UNICE ENSINO SUPERIOR

FCTFOR FACULDADE DE CINCIAS TECNOLGICAS DE

FORTALEZA
GRADUAO EM ANLISE E DESENVOLVIMENTO DE SISTEMAS

















SISTEMAS DE RECOMENDAO E A PERSONALIZAO
DO COMRCIO ELETRNICO VAREJISTA






ABNER AUGUSTO LIMA DE OLIVEIRA











Fortaleza CE
2012.1
ABNER AUGUSTO LIMA DE OLIVEIRA




















SISTEMAS DE RECOMENDAO E A PERSONALIZAO
DO COMRCIO ELETRNICO VAREJISTA






Trabalho acadmico apresentada UNICE
Ensino Superior / FCTFOR Faculdade de
Cincias Tecnolgicas de Fortaleza como requisito
necessrio concluso da graduao no curso de
anlise e desenvolvimento de sistemas, sob a
orientao do Prof. Esp. Elifrnio Alves Cruz.






Fortaleza CE
2012.1
Monografia apresentada como requisito necessrio para a obteno do
Grau de Tecnlogo em anlise e desenvolvimento de sistemas. A
citao a qualquer trecho desta monografia permitida desde que em
conformidade com as normas da tica cientfica.

____________________________________
Abner Augusto Lima de Oliveira


Monografia apresentada em: ______/_____/_______





Orientador Prof. Esp. Elifrnio Alves Cruz



1 Examinador Prof. Dra. Terezinha de Jesus Afonso Tartuce



2 Examinador Prof. Esp. Ccero Leonardo S. Braga



Coordenadora do Curso Prof. Esp. Fernanda Caroline Pinheiro Pinto

























Dedico este trabalho a minha av Rita Valentim,
que sempre me incentivou ao estudo e a minha
me Marlucia Lima pelas oportunidades que me
proporcionou.


























O homem no nada alm daquilo que a
educao faz dele
Immanuel Kant
RESUMO


Com o crescimento do comrcio eletrnico, diversas empresas
passaram a oferecer servios personalizados para seus clientes
contratando empresas para implement-las ou desenvolvendo suas
tecnologias prprias. Recomendar produtos, informaes e servios no
uma das tarefas mais fceis de se realizar no ambiente virtual, pois
enorme a quantidade de informaes disponvel na Internet. A
recomendao personalizada de um produto ou servio imprescindvel
na hora de fidelizar o cliente. Para aplicar as estratgias de
personalizao, as empresas passaram a utilizar tcnicas de sistemas
de recomendao para aumentar o nvel de personalizao. O trabalho
descreve as tcnicas de personalizao com o foco no comrcio
eletrnico de negcio a consumidor, conhecido como B2C, alm das
tcnicas e algoritmos de recomendao em propriamente ditas. As
tcnicas de sistemas de recomendao mais comuns so a filtragem
colaborativa, a filtragem baseada em contedo, os sistemas hbridos, a
minerao de dados dentre outras. Sempre com objetivo de aumentar o
lucro da loja e e fidelizar seus clientes as empresas utilizam diversas
tcnicas de recomendao como listas de recomendao genricas,
comentrios e avaliaes de usurios e formas mais profundas como a
personalizao baseada em hbitos de consumo da populao de
usurios.

Palavras-chave: Personalizao; Sistemas de recomendao;
Comrcio eletrnico; Minerao de dados.

