Bom Cupom – Sistema Inteligente para Geração de Promoções Personalizadas em Supermercados

VN:RO [1.9.11_1134]
terça-feira, 20 d novembro d 2012
Por Gustavo Rocha, Coop12. Siga no Twitter

Este post visa descrever brevemente o projeto desenvolvido pelos alunos Bruno Henrique Joia, Gustavo dos Santos Rocha e Igor Yasuo Gushiken do curso de Engenharia de Computação Cooperativo da Escola Politécnica da USP. Este projeto foi desenvolvido como trabalho de conclusão de curso no ano de 2012 sob orientação do Prof. Dr. Antonio Mauro Saraiva e Eng. Etienne Américo Cartolano Júnior.

Exemplo de Cupom Gerado pelo Bom Cupom

Exemplo de cupom gerado pelo Bom Cupom

O Projeto

O nosso projeto de formatura consiste no desenvolvimento de um sistema que vai analisar os hábitos de consumo dos clientes de um supermercado e através de técnicas de data mining gerar cupons promocionais personalizados a cada cliente, o Bom Cupom.

Um procedimento já bem difundido que foi explorado durante o projeto é a análise de carrinho de compras, que permite a inferência de correlação entre a compra de diferentes produtos. Podemos, por exemplo, deduzir que um cliente que compra muito pão deve também comprar manteiga (e outras implicações não tão evidentes com grande valor estratégico).

Desta maneira visamos atender a interesses dos clientes e dos vendedores. Os clientes obteriam preços diferenciados em produtos especialmente selecionados de acordo com seu padrão de compras. E os supermercados estariam oferecendo tratamento personalizado e desta forma ganhando a preferência e confiança dos consumidores.

Motivação

O relacionamento com o cliente é, sem dúvida, um fator muito importante para o sucesso de um negócio. Clientes satisfeitos tornam-se fiéis e possivelmente defensores de uma marca. E para satizfazer os clientes é importante entender seus hábitos e costumes.

Hoje em dia, empresas já estão gerando uma grande quantidade de informação sobre seus clientes. E a utilização de técnicas de data mining, combinada com essa informação inexplorada já existente atualmente é um fator decisivo na estratégia de marketing de uma empresa.

Além disso, técnicas de data mining são uma ferramenta poderosa de análise de dados e seu estudo aprofundado agrega um conhecimento muito importante não só para este projeto de formatura, como também para projetos futuros.

O Sistema

O sistema foi dividido basicamente em quatro módulos:

Divisão do sistema em módulos

Divisão do sistema em módulos

Classificação em Avatares

Já que existe uma grande variedade de produtos oferecidos por um supermercado, a primeira etapa é a padronização e classificação destes produtos em classes, chamadas de avatares.

Esse agrupamento é necessário para aumentar a relevância dos resultados obtidos. Com isso desconsideramos informações muito específicas de um produto como peso, volume, marca, entre outros, ou seja, é aquilo que você escreveria em sua lista de compras.

Por exemplo, um produto que estaria especificado no banco de dados do supermercado como “DETERGENTE YPÊ NEUTRO 500ml LÍQUIDO” seria classificado como “DETERGENTE” simplesmente.

Com a informação do código de barras dos produtos, foi usada a API do Buscapé, que já fornece uma classificação primária de muitos produtos cadastrados em lojas brasileiras e ainda pode fornecer uma descrição mais detalhada do que a que temos inicialmente. Porém, nem todos os produtos puderam ser classificados com esse método e para a classificação dos restantes foram utilizadas técnicas de comparação de strings como Longest Common Subsequence e distância de Levenshtein.

Regras de Associação

Grafo de regras de associação

Grafo de regras de associação

Com os produtos classificados, este módulo tem como objetivo gerar regras de associação entre os avatares, definindo um modelo global de hábitos de compra para o supermercado. Com este modelo é possível definir a correlação de compra entre produtos, como por exemplo, quem compra pão deve também comprar manteiga.

Weka

Weka

Nesta etapa foram utilizados algoritmos de geração de regras de associação oferecidos pela ferramenta de data mining da Universidade de Waikato, Weka. Com a definição de certos parâmetros, foi possível obter as regras de associação mais relevantes de acordo com uma série de métricas também oferecidas pelo framework.

Modelo de Cestas Básicas

Para poder oferecer descontos personalizados, é preciso também modelar os hábitos individuais de cada cliente. E para isso precisamos primeiramente dividir os produtos entre categorias de preço.

Para a divisão entre categorias de preço foram utilizadas predominantemente técnicas estatísticas e cada produto foi então classificado em uma de três categorias (chamadas de margem): econômica, intermediária e premium.

Com isso, foi definido o modelo de cestas básicas. Para cada cliente do supermercado foi criada uma cesta básica que contém um item descrevendo cada produto (avatar) já comprado. Esses itens possuem três atributos:

  • Nome do avatar
  • Margem predominante
  • Índice de recompra

O índice de recompra é determinado também através de análise estatística das compras anteriores e define a probabilidade de que este cliente compre o produto novamente numa visita futura. Definimos assim o perfil individual de compras de cada cliente.

