Mineração de dados para redução efetiva de CAC
Resumo
Resumo: O CAC, custo de aquisição de clientes, é urna métrica utilizada por empresas para o acompanhamento Financeiro de campanhas de marketing digital. O escopo do CAC vai da atração de um visitante a uma página até o fechamento de uma compra, podendo gerar Inúmeras dados. Esses dados (e quanto mais completos, diversilicados eJes forem) permitem realizar o cálculo do CAC e tomar decisões efetivas de melhoria a partir dos resultados obtidos em uma campanha de marketing digital. O sucesso atrelado às açòes adotadas pelas organizaçòes baseia-se fundamentalmente da contribuição de cada cliente adquirido em relação ao valor total do mesmo. Uma vez que as campanhas envolvem investimentos e as empresas possuem metas periódicas, o cumprimento dessas e a maximizaçào dos lucros envolve aumento nas vendas com a base de clientes vigente ou atração de novos clientes. Portanto, é preciso conhecer a fundo os clientes, o melhor meio de atraí-los e retê-los, além de se planejar campanhas com resultados efetivos. Para tanto, faz-se necessário um processo eficiente, inteligente e automatizado, o qual permita a análise dos clientes, segmentação por grupos e conseqüente auxílio na tomada de decisões para as próximas campanhas. Assim, neste trabalho propóe-se um sistema, cujo objetivo é auxiliar na redução do CAC via técnicas de aprendizado de máquina. A metodologia a ser utilizada é a RFM em conjunto com algoritmos de machine learning em um estudo de caso com dados reais, segmentar os clientes por perfil de Consumo e aplicar algoritmos que "aprendam" as preferências de cada grupo de clientes, de forma a se produzir insumos que permitam o lançamento de campanhas de marketing direcionado especificamente a esses clientes. Abstract: The CAC, cost of acquiring Customers, is a metric tised by companies for the I in anciat monitoring of digital marketing campaigns. The Scope of the CAC goes from attracting a visitor to a page until lhe closing of a purchase, and can generate countless dala. These dala (and how much more complete, diversified they are) allow you to perform the CAC calculation and make effective improvement decisions from the results obtained in a digital marketing campaign. The success of lhe actions adopted by lhe organizations is undamentally based on lhe contribution of each client acquired in relation lo lhe total value of the same. Since campaigns involve investments and companies have periodic goals, meeting these and maximizing profits involves increasing sales with the existing customer base or attracting new Customers. The re lore, it is necessary to know the customers in depth, the best way to attract and retain them, and to plan campaigns with effective results. For this, an efficient, intelligent and aulumaled process is necessary, which allows lhe analysis 61 the clients, segmental ion by groups and consequent aid in the decision making for the next campaigns. Tli us, lliis work Proposes a system, whose objective is lo assist in the reduction of CAC through machine learning techniques. The methodology lo be used is RFM in conjunction with machine learning algorithms, in a case study with real data, segment clients by consumption profile and apply algoritluns that" learn" the preferences of each group of clients, in order to If if produces inputs that allow the launch of marketing campaigns directed specifically to these customers.
Collections
- Data Science & Big Data [107]