Integração de IA generativa para recomendação em e-commerce

Abstract

Esta monografia investiga a integração de Inteligências Artificiais generativas, como ChatGPT, Gemini e Perplexity, em sistemas de recomendação de produtos em e-commerce, com o objetivo de aprimorar a experiência do usuário e as estratégias de recomendação personalizadas. O trabalho inicia-se com uma fundamentação teórica que traça a evolução dos sistemas de e-commerce desde os anos 1990 até inovações recentes, destacando a importância dessas plataformas para o comércio moderno. A pesquisa aborda a aplicação da inteligência artificial, enfatizando como os sistemas de recomendação impactam as taxas de conversão e a satisfação do cliente. Técnicas como aprendizado de máquina e processamento de linguagem natural são fundamentais para personalizar a experiência do usuário, adaptando sugestões de produtos com base no comportamento de compra. Além disso, a análise de desempenho das IAs é realizada, comparando-as em critérios como método de recomendação, análise de dados e estrutura das respostas. O estudo também discute os impactos dessas IAs na experiência do usuário, evidenciando melhorias na personalização e na satisfação. A pesquisa apresenta ainda a funcionalidade da interface de notificações, ilustrando como as recomendações são exibidas de forma atrativa. Também são discutidas as contribuições científicas da pesquisa, incluindo a metodologia de análise de dados e os testes realizados, bem como as implicações do uso de IA em sistemas de recomendação. O trabalho conclui que a personalização nas recomendações pode ser um diferencial competitivo significativo, abrindo caminho para novas pesquisas e inovações tecnológicas no setor.

This monograph investigates the integration of generative Artificial Intelligences, such as ChatGPT, Gemini, and Perplexity, in product recommendation systems in e-commerce, with the goal of enhancing user experience and personalized recommendation strategies. The work begins with a theoretical foundation that traces the evolution of e-commerce systems from the 1990s to recent innovations, highlighting the importance of these platforms for modern commerce. The research addresses the application of artificial intelligence, emphasizing how recommendation systems impact conversion rates and customer satisfaction. Techniques such as machine learning and natural language processing are essential for personalizing the user experience, adapting product suggestions based on purchasing behavior. Additionally, the performance analysis of AIs is conducted, comparing them in criteria such as recommendation method, data analysis, and response structure. The study also discusses the impacts of these AIs on user experience, highlighting improvements in personalization and satisfaction. The research further presents the functionality of the notification interface, illustrating how recommendations are displayed attractively. The scientific contributions of the research are also discussed, including data analysis methodology and the tests performed, as well as the implications of AI use in recommendation systems. The work concludes that personalization in recommendations can be a significant competitive differentiator, paving the way for new research and technological innovations in the field.