SUMRIO


INTRODUO ........................................................................................ 9

1.COMRCIO ELETRNICO ............................................................... 12
1.1 Modalidades do comrcio eletrnico ............................................. 17
1.1.1 Comrcio eletrnico negcio a negcio B2B..................... 17
1.1.2 Comrcio eletrnico consumidor a consumidor C2C ........ 19
1.1.3 Governo eletrnico e-Government .................................... 20
1.1.4 Comrcio eletrnico negcio a consumidor B2C .............. 21
1.2 Estratgias de personalizao ...................................................... 23
1.2.1 Listas de recomendaes genricas .................................... 23
1.2.2 Comentrios e avaliaes de usurios ................................ 24
1.2.3 Recomendaes por associao de produtos ..................... 26
1.2.4 Personalizao profunda ..................................................... 27

2.SISTEMAS DE RECOMENDAO ................................................... 29
2.1 Sistemas de recomendao aplicado ao comrcio eletrnico ....... 30
2.2 Classificao dos sistemas de recomendao .............................. 34
2.2.1 Entrada e sada ................................................................... 36
2.2.2 Mtodos de recomendao ................................................. 37
2.2.3 Outros aspectos................................................................... 39

3.TCNICAS DE SISTEMAS DE RECOMENDAO .......................... 41
3.1 Filtragem colaborativa ................................................................... 41
3.1.1 Vantagens e desvantagens da tcnica ................................ 46
3.2 Filtragem baseada em contedo ................................................... 47
3.2.1 Vantagens e desvantagens da tcnica ................................ 47
3.3 Sistemas hbridos ......................................................................... 49
3.3.1 Classificao dos sistemas hbridos .................................... 50

4. PESQUISA DE CAMPO .................................................................... 55
4.1 Mtodo ........................................................................................... 55
4.2 Universo da pesquisa .................................................................... 56
4.3 Perfil dos respondentes ................................................................. 56
4.4 Apresentao dos dados ............................................................... 57
4.5 Anlise dos resultados ................................................................... 65

5. CONCLUSO ................................................................................... 68
6. BIBLIOGRAFIA ................................................................................. 70
7. FONTES ............................................................................................ 72
8. ANEXO A .......................................................................................... 73
9. ANEXO B .......................................................................................... 74






INTRODUO


O desenvolvimento da internet, cada vez mais, altera o
estilo de vida da populao como um todo. A evoluo transforma as
formas de comunicao e altera os modos de se realizar transaes
comerciais, tudo est se tornando eletrnico. A forma de interagir e de
obter informaes mudou completamente.

A evoluo da rede mundial tem influncia direta no
desenvolvimento do comrcio eletrnico, assim as lojas virtuais tambm
se especializaram com o passar do tempo, agregando mais recursos,
deixando o site mais rico, mais agradvel e chamativo. Com o intuito de
aumentar a lucratividade e fidelizar clientes, foi inserido o conceito de
personalizao nas lojas de varejo eletrnico.

A personalizao implementada com o uso de
sistemas de recomendao, que sugerem aos clientes produtos das
formas mais variadas, levando em considerao seus gostos.

O trabalho busca responder a seguinte problemtica: O
uso de sistemas de recomendao em lojas virtuais, pode alavancar as
vendas, aumentando a lucratividade e tambm fidelizar clientes?

Com o avano das tecnologias relacionadas internet,
pode-se levantar a hiptese de que a aplicao dos conceitos de
filtragem colaborativa, filtragem baseada em contedo e minerao de
dados, alm das estratgias de negcios podem auxiliar na soluo do
problema.
10


Sendo assim, este trabalho tem como objetivo geral
mostrar as estratgias de recomendao, como funciona a
implementao dos sistemas de recomendao e as vantagens na
utilizao da personalizao.

O trabalho explana sobre a personalizao dos sites de
comrcio eletrnico de varejo com o uso de sistemas de recomendao,
definindo algoritmos e tcnicas desses sistemas.

A monografia est estruturada em quatro captulos, a
saber:

No captulo 1 aborda-se alguns conceitos de comrcio
eletrnico e estratgias de personalizao utilizadas no varejo
eletrnico.

No captulo 2 so passados conceitos de sistemas de
recomendao e suas classificaes.

No captulo 3 so expostas as tcnicas de
recomendao, vantagens e desvantagens na utilizao das tcnicas e
alguns algoritmos usados para recomendao.

