Análise do ganho de assertividade na aplicação de agrupamento de dados na análise de cesto de compras

Abstract

A dificuldade em estimar vendas e mensurar volume de estoque que atendam a demanda dos clientes muitas vezes está atrelada à falta de entendimento do comportamento dos clientes no momento da compra. Uma vez que uma loja entende o padrão de compra de seus clientes é possível verificar quais produtos esses clientes compram no mesmo cesto de compras e quais produtos podem influenciar a venda de outros. Assim, este trabalho tem como objetivo desenvolver uma metodologia que seja adequada para a realização da mineração de dados de um comércio eletrônico utilizando o algoritmo de agrupamento de dados K-means e o algoritmo de associação Apriori que permite realizar a análise da cesta de compras retornando regras de associações que refletem o padrão de compras dos clientes. Nos dados de vendas foi aplicado o processo do KDD, primeiro utilizando esse processo em uma análise linear realizando a mineração de regras de associação e logo em seguida foi utilizado da característica iterativa do KDD para minerar clusters, voltar para a fase de transformação dos dados e logo em seguida minerar as regras de associação presentes em cada cluster. Para isso foi desenvolvida uma API utilizando a linguagem de programação Python, que recebe uma categoria de produto e retorna as recomendações de outras categorias de produtos que geralmente são comprados juntos. Como resultado, observou-se um ganho de eficiência na aplicação dos dois processos de mineração para identificar produtos que são comprados em conjunto.