|
Abstract:
|
A análise de dados tem se tornado crucial para estratégias de sucesso nas organizações, principalmente quando se pensa nas etapas de aquisição e retenção de clientes. Para tais etapas, o acompanhamento e gestão dos leads é uma parte essencial. Todavia, à medida que o número de leads aumenta, a gestão se torna complexa e pouco eficiente, resultando em leads desqualificados e perda de tempo para o time de vendas. Desta forma, uma gestão de leads automatizada e baseada em dados é fundamental para otimizar a aquisição e retenção de clientes. Neste contexto, o presente trabalho propõe um método de apoio à gestão de leads para identificar e recomendar, para o time de vendas, futuros interesses de leads já existentes na base de dados de uma organização com intuito de adquirir ou reter clientes. Para cumprir este objetivo, explora-se o aprendizado de representação de redes através dos algoritmos Node2Vec e Metapath2Vec e modelos de predição de links para identificar possíveis tendências de conexões entre leads e produtos. Um estudo de caso utilizando dados de uma organização é apresentado para demonstrar a efetividade do método proposto. Para tal, foram realizadas análises de predições com diferentes estruturas topológicas de redes e calculado um coeficiente de generalização γ para qualificar os melhores modelos. Todos os modelos gerados atingiram um valor entre 0,873 e 0,998 considerando a métrica ROC-AUC, e os 3 melhores modelos apresentaram os valores de γ de 0,062, 0,018, 0,011, respectivamente. Diante dos resultados, os modelos de predição apresentaram baixos valores do coeficiente γ, muito distantes de 1, valor ideal. Porém, o método se mostra promissor para ser investigado na prática, ou seja, ativar os leads recomendados para convertê-los em clientes. Para trabalhos futuros é sugerido um aprofundamento em capacidades técnicas de aprendizado de redes para obter melhores resultados dos modelos de predição de links. |