No captulo 4 so apresentados os dados da pesquisa,
perfil do respondente, mtodo de aplicao e a anlise dos dados. Essa
pesquisa tem como intuito fundamentar o trabalho.

11


Sendo assim disposto, o trabalho visa destacar a
relevncia da personalizao e o uso de sistemas de recomendao no
comrcio eletrnico varejista.


















12


1. COMRCIO ELETRNICO


O comrcio sempre esteve presente desde que
surgiram as primeiras sociedades. Iniciou-se com o escambo, ou seja, a
troca de produtos, e melhorado pelos povos da Mesopotmia que
fizeram expedies em suas embarcaes e introduziram o uso de
metais e pedras preciosas criando assim o conceito de compra e venda.
Os vendedores chegavam a passar anos divulgando seus produtos.

Com a chegada do sculo XX, produtos eletrnicos
comearam a ser produzidos. Houve a criao da Internet, gerada a
partir de um projeto militar do exrcito dos Estados Unidos, a
ARPANET,
1
durante a guerra fria. No restam dvidas de que a Internet
seja um dos mais importantes veculos de comunicao, com
atualizaes em tempo real e de expanso constante.

De acordo com CAMPOS,
2
comrcio eletrnico
tambm pode ser chamado de e-commerce, que a abreviao, do
ingls eletronic commerce. Com o passar dos anos seu conceito foi
mudando de significado. Originalmente e-commerce como as facilidades
de transaes comerciais realizadas utilizando-se tecnologia como a de
troca eletrnica de dados EDI Eletronic Data Interchange que
apareceu na dcada de 1970. A troca eletrnica de dados consiste no
envio de documentos comerciais, tais como ordem de compra e
confirmaes de pagamentos de forma eletrnica.


1
Advanced Research and Projects Agency Agncia de Pesquisas em Projetos Avanados.
2
Thiago Prado de Campos. Como se faz comrcio eletrnico. 2006, p. 2.
13


As empresas na tentativa de incrementar o processo de
vendas e excluir o intermedirio, de fazer uma melhor apresentao de
seus produtos e de quebrar as barreiras geogrficas, utilizaram-se da
evoluo das tecnologias da Internet e criaram suas lojas virtuais
ampliando o nmero de consumidores dos seus produtos e servios.

Segundo VENETIANER,
3
o comrcio eletrnico o
conjunto de todas as transaes comerciais efetuadas por uma firma,
com o objetivo de atender, de forma direta ou indireta, seus clientes,
utilizando para tanto as facilidades de comunicao e transferncia de
dados mediadas pela rede mundial Internet.


O crescimento do nmero de compradores online
sempre esteve diretamente ligado com a velocidade de conexo.
medida que a banda de transmisso de dados evolui, as lojas podem
explorar novas funcionalidades que requerem mais recursos,
aumentando suas vendas.

O comrcio eletrnico atualmente bastante amplo
sendo aplicado no somente por meio de computadores, mas tambm
por meio de celulares, tablets
4
, TVs digitais, dentre outros aparelhos
eletrnicos com acesso internet, no se podendo esquecer-se dos
novos fomentos como os sites de compra coletiva e as vendas pelas
redes sociais, principalmente o Facebook.


3
Tom Venetianer. Como vender seu peixe na internet: um guia prtico de marketing e comrcio
eletrnico. 2000, p. 208.
4
Tablet um dispositivo pessoal em formato de prancheta que pode ser usado para acesso
Internet, vizualizao de vdeos e fotos, leitura de livros e outras formas entretenimento.
14


Para RAYPORT e SVIOKLA,
5
todos os negcios hoje
em dia competem em dois mundos: um mundo fsico, de recursos e
gerentes que podem ser vistos e manipulados e, um mundo virtual, feito
de informao. O segundo tem possibilitado o crescimento do comrcio
eletrnico, ao qual os autores se referem como marketspace, para
distingui-lo do mundo fsico, que denominado marketplace. Eles
definem marketspace como sendo uma rea virtual onde produtos e
servios existem como informao digital e podem ser comprados por
meio de canais baseados em informao.

