Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Oliveira, Wellerson Viana de |
| Orientador(a): |
Bezerra, Leonardo César Teonácio |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIA DA INFORMAÇÃO
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufrn.br/handle/123456789/47160
|
Resumo: |
Para obter vantagens competitivas, empresas de todos os segmentos estão investindo no seu relacionamento com seus clientes. No segmento de supermercados isso não é diferente. Investimentos em gestão do relacionamento com o cliente (CRM, do inglês customer relationship management) vem crescendo nos últimos anos. Para uma estratégia de CRM bem sucedida, o primeiro passo é conhecer melhor o cliente e, para esse fim, estratégias de segmentação de clientes são muito importantes. Neste trabalho, n´os segmentamos clientes da rede Nordestão, a terceira maior rede supermercadista no Nordeste do Brasil. Para isso, n´os adaptamos o bastante conhecido modelo recency-frequency-monetary introduzindo novas variáveis e usamos o algoritmo de modelo de mistura de Gaussianas (GMM, do inglês Gaussian mixture model) para clusterizar os dados. Além disso, nós utilizamos uma segmentação a priori proposta na literatura por um outro grande varejista brasileiro. Para cada segmento criado, n´os obtemos alguns clusters para cada uma das nove lojas da rede, com cada grupo representando um perfil de cliente. Entre os perfis encontrados, podemos citar os clientes Prime e os clientes Oportunidade. Os primeiros são clientes que buscam produtos de maior valor agregado, enquanto o segundo grupo representa os clientes que buscam produtos com preços promocionais. Nós encontramos uma grande similaridade entre os perfis de cada loja, variando entre si apenas pelas características específicas de cada loja. Nós concluímos nosso trabalho com uma validação algorítmica dos resultados e uma análise de interpretabilidade dos clusters obtidos. |
