Construção de um modelo de regressão em análise de sobrevivência para o estudo do perfil de compradores da Olist que realizaram compras online no período de 2016 a 2018 em São Paulo
Carregando...
Data
2024-12-06
Orientador
Tarumoto, Mário Hissamitsu 
Coorientador
Pós-graduação
Curso de graduação
Presidente Prudente - FCT - Estatística
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O aumento crescente de usuários na internet impulsionou o surgimento
do segmento E-commerce1, com empresas adotando o modelo de marketplace2
possibilitando conectar clientes a diferentes lojas e serviços. Empreendimento como
a Olist, uma startup brasileira fundada em 2015 por Tiago Dalvi, emergiram com a
proposta de oferecer espaço para pequenos empresários nos principais marketplaces
do país. Este estudo tem como propósito analisar os dados fornecidos pela Olist3 no
período de 2016 a 2018 no estado de São Paulo para investigar como o tipo de compra
influencia o intervalo de tempo entre a penúltima e a última compra realizada pelos
clientes. Será empregado um modelo de regressão em análise de sobrevivência para
determinar qual modelo se adapta melhor à distribuição dos dados, seja ele
semiparamétrico ou paramétrico. Como a estratégia de lucro da Olist está diretamente
ligada à quantidade de produtos vendidos por vendedores ativos na plataforma, a
compreensão das covariáveis que afetam o tempo entre as compras, como tipo de
produto e valor do frete, pode fornecer insights importantes para a empresa,
possibilitando a implementação de medidas como a abertura de novos centros de
distribuição em pontos estratégicos, visando reduzir os custos de frete e,
consequentemente, alcançar maior número de consumidores. Uma das informações
notadas nesse trabalho foi que os clientes que compram mais frequentemente tendem
a fazer compras de maior valor além disso seu tempo mediano de recompra é de 83
dias, enquanto pessoas que compram menos de 2 compras possui tempo de
recompra de 140 dias. O modelo de regressão que melhor ajustou foi o de Weibull.
Resumo (inglês)
The increasing number of internet users has driven the emergence of the Ecommerce segment, with companies adopting the marketplace model, enabling them
to connect customers to different stores and services. Enterprises like Olist, a Brazilian
startup founded in 2015 by Tiago Dalvi, have emerged with the proposition of providing
space for small entrepreneurs on the country's major marketplaces. This study aims to
analyze the data provided by Olist from 2016 to 2018 to investigate how the type of
purchase influences the time interval between the penultimate and the last purchase
made by customers. A survival analysis regression model will be employed to
determine which model better fits the data distribution, whether it be semiparametric
or parametric. As Olist's profit strategy is directly linked to the quantity of products sold
by active sellers on the platform, understanding the covariates that affect the time
between purchases, such as product type and shipping cost, can provide important
insights for the company, enabling the implementation of measures such as the
opening of new distribution centers in strategic locations, aiming to reduce shipping
costs and consequently reach a greater number of consumers. One of the information
noted in this work was that customers who buy more frequently tend to make higher
value purchases and their median repurchase time is 83 days, while people who buy
less than 2 purchases have a repurchase time of 140 days. The best fitting regression
model was Weibull.
Descrição
Idioma
Português
Como citar
SANTOS, Leticia Tiago Maia Santos. Construção de um modelo de regressão em análise de sobrevivência para o estudo do perfil de compradores da Olist que realizaram compras online no período de 2016 a 2018 em São Paulo. Orientador: Mário Hissamitsu Tarumoto. 2024. 57 f. Trabalho de Conclusão de Curso (Bacharelado em Estatística) - Faculdade de Ciências e Tecnologia, Universidade Estadual Paulista, Presidente Prudente, 2024.