A adoção do comércio eletrônico e dos serviços de nuvem podem potencializar as oportunidades e, consequentemente, aumentar o desempenho das empresas no contexto da economia digital. Porém, há ainda uma dificuldade de inserção ou de alcance para empreendedores de menor porte, no que a startup brasileira Olist assume o papel de intermediar o lojista e os grandes marketplaces aumentando o alcance e automatizando processos. Desta forma, o objetivo geral desta pesquisa é identificar os fatores que impactam no review score dado pelo consumidor após a realização da compra via Olist Store, em algum marketplace, por meio da análise de dados e aplicação do modelo de Machine Learning para prever a nota baseada em CSAT. A pesquisa tem natureza preditiva, uma vez que consiste na aplicação de algoritmos para compreender a estrutura dos dados existentes e gerar regras de predição, e utilizou algoritmos de Machine Learning para analisar dados secundários obtidos de fontes abertas e de acesso público. As técnicas de Machine Learning, Random Forest e Feature Importance foram empregadas e tem um importante papel na interpretação de padrões em um grande volume de dados, assim como no auxílio a solução de problemas complexos. Como resultado, verificou-se que a variável expected_diff, que representa a diferença de dias entre a data que estava prevista para a chegada do produto e a data que realmente chegou, é a de maior importância para todas as categorias, com destaque para beleza/saúde e brinquedos. Por fim, concluiu-se que é de suma importância que empresas que desejam obter vantagem competitiva no ramo do comércio eletrônico invistam em uma boa logística.
Complete tool for submission, evaluation and publication of proceedings for scientific events.
