Uma solução de mineração de dados para concessão de cupons de descontos em comércio eletrônico: um estudo de caso

Este artigo pretende responder seguinte pergunta de pesquisa: ``como construir uma solução eficiente de mineração de dados para um sistema de cupom de desconto?''. Assim, neste artigo é proposto uma solução de mineração de dados para responder a essa pergunta. A solução é constituída por quatro componentes: 1) uso da técnica Random Forest como classificador, 2) tratamento dos valores ausentes, 3) enriquecimento da base de dados através da construção de novas variáveis e 4) uso do método de \textit{Kolmogorov Smirnov} para a escolha do ponto de corte para tomada de decisão. Um estudo experimental foi realizado para validar a eficiência da solução proposta. Os resultados mostraram a adequação do método ao problema e que a estratégia de aquisição de conhecimento proposta aumentou o poder preditivo. Por fim, os resultados mostraram que a estratégia de tratamento de valores ausentes possui influência no poder discriminatório da solução. A contribuição deste estudo é um direcionamento para construção de soluções de mineração de dados em web-shop, dando diretivas sobre qual método de mineração de dados utilizar, qual a melhor estratégia para tratamento de valores ausentes, como melhorar o poder preditivo através da aquisição de conhecimento e ainda como escolher o melhor ponto de corte.