oitenta e duas), sendo estas agrupadas por clientes, dando origem ao surgimento de 8 (oito) segmentos, que serviram de insumo para a aplicação da segunda técnica, desta vez, reduzindo os segmentos para 4 (quatro grupos), os quais, foram submetidos a uma análise descritiva, orientados pelas variáveis recência, frequência e valor, os pilares do modelo RFV, o que permitiu uma caracterização detalhada de cada grupo de consumidores.