Um estudo comparativo da acurácia de algoritmos de recomendação em sistemas de compras coletivas.

• Ano de defesa: 2017
• Autor(a) principal: COSTA, Filipe da Silva.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO; UFCG
• Palavras-chave em Português: Sistema de compras coletivas.; Sistema de recomendação.; Site de compras.; Web marketing.; Algoritmos de recomendação.; Compras virtuais.; Compras online.; shopping on the internet.; Coletive shopping.; Ciência da Computação.
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/115

Sites de Compras Coletivas (SCC) correspondem a um tipo específico de site que tem como objetivo divulgar ofertas (produtos, serviços ou viagens) com alto valor de desconto, por um tempo determinado, o que proporciona ao vendedor das ofertas um maior número de negociações em um curto período de tempo. Para atingir esse objetivo, os SCC utilizam estratégias de marketing que vão desde a divulgação das ofertas em redes sociais até o envio de e-mails diários para os usuários cadastrados. No entanto, a divulgação das ofertas para a maioria dos SCC é realizada de forma não personalizada, de maneira que todos os usuários recebem diariamente o mesmo conjunto de ofertas divulgadas. Logo, por falta de personalização dessa divulgação, os usuários acabam por receber uma grande quantidade de ofertas irrelevantes ou desinteressantes. Nesse sentido, propomos o estudo de um Sistema de Recomendação que leve em consideração aspectos importantes para os usuários de SCC, aspectos estes definidos a partir da análise da base de dados real de uma empresa que atua no domínio de compras coletivas. Neste estudo, avaliamos quatro algoritmos aplicados aos dados desse domínio, dois desses algoritmos considerados estado da arte em recomendação. Discutimos os resultados obtidos a partir dos experimentos, indicando qual dos algoritmos apresenta maior eficácia no domínio estudado, de acordo com as métricas definidas neste trabalho. A avaliação do trabalho foi realizada por meio experimental em parceria com a empresa QueroDois, sediada em Ribeirão Preto - São Paulo.