Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo
| Ano de defesa: | 2025 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Tecnológica Federal do Paraná
Pato Branco Brasil Programa de Pós-Graduação em Engenharia Elétrica e de Computação UTFPR |
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | http://repositorio.utfpr.edu.br/jspui/handle/1/38004 |
Resumo: | In the automotive sector, understanding customer profiles at different moments of interaction with the company (before, during and after the purchase) is essential for the development of new products and to provide a satisfactory experience with the brand. However, the diversity of contexts, moments, and profiles generates a combinatorial and interdependent problem that transcends the informational power of existing computational solutions, which are generally onedimensional and focused on visualization. This article proposes a multidimensional approach that captures imperceptible nuances of the interaction between customers and companies in the automotive sector and expands the informational power as a competitive differentiator. The approach, presented in the form of a computational tool, allows integrating heterogeneous data and reconfiguring, in a short space of time, a large set of consumer and product analysis scenarios. In addition, the approach integrates statistical and machine learning techniques, such as hierarchical agglomerative clustering, to segment consumers and identify the main differences between groups, which can be valuable from a business management perspective. The methodology is validated with real data from Renault do Brasil and can be extended to other brands in the sector. |
| id |
UTFPR-12_e2f264ad6919252c5ba057ccc8e27c5d |
|---|---|
| oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/38004 |
| network_acronym_str |
UTFPR-12 |
| network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
| repository_id_str |
|
| spelling |
Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivoA multidimensional approach to analyzing consumer experience in the automotive sectorIndústria automobilísticaProcesso decisórioGestão de Processos de NegóciosAutomobile industry and tradeDecision makingBusiness Process ManagementCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEngenharia/Tecnologia/GestãoIn the automotive sector, understanding customer profiles at different moments of interaction with the company (before, during and after the purchase) is essential for the development of new products and to provide a satisfactory experience with the brand. However, the diversity of contexts, moments, and profiles generates a combinatorial and interdependent problem that transcends the informational power of existing computational solutions, which are generally onedimensional and focused on visualization. This article proposes a multidimensional approach that captures imperceptible nuances of the interaction between customers and companies in the automotive sector and expands the informational power as a competitive differentiator. The approach, presented in the form of a computational tool, allows integrating heterogeneous data and reconfiguring, in a short space of time, a large set of consumer and product analysis scenarios. In addition, the approach integrates statistical and machine learning techniques, such as hierarchical agglomerative clustering, to segment consumers and identify the main differences between groups, which can be valuable from a business management perspective. The methodology is validated with real data from Renault do Brasil and can be extended to other brands in the sector.Conselho Nacional do Desenvolvimento Científico e Tecnológico (CNPq)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)No setor automotivo, compreender os perfis de clientes em diferentes momentos da interação com a empresa (antes, durante e após a compra) é essencial para o desenvolvimento de novos produtos e para proporcionar uma experiência satisfatória com a marca. No entanto, a diversidade de contextos, momentos, e perfis gera um problema combinatório e interdependente que transcende o poder informacional das soluções computacionais existentes, geralmente unidimensionais e focadas em visualização. Este artigo propõe uma abordagem multidimensional que captura nuances imperceptíveis da interação entre clientes e empresas do setor automotivo e expande o poder informacional como diferencial competitivo. A abordagem, exposta na forma de ferramenta computacional, permite integrar dados heterogêneos e reconfigurar, em um curto espaço de tempo, um conjunto numeroso de cenários de análise do consumidor e de produtos. Além disso, a abordagem integra técnicas estatísticas e de aprendizado de máquina, como a clusterização aglomerativa hierárquica, para segmentar consumidores e identificar as principais diferenças entre os grupos, o que pode ser valoroso do ponto de vista de gestão de negócios. A metodologia é validada com dados reais da Renault do Brasil e é extensível a outras marcas do setor.Universidade Tecnológica Federal do ParanáPato BrancoBrasilPrograma de Pós-Graduação em Engenharia Elétrica e de ComputaçãoUTFPRTeixeira, Marcelohttps://orcid.org/0000-0002-1008-7838https://lattes.cnpq.br/8925349327322997Casanova, Dalcimarhttps://lattes.cnpq.br/4155115530052195Casanova, Dalcimarhttps://lattes.cnpq.br/4155115530052195Southier, Luiz Fernando Puttowhttps://lattes.cnpq.br/6785711491335996Freitas, Sheila Cristiana dehttp://lattes.cnpq.br/0168978932510023Cancio, Geovany Aparecido Duarte2025-08-26T11:22:37Z2025-08-26T11:22:37Z2025-05-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCANCIO, Geovany Aparecido Duarte. Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo. 2025. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2025.http://repositorio.utfpr.edu.br/jspui/handle/1/38004porhttps://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPR2025-08-27T06:13:05Zoai:repositorio.utfpr.edu.br:1/38004Repositório InstitucionalPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestriut@utfpr.edu.br || sibi@utfpr.edu.bropendoar:2025-08-27T06:13:05Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
