Um Método voltado à Recomendação de Itens no Contexto de Marketing de Afiliados

Abstract

O progresso tecnológico tem proporcionado às empresas diversas ferramentas de marketing digital com o intuito de evidenciar a marca e aumentar o faturamento. O marketing de afiliados é uma delas, sendo entendido como um serviço de parceria que proporciona para as empresas uma nova forma de divulgar seus produtos de maneira mais rápida e precisa. Entretanto, a maioria das plataformas de marketing de afiliados sofrem pelo grande volume de afiliados (usuários) cadastrados que não promovem retorno, ou seja, não vendem. Neste sentido, o presente trabalho possui como objetivo o desenvolvimento de um método de recomendação de produtos no cenário de marketing de afiliados visando promover uma maior interconexão entre afiliados e produtos, com impacto no aumento da taxa de conversão, isto é, nas vendas. No intuito de avaliar o método, foram coletadas as interações dos afiliados em uma plataforma real, promovendo suporte para o treinamento e teste do modelo de recomendação baseado em aprendizado profundo do tipo autoencoder. Para avaliar o método proposto são apresentados alguns cenários com o intuito de demonstrar a utilização do sistema de recomendação. Além disso, foram realizados testes para verificar a efetividade das recomendações. Os resultados alcançados para as recomendações de produtos tiveram uma acurácia de 87,37%. Desta forma, conclui-se que o método proposto tem potencial para sugerir produtos aos afiliados que estes tenham interesse para a divulgação, elevando o potencial de faturamento das empresas parceiras da plataforma e o número de afiliados vendedores.