Geração de Cupons

Definidos todos os modelos, os cupons de desconto são gerados seguindo três políticas, que podem ser aplicadas conforme a conveniência:

Política de fidelização: é oferecido desconto em um produto que o cliente já costuma comprar com o intuito de fazer com que ele sinta-se privilegiado com um desconto em seu produto favorito.

Política de upgrade de marca: é oferecido desconto em um produto que o cliente já costuma comprar, porém em uma margem superior com o intuito de fazer com que o cliente experimente outras marcas.

Política de introdução de produto: com uma análise da cesta básica em conjunto com as regras de associação, é oferecido desconto em produtos que o cliente ainda não costuma comprar, mas que seriam muito atrativos, de acordo com o modelo global.

Política de introdução de novo produto

Processo de oferecimento de desconto pela política de introdução de novo produto


Essa foi uma breve descrição do nosso projeto de formatura. A monografia completa com a descrição detalhada do projeto e de seu desenvolvimento pode ser baixada aqui. Para os interessados haverá uma demostração prática na sala C1-30 das 9h00 às 17h00 no Prédio da Engenharia Elétrica na Poli, no dia 10 de dezembro.

Para entrar em contato com os membros do grupo:
Bruno Henrique Joia
Gustavo dos Santos Rocha
Igor Yasuo Gushiken

VN:F [1.9.11_1134]
Rating: 5.0/5 (16 votes cast)
Bom Cupom - Sistema Inteligente para Geração de Promoções Personalizadas em Supermercados, 5.0 out of 5 based on 16 ratings
Related Posts with Thumbnails

Tags: , , ,

6 Comentários para “Bom Cupom – Sistema Inteligente para Geração de Promoções Personalizadas em Supermercados”

  1. Débora Setton

    Muito legal, parabéns pelo projeto!

    Sempre que eu vejo esse tipo de ideia, eu lembro dessa reportagem, não sei se vcs já viram:

    How Target Figured Out A Teen Girl Was Pregnant Before Her Father Did (http://www.forbes.com/sites/kashmirhill/2012/02/16/how-target-figured-out-a-teen-girl-was-pregnant-before-her-father-did/). Meio doido.. x)

    Uma dúvida: vocês tiveram acesso a uma base real de histórico de compras de clientes ou criaram uma?

    VA:F [1.9.11_1134]
    Rating: +1 (from 1 vote)
    #1121
    • Gustavo Rocha

      Já tinha ouvido falar dessa história da Target. Pra você ver o poder que uma boa análise de Data Minig tem! :)

      Sim, nós tivemos acesso a uma base real de um mercadinho local. Não à base completa, mas uma parte que já foi suficiente pra testar os modelos que propusemos.

      VN:F [1.9.11_1134]
      Rating: +1 (from 1 vote)
      #1122
  2. Parabéns a todos! A equipe é excelente e a ideia do projeto também!

    Eu adicionaria mais uma política relevante para as lojas: “Política de queima de estoque” para produtos que estão encalhados, estão com prazos de validade prestes a vencer ou vão ser substituídos por modelos mais novos.

    Acho que seria legal usar o termo “Big Data” no trabalho, já que está na moda e é um “superset” do que vocês estão fazendo. Não esqueçam de publicar a monografia no post quando estiver finalizada!

    VN:F [1.9.11_1134]
    Rating: 0 (from 0 votes)
    #1128
    • Gustavo Rocha

      Obrigado Barbolo!

      Gostei da sua ideia da política de queima de estoque. Mas seria uma política independente do modelo que propusemos, certo? Quero dizer, não precisaríamos de um modelo de consumo do supermercado ou individual dos clientes pra aplicá-la.

      Ah, e sobre Big Data, com certeza está no trabalho. Não falei sobre isso no post pra não ficar entrando em muitos detalhes. A ideia era passar um resumo sobre o projeto mesmo, mas na monografia comentamos sobre o assunto.

      Quando estiver pronta a monografia, eu coloco um link aqui no post mesmo.

      VN:F [1.9.11_1134]
      Rating: 0 (from 0 votes)
      #1130
    • Bruno Joia

      Barbolo,

      Muito obrigado pelos comentários e sugestões! A idéia da política de queima de estoque realmente é ótima. O supermercado ativaria a campanha, selecionaria os produtos e, com nosso modelo gerado, poderia direcionar os produtos em liquidação às pessoas que realmente querem aqueles produtos, através dos cupons de desconto.

      Sobre Big Data, o termo ficou na moda durante o nosso TCC e realmente é uma das áreas de aplicação possível, conforme o volume de dados que estivermos tratando for tomando proporções e dimensões maiores.

      VA:F [1.9.11_1134]
      Rating: 0 (from 0 votes)
      #1131
  3. Hi I am for the first time here and I find this post exellent

    VA:F [1.9.11_1134]
    Rating: 0 (from 0 votes)
    #7807

Deixe um Comentário

Spam Protection by WP-SpamFree

Get Adobe Flash playerPlugin by wpburn.com wordpress themes