Exportação concluída — 

Uma abordagem multidimensional para a análise da experiência do consumidor no setor automotivo

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Cancio, Geovany Aparecido Duarte
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
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