Utilize este identificador para referenciar este registo: https://hdl.handle.net/1822/81087

TítuloData analysis and recommender system architecture for e-commerce platforms
Outro(s) título(s)Análise de dados e arquitetura de um sistema de recomendação para plataformas de comércio eletrônico
Autor(es)Cunha, Gil Fernando Ferreira da
Orientador(es)Peixoto, Hugo
Machado, José Manuel
Palavras-chaveRecommender system
Data analysis
Software architecture
e-commerce
Business intelligence
Sistema de recomendação
Análise de dados
Arquitetura de software
Comércio eletrônico
Data22-Fev-2021
Resumo(s)E-commerce is constantly expanding, leading to greater market competitiveness. The number of online platforms offering products or services is increasing; so there is a growing need for companies to stand out from the competition, which leads to the application of various marketing strategies. However, not all are adequate and mismanagement, as well as a bad investment of these strategies, may prejudice companies. Hence the implementation of recommendation systems in e-commerce platforms, as a safe and economical strategy. By investing in a good recommendation mechanism, one can provide better user experience, taking his interests into account. As a result, more traffic on the platforms is ensured, which may result in a higher sales rate and, consequently, a higher number of revenues. However, to develop a recommendation system, the first step must consist in obtaining information about the sales platform, where data about its users and products/services form the basis of recom mendations. But not all information is useful, which can influence the accuracy of the forecasting models used by the system to produce results. Following this perspective, a data analysis methodology is proposed, as well as an architecture of a recommendation system, which allows to extract and treat relevant data, in order to integrate a recommendation engine for most e-commerce platforms.
O comércio eletrónico (e-commerce) está em constante expansão, o que leva a uma maior competitividade no mercado. Existem cada vez mais plataformas de venda online e, consequentemente, há uma crescente necessidade das empresas se destacarem da concorrência, o que leva à aplicação das mais variadas estratégias de marketing. Porém, nem todas são adequadas e uma má gestão e investimento destas estratégias pode causar prejuízo às empresas. Daí surge a implementação de sistemas de recomendação nas plataformas de venda, como uma estratégia segura e económica. Ao investir num bom mecanismo de recomendação, é possível proporcionar uma melhor experiência para o utilizador, tendo em conta os seus interesses. Desta forma, assegura-se um maior tráfego nas plataformas, o que poderá resultar numa maior taxa de vendas e, consequentemente, num maior número de receitas. No entanto, para desenvolver um sistema de recomendação é necessário, em primeiro lugar, obter informação sobre a plataforma de vendas, onde os dados sobre os seus utilizadores e produtos/serviços constituem a base das recomendações. Mas nem toda a informação é útil, o que pode influenciar a acurácia do modelos de previsões utilizado pelo sistema. Seguindo esta perspetiva, propõe-se uma metodologia de análise de dados, assim como uma arquitetura de um sistema de recomendação, que permitam extrair e tratar dados relevantes de modo a integrar um motor de recomendação para a generalidade das plataformas de e-commerce.
TipoDissertação de mestrado
DescriçãoDissertação de mestrado integrado em Engenharia Informática
URIhttps://hdl.handle.net/1822/81087
AcessoAcesso aberto
Aparece nas coleções:BUM - Dissertações de Mestrado
DI - Dissertações de Mestrado

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Gil Fernando Ferreira da Cunha.pdf8,06 MBAdobe PDFVer/Abrir

Este trabalho está licenciado sob uma Licença Creative Commons Creative Commons

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID