O projeto consiste na elaboração de um algoritmo para venda cruzada e venda adicional.
Neste projeto foi feito uma análise exploratória acerca dos dados para determinar quais variáveis seriam importantes para a criação de um filtro duplo colaborativo e de conteúdo, um estudo para entendimento do consumo dos clientes, a clusterização dos mesmos baseada em um dataset auxiliar criado a partir do fornecido a fim de mostrar o processo para realizar uma recomendação.
O problema escolhido foi o de "Venda cruzada/ Venda adicional" na qual a equipe deveria propor um algoritmo, através do banco de dados fornecido, afim de otimizar o processo de recomendação da Ambev e fomente o maior consumo das marcas e sua diversidade sem ocasionar canibalização das mesmas
A solução proposta foi uma Recomendação via filtragem dupla colaborativa e de conteúdo.
Para isso foram elaboradas duas tabelas:
- Uma cujas entradas eram os clientes e as colunas, indicadores dos padrões de consumo
- Outra própria de cada ponto-de-venda onde as entradas são as submarcas e as colunas, propriedades significativas das mesmas e de seu consumo.
Para executar o código é necessário um ambiente computacional com suporte a Python em blocos, como Jupyter notebook, e as bibliotecas:
- Plotly
- Matplotlib
- Seaborn
- Pandas
- Numpy
- Sklearn
Para executar o código é necessário baixar o código inserir em um ambiente computacional com suporte a Python em blocos, como Jupyter notebook, importar as bibliotecas especificadas nos Pré Requisitos e executar o código.
 |
 |
|---|---|
| @brenoccosta | @JrCrespi |