Aplicação de árvore de decisão para adoção de e-commerce B2B por pontos de venda
Abstract
Proposta: O presente estudo, conduzido junto ao setor de marketing de uma fabricante de cigarros, tem como objetivo identificar padrões de comportamentos em uma base de varejos com vistas à análise de adesão ao sistema e-commerce no segmento B2B.
Desenho/metodologia/abordagem: esta pesquisa é de natureza aplicada, quantitativa, descritiva e exploratória, com o propósito de criar algoritmos de descoberta. Foram analisadas as características mercadológicas e os volumes comprados pelos varejos a fim de identificar fatores correlacionados com o bom desempenho dos varejos e encontrar suas semelhanças. Consiste na aplicação da técnica de data mining e da árvore de decisão para auxiliar nesta identificação.
Resultados: A partir do algoritmo de árvore de decisão foi possível relacionar as informações mercadológicas dos varejos com as performances de atingimento das metas estabelecidas pela organização, identificando assim duas grandes classes de varejos com bom potencial de adesão ao sistema de comércio eletrônico.
Limitações da investigação/implicações: estudo restringiu-se a uma empresa e seus parceiros de varejo que já estavam cadastrados no programa de relacionamento B2B da empresa. No método, na plotagem da árvore de decisão, o número de nós gerados foi limitado pelo tamanho de área de plotagem, houve sobreposição de nós quando detalhou-se as variáveis.
Originalidade/valor: O artigo contribui no sentido de apresentar um caso real de aplicação de árvore de decisão com potencial estratégico para a empresa em uma possível expansão da base de varejos para adesão ao sistema de comércio eletrônico.
Palavras-chave: E-commerce. Árvore de decisão. Machine learning. Marketing. B2B.
--
[ENG]
Title: "Decision Tree Application for B2B E-commerce Adoption by Point of Sale"
Abstract
Proposal: This study, conducted with the marketing sector of a cigarette manufacturer, aims to identify behavioral patterns in a retail base with a view to analyzing the adhesion to the e-commerce system in the B2B segment.
Design/methodology/approach: This research is applied in nature, quantitative, descriptive and exploratory, with the purpose of creating discovery algorithms. Market characteristics and volumes purchased by retailers were analyzed in order to identify factors correlated with the good performance of retailers and to find their similarities. It consists of applying the data mining technique and the decision tree to assist in this identification.
Results: From the decision tree algorithm it was possible to relate the marketing information of the retailers with the performance of the goals set by the organization, thus identifying two large classes of retailers with good adherence potential to the e-commerce system.
Research Limitations / Implications: This study was restricted to one company and its retail partners that were already enrolled in the company's B2B relationship program. In the method, in the decision tree plotting, the number of nodes generated was limited by the plot area size, nodes overlapped when the variables were detailed.
Originality/value: The article contributes to present a real case of decision tree application with strategic potential for the company in a possible expansion of the retail base to join the e-commerce system..
Keywords: E-commerce; Decision tree; Machine learning; Marketing; B2B
Full Text:
PDFReferences
Alpaydin, E. (2016). Machine Learning The New A.I. The MIT Press. P. 67.
Catalani, L. Kischinevsky, A., Ramos, E. A. D. A., Junior, H. N. S., (2009). E-commerce. Ed. FGV.
Chaffey, D., Smith, P. (2013). Emarketing Excellence: Planning and Optimizing your Digital Marketing. Ed. Routledge.
Chakraborty, G., Lala, V., Warren, D., (2002). “An Empirical Investigation of Antecedents of B2B Websites’ Effectiveness”. Journal of Interactive Marketing.
Chaussard, C., (2018). E-commerce Descentralizado para Indústrias: Integrando as vendas da distribuição, representantes, revendas até o consumidor. Ed. Flexy.
Clarke, G., Thompsom. C., Birkin. M., (2015). “The emerging geography of e-commerce in British retailing”. Regional Science, Vol. 2, No 1, P. 371-391.
