Data mining: modelação de algoritmos para automação de marketing

Abstract

O comércio eletrónico, vulgo E-Commerce, encontra-se numa crescente expansão, propulsionada por uma sociedade cada vez mais tecnológica e, mais recentemente, pela pandemia estabelecida a nível mundial. Neste paradigma está implícita uma grande competitividade, pelo que uma estratégia de marketing pode ser a chave do sucesso de uma empresa. Para esta tese, propõe-se o desenvolvimento do estudo comportamental de utilizadores de websites de ECommerce, concretamente da Delta Portugal, de maneira a ser possível criar uma segmentação de utilizadores relativamente às suas semelhanças e, a partir delas, gerar uma série de ações de marketing automatizadas, tais como o envio de correio eletrónico contendo produtos recomendados para o cliente. Neste contexto, será desenvolvido um sistema de recomendações assente num processo de Data Mining, capaz de abstrair dados de plataformas de comércio eletrónico, manipulá-los e desenvolver algoritmos de Machine Learning capazes de gerar recomendações baseadas nos gostos e preferências de cada cliente. Estes casos mencionados destacam-se numa visão de recompromisso do consumidor para com os produtos, seja pelo facto das unidades de consumo previamente adquiridas terminarem ou pela atividade do mesmo na plataforma ser reduzida, podendo então ser maximizada. Esta dissertação será, também, desenvolvida a partir de dados reais utilizados no mercado e onde será repartido o ambiente teórico com o prático, associado a empresas líderes de mercado.

E-Commerce is a well-known growing area, propelled by the amount of technology surrounding our society that gets better day by day. This growth in E-Commerce solutions is also explainable with the recent worldwide pandemic situation we live in. This thesis proposal will rely on the development of a recommender engine capable of fetching data from any kind of e-commerce platform, prepare and modify all the data available in order to infer patterns and connections between them and, at last, build a set of Machine Learning algorithms with the purpose of generating accurate and customized recommendations to every customer through marketing actions, such as mailing and messaging. The cases mentioned above are relevant in a customer re-engagement sequence point of view, that could be accomplished with orders meant to replace consumable items or through a increase of a customer interest to the products. Also, this thesis is going to be fueled with real sets of data by the fact that it will be applied in a market case study. It is also mentionable the partitioning of the thesis between a theoretical and a practical environemnt.