Um modelo de sistema de recomendação baseado em filtragem colaborativa e correlação de itens para personalização no comércio eletrônico

Abstract

A evolução dos sites de comércio eletrônico, que tem aumentado a interatividade com os usuários, e os novos modelos de gestão centrados no cliente requerem ferramentas computacionais capazes de processar a imensa quantidade de dados obtida, a fim de gerar conhecimento e personalizar a experiência de compra. Os sistemas de recomendação têm obtido destaque na Internet, e em especial no comércio eletrônico, como uma solução para se alcançar a personalização e agregar valor ao relacionamento com os clientes. Novas abordagens que observem as características da comercialização de produtos são necessárias para que se disponha de um modelo abrangente para criar aplicações nesta área. Este trabalho propõe a criação de um modelo híbrido de sistema de recomendação baseado nos dois métodos de recomendação mais conhecidos: a filtragem colaborativa e a correlação item-a-item. O modelo proposto aborda questões como freqüência e quantidade de compra dos produtos. O método híbrido foi implementado e testado com dados reais de compra. Os resultados mostraram que o modelo proposto supera em média a qualidade das recomendações geradas pelas outras abordagens e também comprovaram a validade da utilização do método em casos em que os produtos são comprados repetidamente.