Este projeto de Ciência de Dados apresenta uma abordagem baseada em dados para entender o comportamento do consumidor e personalizar recomendações de produtos usando um conjunto de dados da e-commerce britânica Rex London. A fim de impulsionar significativamente as vendas e aprimorar a experiência do cliente, projeto está estruturado em torno de três capítulos principais: Análise Exploratória de Dados, Análise de Cesta de Mercado e Sistema de Recomendação.
Rex London é um varejista de comércio eletrônico com sede no Reino Unido que oferece uma gama diversificada de produtos, como presentes e acessórios para casa. A empresa quer aumentar o engajamento com os visitantes da página e melhorar a experiência de compra dos clientes.
Os dados foram obtidos através da plataforma Kaggle.
Para alcançar os objetivos acima, a empresa precisa entender quais são os produtos que normalmente são comprados juntos e construir um sistema de recomendação de produtos com base no perfil dos seus clientes.
-
O projeto começa a partir da Análise Exploratória de Dados (EDA), etapa crucial para descobrir padrões ocultos em compras, como comportamento do consumidor, preferências de produtos, tamanho da cesta e preços médios ao longo do tempo.
-
A EDA abre caminho para as regras de associação usadas em uma Análise de Cesta de Mercado com a biblioteca
aprioriem Python. Mais do que apenas usar a biblioteca, termos-chave como antecedentes, consequentes, suporte, confiança e lift também são explicados. -
Além disso, é desenvolvido um sistema de recomendação baseado na semelhança entre clientes para gerar recomendações de produtos. Assim, à medida que os clientes navegam pelo site, sua experiência é personalizada para prever o que "eles também podem gostar" e maximizar as vendas para a empresa.
- Os dados estão mais comportados em 2011 do que em 2010, mas as variações são muito expressivas
- Existem um pouco mais de 10 picos nas compras de 2011
- A relação entre preço e quantidade é inversamente proporcional
- O preço médio é maior para itens com uma quantidade menor
- O preço médio é menor para itens com uma quantidade maior
- Portanto, quanto maior o preço, menor a quantidade
- O preço médio das cestas atinge o ponto mais baixo em junho, seguido por julho
- Os preços médios mais altos das cestas são observados de setembro a novembro
- Setembro e outubro também são os meses com o maior tamanho médio de cestas
- Levando também em consideração o número de compras por mês visto anteriormente, podemos afirmar que o final do ano é o melhor momento para a empresa vender seus produtos
| antecedents | consequents | support | confidence | lift |
|---|---|---|---|---|
| GREEN REGENCY TEACUP AND... | ROSES REGENCY TEACUP AND S... | 0.019 | 0.828 | 16.296 |
| LUNCH BAG WOODLAND... | LUNCH BAG RED RETROSPOT | 0.011 | 0.826 | 9.641 |
| STRAWBERRY CHARLOTTE BAG... | RED RETROSPOT CHARLOTTE BAG | 0.012 | 0.821 | 17.765 |
| LUNCH BAG PINK POLKADOT... | LUNCH BAG BLACK SKULL | 0.010 | 0.798 | 10.523 |
| LUNCH BAG WOODLAND... | LUNCH BAG RED RETROSPOT | 0.011 | 0.797 | 9.296 |
| JUMBO BAG VINTAGE LEAF... | JUMBO BAG RED RETROSPOT | 0.012 | 0.796 | 7.551 |
| LUNCH BAG WOODLAND, BAG... | LUNCH BAG RED RETROSPOT | 0.011 | 0.789 | 9.203 |
| JUMBO BAG PEARS, JUMBO... | JUMBO BAG APPLES | 0.011 | 0.788 | 16.106 |
| JUMBO BAG SCANDINAVIAN... | JUMBO BAG RED RETROSPOT | 0.011 | 0.785 | 7.447 |
| GREEN REGENCY TEACUP... | ROSES REGENCY TEACUP AND S... | 0.036 | 0.779 | 15.334 |
- Antecedents: Estes são os itens que constituem o ponto de partida para a análise. Em outras palavras, eles estão presentes na cesta antes que o item consequente seja comprado.
