Resumo

O advento de tecnologias emergentes revolucionárias e mudanças sociais relativas a informações disponibilizadas por meio de grandes volumes de dados e o uso inovador das informações já disponíveis dentro das próprias organizações ou mesmo a partir das mídias digitais ou de dados disponibilizados na Web para mineração de dados é um fenômeno recente, complexo, mas muito debatido (Wamba et al., 2017). Dessa percepção, uma premissa assumida no presente trabalho é que o uso da modelagem preditiva deve ser encarado como oportunidade para melhores tomadas de decisão na área do Marketing.

O trabalho se baseia em um conjunto de dados que contém diversos atributos de uma lista de investidores cadastrados no programa Tesouro Direto do Tesouro Nacional.Segundo Provost e Fawcett (2013), provavelmente, as aplicações mais claras de técnicas de mineração de dados estão no marketing, especialmente para facilitar o como marketing direcionado, a publicidade on-line e as recomendações para vendas cruzadas. A partir dessa visão o presente trabalho busca apontar por oportunidades na área do marketing usando de uma base de dados pública.

As análises preditivas com foco nos clientes podem transformar dados estruturados, ou não estruturados, em informações estratégicas, mas para tal elas exigem um conhecimento profundo de técnicas de modelagem de Marketing para predição de respostas de mercado, otimização de marketing-mix e personalização (Wedel & Kannan, 2016). O tradicional "4Ps" de marketing (preço, produto, promoção e praça) pode ser ajustado para melhor atender o cliente - preço único baseado em padrões de consumo, ou produto exclusivo que se adapte às necessidades do cliente, ou entrega em um momento e lugar que se adapte.

A metodologia utilizada na pesquisa segue os moldes utilizados em outras pesquisas que utilizam o processo CRISP-DM (Provost & Fawcett, 2013). Na presente pesquisa o algoritimo, ctree do pacote R chamado “party”, em questão foi utilizado para determinar quais atributos podem determinar se a conta do investidor operou nos últimos 12 meses.

O resultado do teste t demostrou que os investidores que ativos, possuem idade em média 34.8 anos, já os inativos possuem média significantemente diferente, p-value menor 0.001, com média de 39.7 anos. Sendo possível extrair informação mais útil para uma possível campanha de Marketing entre os ativos ou entre os inativos. Já a árvore de indução obteve uma acurácia de 0.7927546, consideravelmente maior que os 50% de uma avaliação randômica.

Foram encontrados dois perfis em evidência no grupo de investidores ativos, sendo estes: “Solteiro, com média de 30 anos de idade” e “Casado com média de idade de 35 anos”. Neste cenário, e retornando ao pressuposto de que o nível de competitividade do mercado cresce de forma cada vez mais acelerada, a clara identificação de perfis como os encontrados facilitam à tomada de decisão por parte dos gestores.

Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2009). Analise multivariada de dados. (Bookman, Ed.), Bookman (6th ed.). Porto Alegre: Bookman. Provost, F., & Fawcett, T. (2013). Data Science for Business (1st ed.). Sebastopol, CA: O’Reilly Media, Inc. https://doi.org/10.1007/s13398-014-0173-7.2 Wedel, M., & Kannan, P. K. (2016). Marketing Analytics for Data-Rich Environments. Journal of Marketing, 80(6), 97–121. https://doi.org/10.1509/jm.15.0413