| dc.title.none.fl_str_mv |
Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo A multidimensional approach to analyzing consumer experience in the automotive sector |
| title |
Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo |
| spellingShingle |
Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo Cancio, Geovany Aparecido Duarte Indústria automobilística Processo decisório Gestão de Processos de Negócios Automobile industry and trade Decision making Business Process Management CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia/Tecnologia/Gestão |
| title_short |
Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo |
| title_full |
Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo |
| title_fullStr |
Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo |
| title_full_unstemmed |
Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo |
| title_sort |
Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo |
| author |
Cancio, Geovany Aparecido Duarte |
| author_facet |
Cancio, Geovany Aparecido Duarte |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Teixeira, Marcelo https://orcid.org/0000-0002-1008-7838 https://lattes.cnpq.br/8925349327322997 Casanova, Dalcimar https://lattes.cnpq.br/4155115530052195 Casanova, Dalcimar https://lattes.cnpq.br/4155115530052195 Southier, Luiz Fernando Puttow https://lattes.cnpq.br/6785711491335996 Freitas, Sheila Cristiana de http://lattes.cnpq.br/0168978932510023 |
| dc.contributor.author.fl_str_mv |
Cancio, Geovany Aparecido Duarte |
| dc.subject.por.fl_str_mv |
Indústria automobilística Processo decisório Gestão de Processos de Negócios Automobile industry and trade Decision making Business Process Management CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia/Tecnologia/Gestão |
| topic |
Indústria automobilística Processo decisório Gestão de Processos de Negócios Automobile industry and trade Decision making Business Process Management CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia/Tecnologia/Gestão |
| description |
In the automotive sector, understanding customer profiles at different moments of interaction with the company (before, during and after the purchase) is essential for the development of new products and to provide a satisfactory experience with the brand. However, the diversity of contexts, moments, and profiles generates a combinatorial and interdependent problem that transcends the informational power of existing computational solutions, which are generally onedimensional and focused on visualization. This article proposes a multidimensional approach that captures imperceptible nuances of the interaction between customers and companies in the automotive sector and expands the informational power as a competitive differentiator. The approach, presented in the form of a computational tool, allows integrating heterogeneous data and reconfiguring, in a short space of time, a large set of consumer and product analysis scenarios. In addition, the approach integrates statistical and machine learning techniques, such as hierarchical agglomerative clustering, to segment consumers and identify the main differences between groups, which can be valuable from a business management perspective. The methodology is validated with real data from Renault do Brasil and can be extended to other brands in the sector. |
| publishDate |
2025 |
| dc.date.none.fl_str_mv |
2025-08-26T11:22:37Z 2025-08-26T11:22:37Z 2025-05-08 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
CANCIO, Geovany Aparecido Duarte. Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo. 2025. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2025. http://repositorio.utfpr.edu.br/jspui/handle/1/38004 |
| identifier_str_mv |
CANCIO, Geovany Aparecido Duarte. Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo. 2025. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2025. |
| url |
http://repositorio.utfpr.edu.br/jspui/handle/1/38004 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
https://creativecommons.org/licenses/by/4.0/ info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by/4.0/ |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Pato Branco Brasil Programa de Pós-Graduação em Engenharia Elétrica e de Computação UTFPR |
| publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Pato Branco Brasil Programa de Pós-Graduação em Engenharia Elétrica e de Computação UTFPR |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
| instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
| instacron_str |
UTFPR |
| institution |
UTFPR |
| reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
| collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
| repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
| repository.mail.fl_str_mv |
riut@utfpr.edu.br || sibi@utfpr.edu.br |
| _version_ |
1850498235911634944 |