Côrtes, S. D. C., Porcaro, R. M., Lifschitz, S., (2002). Mineração de Dados – Funcionalidades, Técnicas e Abordagens. PUC - Rio Inf. MCC 10112
Dangare, C. S., Apte, S. S., (2012). “Improved Study of Heart Disease Prediction System using Data Mining Classification Techniques”. International Journal of Computer Applications, Vol. 47, No. 10.
Dantas, E. R. G.; Júnior, J. C. A. P.; Lima, D. S. De; Azevedo, R. R. De. (2008). “O Uso da Descoberta de Conhecimento em Base de Dados para Apoiar a Tomada de Decisões”. V Simpósio de Excelência em Gestão e Tecnologia, p. 1–10.
Dionísio, E. J. (2015). Trabalhando com a Linguagem R. Disponível em < https://www.devmedia.com.br/trabalhando-com-a-linguagem-r/33275 > Acesso em: 2 de novembro de 2018.
Farias, F. (2016). Série Épicos: O Guia Definitivo do Marketing Digital. Resultados Digitais.
Fayyad, U. M., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery: An overview. In Advances in knowledge discovery and data mining. AAAI/MIT Press.
FGV-EAESP, (2016). Pesquisa Comércio Eletrônico no Mercado Brasileiro, edição 18.
Fonseca, J. M. M. R. D. (1994). Indução de Árvores de Decisão: HistClass - Proposta de um algoritmo não paramétrico. Universidade Nova de Lisboa, Faculdade de Ciências e Tecnologia, Departamento de Informática.
Fu, Y. (1997) “Data mining. Potentials.” IEEE. Volume 16, Issue 4, pp. 18-20
Garcia, S. C. (2003). O Uso de Árvores de Decisão na Descoberta de Conhecimento na Área da Saúde. Universidade Federal do Rio Grande do Sul, Instituto de Inoformática.
Gubert, F. (2018). “Marketing Digital: 4 riscos que sua marca corre na internet e como evita-los” Deen Marketing Digital. Disponível em: < http://deen.com.br/blog/marketing-digital-4-riscos-que-sua-marca-corre-na-internet-e-como-evita-los/> Acesso em: 13 de maio de 2018.
Han, J., Kamber, M. (2005). Data mining: Concepts and techniques. Morgan Kaufmann Publishers Inc.
Heilier, L. (2017). “Difference of Data Science, Machine Learning and Data Mining.” Data Science Central. Disponível em < https://www.datasciencecentral.com/profiles/blogs/difference-of-data-science-machine-learning-and-data-mining> Acesso em: 23 de junho de 2018.
Huang, J., Tzeng, G., Ong, C. (2007). Marketing segmentation using support vector clustering. Expert Systems with Applications, P. 313-319. Elsevier.
Iacovone, C. (2016). “Comércio Eletrônico: Como Funciona?” Administradores.com Disponível em: < http://www.administradores.com.br/artigos/tecnologia/comercio-eletronico-como-funciona/99259/> Acesso em: 15 de maio de 2018.
James, G., Witten, D., Hastie, T., Tibshirani, R. (2013). An Introduction to Statistical Learning with Applications in R. Ed. Springer
Kotler, P., Kartajaya, H. & Setiawan, I. (2017). Marketing 4.0: Moving from Tradicional to Digital. s.l.:John Wiley & Sons, Inc.
Ling, C. X., Li, C. (1998). “Data Mining for Direct Marketing: Problems and Solutions”. American Association for Articial Intelligence.
Linoff, G. S., Berry, M. J. A. (2011). Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. Ed. Wiley.
McAfee, A., Brynjolfsson, E. (2012). “Big Data: The Management Revolution. Spotlight on Big Data”. Harvard Business Review. October, 2012. Disponível em: https://hbr.org/2012/10/big-data-the-management-revolution. Acesso em: 13 de maio de 2018.
Monard, M. C., Baranauskas, J. A. (2003). “Indução de Regras e Árvores de Decisão. Sistemas Inteligentes”.
Rezende, SO Editora Manole Ltda, 115-140
Müller, V. N. (2013). “E-commerce: Vendas pela Internet”. FEMA.
