Modelagem de cross-selling no marketing de relacionamento por máquinas de vetor de suporte

Ano: 2009 | Volume: 3 | Número: 1

Palavras-chave: venda cruzada, máquinas de vetor de suporte, customer relationship management, redes neurais artificiais

Resumo Português:

Analistas de marketing estão freqüentemente em busca de novas maneiras de se vender mais produtos e serviços para os mesmos clientes. É de grande debate em processos KDD (Knowledge Discovery Database) a discussão sobre modelagem de cross-selling, ou venda cruzada, pela aplicação de tradicionais técnicas de inteligência computacional e estatísticas como Redes Neurais e Regressão Logística. O presente artigo abordará a técnica conhecida como Máquinas de Vetor de Suporte (MVS) para resolução de problemas desta natureza em contrapartida as demais já utilizadas. No presente artigo, utilizaremos uma base de dados real de uma empresa vendedora de motos a pessoas físicas como aplicação da técnica. MVS tratase de um tipo especial de redes neurais alimentadas adiante, e representa real vantagem às outras técnicas, pois permite ao analista o domínio na determinação das superfícies de separação entre grupos, em nosso caso, de interessados e não interessados na compra de outra moto. Esta predição é interessante do ponto de vista de marketing, pois permite a antecipação pela empresa de um desejo do cliente, viabilizando uma ação de marketing pró ativa para incremento de receita através da venda focada.

Resumo Inglês:

Analysts of marketing are often looking for new ways to sell more products and services for the same customers. In processes of KDD (Knowledge Discovery Database) when discussing on modeling of cross-selling, researchers often apply traditional techniques of intelligence computing and statistics as neural networks and logistic regression. This article discusses the technique known as Support Vector Machines (SVM) for resolution of such problems. In this article, we use a database of a real business problem, when decided to apply this technique. SVM is a special type of feed forward neural networks, and represents real advantage to other techniques, it allows the analyst to determine the area of separation between groups, in our case, interested and not interested in buying another motorcycle. It allows the anticipation of a desire from the client, enabling an action of pro-active marketing to increase revenue through a focus sale.