Segundo pesquisa realizada pelo IBOPE Nielsen
Online,
6
que foi realizada nos meses de setembro e outubro de 2011, os
sites de comrcio eletrnico chegaram a 32,3 milhes de usurios
nicos. O maior aumento ocorreu nas lojas de varejo, que atingiram 27,5
milhes de pessoas, ou 58,8% do total de usurios ativos do ms.

Sites de lojas de calados, de roupas e outros
acessrios de moda estiveram entre os principais responsveis pelo
aumento da navegao no comrcio eletrnico em outubro. Em
setembro, 8,2 milhes de pessoas navegaram nas dez maiores lojas
online de calados; em outubro, esse nmero subiu para 10,5 milhes.

Esses nmeros demonstram que o comrcio
eletrnico est em plena ascenso e os consumidores esto deixando
de receio com relao a essa modalidade de comrcio eletrnico.


5
Jeffrey F.Rayport.; John J. Sviokla apud Thiago Prado de Campos. Op. Cit. p. 2.
6
IBOPE Nielsen Online. Comrcio eletrnico atingiu 32 milhes de usurios. Disponvel em:
http://www.ibope.com.br/calandraWeb/servlet/CalandraRedirect?temp=5&proj=PortalIBOPE&pub=T&
db=caldb&comp=IBOPE+Nielsen+Online&docid=73D8346F3A8348BC83257956003913DF. Acesso
em: 14/mar/2012.(a)
15


Tabela 1. Comrcio eletrnico e suas subcategorias evoluo do
nmero de usurios nicos em milhares, no Brasil setembro e
outubro de 2011.
Set/11 Out/11
Usurios
nicos
(000)
Alcance Usurios
nicos (000)
Alcance
Comrcio Eletrnico 30.892 66,7% 32.305 69,2%
Lojas de varejo 25.886 55,9% 27.455 58,8%
Leiles/classificados 18.922 40,9% 19.624 42,0%
Cupons/recompensas 17.747 38,3% 18.594 39,8%
Comparadores/shopping/guias 16.202 35,0% 17.175 36,8%
Gratuitos/promocionais 461 1.0% 814 1,7%

Fonte:IBOPE Nielsen Online. Comrcio eletrnico atingiu 32 milhes de usurios.
Disponvel em:
http://www.ibope.com.br/calandraWeb/servlet/CalandraRedirect?temp=5&proj=Portal
IBOPE&pub=T&db=caldb&comp=IBOPE+Nielsen+Online&docid=73D8346F3A8348
BC83257956003913DF. Acesso em 06/mar/2012.

O nmero total de usurios ativos de internet cresceu
em outubro de 2011. Das 61,2 milhes de pessoas com acesso em casa
ou no local de trabalho; 46,7 milhes foram usurios ativos em outubro,
o que significou um crescimento de 0,8% em relao ao ms de
setembro e de 11,9% sobre 41,7 milhes de outubro de 2010. Segundo
o IBOPE Nielsen Online
7


De acordo com o autor em questo, os cinco setores
mais visualizados pelos internautas nas vitrines das 25 maiores lojas
online do pas foram, na ordem: eletroeletrnico, vesturio e txtil,
cultura, casa e decorao, e informtica. J as trs categorias mais
buscadas pelos internautas, ou seja, produtos observados em detalhe
foram: telefonia mvel, calados e notebooks. O comrcio eletrnico no

7
IBOPE Nielsen Online. Comrcio eletrnico: avaliao 360. Disponvel em:
http://www.ibope.com.br/calandraWeb/servlet/CalandraRedirect?temp=5&proj=PortalIBOPE&pub=T&
db=caldb&comp=IBOPE+Nielsen+Online&docid=73D8346F3A8348BC83257956003913DF Acesso
em: 06/mar/2012.(b)
16


Brasil vem amadurecendo a cada dia e atualmente, com 15 anos de
experincia, vem demandando cada vez mais informaes estratgicas
para tomada de deciso no meio.