Nakamura., A. M. (2011). “Comércio Eletrônico: Riscos nas Compras pela Internet”. FATECSP.
Nissan, M., (2014). “Qual a diferença entre B2B e B2C?” E-Commerce News. Disponível em: https://ecommercenews.com.br/artigos/cases/qual-e-a-diferenca-entre-b2b-e-b2c/> Acesso em 17 de maio de 2018.
Ochi, L. S., Dias, C. R., Soares, S. S. F. (2004). “Clusterização em Mineração de Dados”. Instituto de Computação, Universidade Federal Fluminense, Niteroi.
Pavlou, P. A. (2002). “Institution-based trust in interorganizational exchange relationships: the role of online B2B marketplaces on trust formation”. Journal of Strategic Information Systems 11, P. 215 – 243.
Peçanha, V. (2018). “Marketing Digital”. Marketing de Conteúdo – o Blog da Rock Content. Disponível em: < https://marketingdeconteudo.com/marketing-digital/> Acesso em: 13 de maio de 2018.
Poongothai, K., Parimala, M. and Sathiyabama, S. (2011). “Efficient Web Usage Mining with Clustering.” IJCSI International Journal of Computer Science Issues, Vol. 8, Issue 6, No 3.
Rabelo, A. (2018) “Machine Learning: o que é e qual sua influência no marketing digital?” Marketing de Conteúdo – o Blog da Rock Content. Disponível em: < https://marketingdeconteudo.com/machine-learning/> Acesso em 20 de setembro de 2018.
Rauyruen, P., Miller, K. E. (2007). “Relationship quality as a predictor of B2B customer loyalty.” Journal of Business Research 60 P. 21-31.
Rocha, R. A., Bortoluzzi, A. C., Zanini, M. R. K., Júnior, N. J. Z. (2002). “A Internet e a Reinvenção dos Negócios.” ENEGEP: ABEPRO.
Ryan, D. (2017). Understanding Digital Marketing. Ed. Kogan Page
Silva, M. P., Boscarioli, C., and Peres, S. M. (2003). “Análise de logs da web por meio de técnicas de data mining”. I Congresso de Tecnologias para Gestãoo de Dados e Metadados do Cone Sul.
Souza, B., Bremgartner, V. (2016). Evolução das modalidades B2B e B2C em e-business no Brasil. Conasum.
Srinivasan, S. S., Anderson, R., Anderson, K., (2002). “Customer loyalty in e-commerce: an exploration of its antecedents and consequences”. Journal of Retailing, Vol. 76, Issue 1, P. 41-50.
Tsai, H., Huang, L. (2005). “Emerging e-commerce development model for Taiwanese travel agencies”. Tourism Management, Volume 26, Issue 5, P. 787-796.
Tucunduva, R. (2018). “Os 3 tipos de fluxos de automação de e-mail marketing para e-commerce.” Disponível em: < https://ecommercenews.com.br/artigos/dicas-artigos/os-3-tipos-de-fluxos-de-automacao-de-e-mail-marketing-para-e-commerce/> Acesso em: 19 de maio de 2018.
UNCTAD – United Nations Conference of Trade and Development, (2017). “World Investment Report 2017 – Investment and the Digital Economy”. UNITED NATIONS PUBLICATION. Disponível em: https://unctad.org/en/PublicationsLibrary/wir2017_en.pdf. Acesso em: 17 de maio de 2018.
Wind, J., Mahajan, V. (2001). Digital Marketing: Global Strategies from World’s Leading Experts. Ed. John Wiley & Sons, Inc..
Witten, I. H., Frank, E., Hall, M. A., Pal, C. J. (2016). Data Mining: Practical Machine Learning Tools and Techniques. Ed. Morgan Kaufmann.
Copyright (c)
European Journal of Applied Business and Management
ISSN: 2183-5594
DOI: https://doi.org/10.58869/EJABM
Indexing:
EBSCO | CROSSREF | GOOGLE SCHOLAR | LATINDEX | DRJI | ICI JOURNALS MASTER | REDIB | MIAR
