Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Moraes, Francine Machado |
| Orientador(a): |
Primo, Tiago Thompsen |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pelotas
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Computação
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
http://guaiaca.ufpel.edu.br/xmlui/handle/prefix/12894
|
Resumo: |
O Market Basket Analysis (MBA), ou análise de cesta de mercado em português, consiste em extrair uma grande quantidade de associações de produtos a partir da base de dados de transações. Originalmente, era utilizada para analisar cestas de compras em mercados, mas não se limita a este cenário, podendo ser aplicada em qualquer negócio que venda produtos. Os sistemas de recomendação, amplamente empregados em e-commerces destacados, como Amazon e Mercado Livre, são comumente fundamentados em técnicas de Mineração de Dados e MBA. Este estudo apresenta uma proposta de sistema de recomendação adaptável, desenvolvido para operar tanto em ambientes digitais quanto em lojas físicas de uma extensa rede varejista. Este trabalho propõe um sistema de recomendação adaptável tanto para plataformas digitais quanto para lojas físicas de uma grande rede varejista utilizando a técnica MBA. O diferencial desta abordagem reside na capacidade de realizar recomendações de produtos em larga escala, otimizando o processamento de grandes volumes de dados por meio de ferramentas e estratégias de processamento distribuído os quais foram essenciais para a resolução dos desafios encontrados relacionados a big data. A motivação para tal desenvolvimento decorre da observação de que a maioria das pesquisas existentes concentra-se em sistemas de recomendação adequados apenas para pequenas quantidades de dados além de auxiliar outros pesquisadores na resolução dos desafios existentes neste cenário. Foi possível entender as relações entre os produtos recomendados separados por região, setores e estações do ano onde foi possível entender os comportamentos entre regiões norte e sul do país, produtos do mesmo setor se relacionam fortemente, eventos climáticos influenciam na recomendação além do recomendador entender as variações do produto e recomenda-los entre si. A eficácia do sistema proposto foi avaliada com uma estimativa de precisão de 22,53% para o canal digital e 31,28% para as lojas físicas considerando dezembro/2023. |