Grfico 1. Evoluo do nmero de pessoas com acesso internet
em qualquer ambiente, Brasil comparativo do ltimo trimestre
dos anos de 2009, 2010 e 2011.












Fonte: IBOPE Nielsen Online. Comrcio eletrnico: avaliao 360. Disponvel em:
http://www.ibope.com.br/calandraWeb/servlet/CalandraRedirect?temp=5&proj=Portal
IBOPE&pub=T&db=caldb&comp=IBOPE+Nielsen+Online&docid=73D8346F3A8348
BC83257956003913DF. Acesso em 06/mar/2012.

De acordo com o IBOPE Nielsen Online,
8
o total de
brasileiros com acesso em qualquer ambiente - domiclio, trabalho,
escolas, lan houses ou outros locais - atingiu 78,5 milhes e pessoas no
terceiro trimestre de 2011. Esse nmero representou um crescimento de

8
IBOPE Nielsen Online. Op. Cit. Disponvel em:
http://www.ibope.com.br/calandraWeb/servlet/CalandraRedirect?temp=5&proj=PortalIBOPE&pub=T&
db=caldb&comp=IBOPE+Nielsen+Online&docid=73D8346F3A8348BC83257956003913DF Acesso
em: 06/mar/2012. (b)

17


6% sobre o terceiro trimestre de 2010 e de 18% sobre o terceiro
trimestre de 2009.


1.1 MODALIDADES DE COMRCIO ELETRNICO


O comrcio eletrnico realizado em diversas
modalidades de acordo com as partes da negociao. Em qualquer
dessas modalidades o processo sempre online, o cliente entra no site
encontra o produto e, levando em considerao ou no as
recomendaes propostas, coloca no carrinho de compras e realiza o
pagamento finalizando a compra.

As partes da negociao so os consumidores,
empresas e at o prprio governo, todos podendo ser comprador ou
vendedor.


1.1.1 Comrcio eletrnico negcio a negcio B2B


De acordo com STAIR e REYNOLDS,
9
o comrcio
eletrnico negcio a negcio, do ingls business to business B2B,
um subconjunto do comrcio eletrnico em todos os participantes so
organizaes. O comrcio eletrnico B2B uma ferramenta til para
conectar parceiros de negcios em uma cadeia virtual de suprimentos
para reduzir o tempo de ressuprimento e custos.

9
Ralph M. Stair ; George W. Reynolds. Princpios de sistemas de informaes. 2011, p. 288.
18


O comrcio B2B uma rea na qual as empresas
podem atingir um nvel altssimo em eficincia e na qual podem
satisfazer a necessidade de comprar e vender produtos da forma mais
econmica.

A seguir alguns exemplos de transaes B2B:

- A empresa compra produtos de outras empresas ou vende
regularmente para ela, utilizando a internet ou a extranet, sua rede
privada expandida.

- A empresa realiza licitao para a escolha de sua fornecedora de
suprimentos ou participa como uma candidata fornecedora de
suprimentos.

- A empresa realiza leilo para escolher a fornecedora de matria-
prima, nas condies solicitadas, com o menor preo; ou participa do
leilo como candidata a fornecedora.

- Pequenas empresas compradoras, gerenciadas por um terceiro,
unem-se para realizar uma compra conjunta, em maior escala, de
matria-prima, obtendo expressiva reduo do custo unitrio.
10



As empresas que usam o B2B se tornam mais
eficientes, pois como descrito acima trabalham em conjunto e
implementam solues para toda a cadeia de fornecimento.