- Consequents: Esses são os itens que são prováveis de serem comprados após os antecedentes.
- Regra de associação: Se os antecedentes estiverem presentes na cesta, é provável que o consequente seja comprado.
- Support: O suporte mede com que frequência os itens de uma regra (tanto antecedentes quanto consequentes) aparecem juntos no conjunto de dados. É a proporção de transações em que os itens são comprados juntos.
- Confidence: Esta é uma medida da probabilidade de o item consequente ser comprado quando o item antecedente já está na cesta.
- Lift: O lift mede o grau de associação entre os itens antecedentes e consequentes, levando em consideração a probabilidade de compra padrão do item consequente. Um valor de lift maior que 1 indica uma associação positiva, o que significa que os itens têm mais probabilidade de serem comprados juntos do que independentemente.
1. Construir uma matriz de utilidade
- A matriz de utilidade é uma matriz que contém o número de vezes que um item foi comprado (
quantity) por cada cliente
2. Calcular a similaridade entre os clientes usando cosine similarity
- A similaridade de cosseno é uma métrica que mede a similaridade entre dois vetores
3. Criar um dataframe que contenha a matriz de similaridade
- Clientes como linhas e colunas com seus valores de similaridade na matriz
4. Gerar recomendações para cada cliente
- O objetivo é recomendar dois produtos com base nos seus três clientes mais similares
- Obter os k clientes mais similares
- Obter os produtos comprados pelos clientes semelhantes
- Queremos apenas os produtos que não foram comprados
- Recomendar os principais n produtos que não foram comprados
5. Criar um dataframe preliminar com as recomendações para cada cliente
| Cliente | Produto 1 | Produto 2 |
|---|---|---|
| 12347 | WRAP 50'S CHRISTMAS | 10 COLOUR SPACEBOY PEN |
| 12349 | GIRLS VINTAGE TIN SEASIDE BUCKET | RED RETROSPOT WRAP |
| 12350 | BLACK STITCHED WALL CLOCK | PACK OF 12 LONDON TISSUES |
| 12352 | WALL TIDY RETROSPOT | CERAMIC BOWL WITH LOVE HEART DESIGN |
| 12353 | HANGING HEART MIRROR DECORATION | MINI CAKE STAND T-LIGHT HOLDER |
| 12354 | JUMBO BAG PINK VINTAGE PAISLEY | JUMBO BAG RED RETROSPOT |
| 12355 | WHITE SAGE INCENSE | COLOURED GLASS STAR T-LIGHT HOLDER |
| 12356 | STRAWBERRY CERAMIC TRINKET POT | SET 20 NAPKINS FAIRY CAKES DESIGN |
| 12357 | HAND WARMER BIRD DESIGN | PLASTERS IN TIN VINTAGE PAISLEY |
| 12358 | BLACK/BLUE POLKADOT UMBRELLA | RED RETROSPOT UMBRELLA |
| 12360 | GINGERBREAD MAN COOKIE CUTTER | CHILDREN'S APRON DOLLY GIRL |
| 12361 | LUNCH BOX I LOVE LONDON | LUNCH BAG PINK POLKADOT |
| 12362 | SPACEBOY GIFT WRAP | FOLKART STAR CHRISTMAS DECORATIONS |
| 12363 | RED RETROSPOT TAPE | SET 40 HEART SHAPE PETIT FOUR CASES |
| 12364 | MAGIC DRAWING SLATE SPACEBOY | BIRTHDAY BANQUET GIFT WRAP |
- Com os resultados gerados pela Análise de Cesta de Mercado e pelo Sistema de Recomendação, a empresa Rex London está munida com as informações necessárias para aprimorar a experiência de seus clientes e impulsionar as vendas de seus produtos.
- Construção de um Dashboard interativo
- Análise de Cesta de Mercado:
- input: produto antecedente
- output: produto consequente
- Sistema de Recomendação:
- input: cliente
- output: dois produtos que o cliente ainda não comprou e pode comprar
- Análise de Cesta de Mercado: