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

Abstract

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.

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.