10
Ralph M. Stair ; George W. Reynolds. Op. Cit. p. 289.
19



1.1.2 Comrcio eletrnico de consumidor a consumidor C2C


Para STAIR e REYNOLDS,
11
o C2C, vindo do ingls
consumer to consumer um subconjunto do comrcio eletrnico onde
os consumidores vendem diretamente para outros consumidores. Esse
um tipo de negociao direta, ou seja, no envolve produtores e sim
consumidor final com consumidor final, sem intermedirios.

Os negcios nesse tipo de comrcio so realizados em
um portal eletrnico gerenciado por uma empresa que d todo o suporte
tecnolgico e administrativo para que haja a transao. Os usurios
devem estar cadastrados no sistema e podem ser avaliados por todos
os outros membros, os quais levam em conta suas notas recebidas de
transaes anteriores. A sua reputao como vendedor depende de
como foi a sua comunicao com o cliente, se o item foi fiel ao que
estava no anncio ou se o prazo de entrega foi cumprido.

Um dos mais conhecidos sites de comrcio C2C o
eBay, foi fundado em setembro de 1995 por Pierre Omydiar. Atualmente
o maior site de compra e venda de bens do mundo, contando com
mais de 97 milhes de usurios ativos. Seu impacto no mercado
eletrnico incrvel. Em 2010, o valor total dos bens vendidos no eBay
era de 62 bilhes de dlares, mais de 2000 dlares por segundo. No
Brasil o MercadoLivre se destaca no C2C sendo o parceiro do eBay na
Amrica Latina.
12


11
Ralph M. Stair ; George W. Reynolds. Op. Cit. p. 288.
12
eBay. Who we are. Disponvel em: http://www.ebayinc.com/who. Acesso em: 14/mar/2012.
20


1.1.3 Governo eletrnico e-Government


STAIR e REYNOLDS,
13
definem o governo eletrnico
como o uso da tecnologia de informao e comunicaes para
simplificar o compartilhamento de informaes, para acelerar processo
anteriormente baseado em papel impresso e para melhorar o
relacionamento entre cidados e governo.


Os autores citados afirmam que as trs formas de
governo eletrnico so governo a consumidor, G2C, governo a
negcios, G2B e governo a governo, G2G, sendo elas aplicadas de
formas distintas.

O G2C uma relao comercial entre o governo e o
cidado, uma ferramenta para levar ao cidado os diversos servios
do governo. Tem como exemplo o pagamento de impostos e tarifas
pblicas pela internet.

O G2B trata-se de uma relao de negcios entre as
empresas e o governo, tais como preges, licitaes e tomada de
preos realizada pela internet.

As transaes entre governos so dispostas no G2G,
podem ser realizadas horizontalmente, entre governos de mesmo nvel,
ou verticalmente, como a Unio, Estados e Municpios.



13
Ralph M. Stair ; George W. Reynolds. Op. Cit. p. 289.
21


1.1.4 Comrcio eletrnico de negcios a consumidor (B2C)


Os primeiros a ingressar no comrcio eletrnico
negcio a consumidor, do ingls business to consumer B2C
concorriam com lojas varejistas que vendiam seus produtos diretamente
a seus consumidores. Em 1995, a Amazon.com confrontava as grandes
livrarias dos Estados Unidos, porm somente em 2003 a Amazon
tornou-se lucrativa quando abraou outros tipos de produtos. A loja
passou a vender CDs, DVDs, suprimentos para casa e jardim,
dispositivos eletrnicos dentre outros.
14


No Brasil dentre as lojas pioneiras destacam-se, Grupo
Po de Acar, Lojas Americanas, Magazine Luiza e Booknet. Esta
ltima, hoje em dia, conhecida com Submarino, que comprou os ativos
da livraria, juntamente com a carteira de clientes com mais 50 mil
cadastros e a experincia de mais de quatro anos de mercado. Em
2006, o Submarino, as Lojas Americanas e o Shoptime fundiram-se,
criando a B2W Companhia Global de Varejo que atualmente lder
absoluta no segmento vendas on-line no Brasil.
15


