Algoritmos de clusterização e o modelo RFV (recência, frequência e valor) aplicados em dados de e-commerce

Abstract

Resumo : O mercado consumidor está mais exigente e mudando cada vez mais rapidamente. O e-commerce, canal sem relevância há alguns anos, hoje é bastante lucrativo e cheio de oportunidades. Por isso, entender o perfil de seu consumidor para traçar estratégias mais assertivas serve como vantagem competitiva para qualquer empresa frente à concorrência. Neste trabalho foram aplicados dois algoritmos de clusterização, o k-means e o AGNES, para agrupar clientes com perfis semelhantes de um e-commerce, baseado nas três métricas que compõem o modelo RFV: recência, frequência e valor. Foram analisados os dados de pedidos realizados entre setembro de 2016 a setembro de 2018 no marketplace Olist. Para o conjunto de dados selecionado, o método k-means se mostrou mais eficiente que o método AGNES, pois seu Coeficiente de Silhueta foi maior em 70% das amostras analisadas, além da eficiência computacional do algoritmo. Os clientes desse e-commerce foram agrupados em quatro clusters, para os quais foram sugeridas ações de retenção e rentabilização

Abstract : The consumer market is more demanding and changing more and more rapidly. E-commerce, a channel with no relevance for some years, today is very profitable and full of opportunities. Therefore, knowing the consumer’s profile to create assertive strategies is a competitive advantage for any company to face up the competition. At this study there were two clustering algorithms applied, K-means and AGNES, to unite clients from e-commerce with similar profiles, based on three metrics which are combined into the RFV model: recency, frequency and value. The data for orders placed between September 2016 and September 2018 on the Olist marketplace were analyzed. For the selected data set, the k-means method indicates more efficiency than AGNES method, due to its Silhouette Coefficient being higher on seventy percent of the analyzed samples, besides the efficient computational algorithm. Clients from this e-commerce were grouped into four clusters, for which were suggested retention and profitable actions