O potencial do varejo eletrnico depende de quanto se
pode retirar da internet para criar vantagens competitivas sustentveis.
A seguir observa-se a descrio proposta por STAIR e REYNOLDS
16
de
algumas vantagens da implementao do modelo B2C:


14
Mariana Melo. Amazon. Disponvel em:http://www.casodesucesso.com/?conteudoId=30 Acesso
em: 20/mar/2012.
15
B2W. Comrcio eletrnico no Brasil. Disponvel em: http://www.b2winc.com/institucional/comercio-
eletronico-no-brasil. Acesso em: 14/mar/2012.
16
Ralph M. Stair ; George W. Reynolds. Op. Cit. p. 287.
22


- Comunicao instantnea: comunicao de vrios participantes
dos sistemas de negcios.

- Acesso global: os produtos e servios anunciados pela internet
tm alcance global e proporciona maior acesso aos mercados.

- Personalizao: oferecer produtos e servios em tempo real, de
acordo com a necessidade do cliente. Esse o foco deste trabalho.

- Aumento da disponibilidade: a empresa est disponvel a
qualquer horrio 24 horas por dia, 7 dias por semana e 365 dias por
ano.

- Desintermediao: eliminao das organizaes intermedirias
entre o produtor e o consumidor.

- Colaborao: facilita a automatizao das transaes entre as
empresas. O suporte realizado em tempo real.

As facilidades encontradas nesse tipo de transao so
muitas. Elas alavancam o comrcio eletrnico e potencializam a
personalizao.

Quanto s vantagens na utilizao do comrcio
eletrnico B2C so colocadas juntamente com as estratgias certas de
personalizao e tambm as tcnicas de sistemas de recomendao,
produzem o resultado principal da personalizao, ou seja, a fidelizao
de clientes e aumento da lucratividade.


23


1.2 ESTRATGIAS DE PERSONALIZAO


As estratgias de personalizao so as diversas
formas de se recomendar produtos adequados a cada usurio. Inmeras
informaes podem ser utilizadas para gerar as listas de
recomendaes.

As formas de personalizao aumentam a fidelizao e
como consequncia o aumento do lucro. A seguir, algumas estratgias
de personalizao utilizadas por lojas de varejo eletrnico.


1.2.1 Listas de recomendaes genricas


As listas genricas tm como o objetivo ajudar usurios
novos e no frequentes. Para TORRES,
17
essa estratgia considerada
mais limitada, pois no personaliza os produtos recomendados aos
usurios, e sim recomenda os mesmos itens a todos os usurios visa
ajudar novos usurios a encontrar produtos relevantes na loja.

Para realizar a recomendao, essa estratgia utiliza
clculos estatsticos do site, como opinies dos editores ou produtos
mais vendidos.



17
Roberto Torres. Personalizao na Internet: como descobrir os hbitos de consumo de seus
clientes, fideliz-los e aumentar o lucro do seu negcio. 2004, p. 113.
24


Figura 1. Listas de recomendao genrica.
















Fonte: Americanas.com. Pgina inicial. Disponvel em:
http:\\www.americanas.com.br. Acesso em: 05/mar/2012.

A figura acima demonstra no site da
Americanas.com como geralmente so apresentadas as listas genricas
de recomendaes.


1.2.2 Comentrios e avaliaes de usurios

Esse tipo de estratgia visa obter credibilidade da
comunidade de usurios. Mesmo com o auxlio dos editores, s vezes, o
usurio necessita realmente da opinio de um cliente. Um editor pode

25


incentivar a compra de um produto que pode no satisfazer as
expectativas do usurio, perdendo assim sua credibilidade. Alm disso,
o fato de o gerente do site pertencer loja gera desconfiana.


Figura 2. Comentrios e avaliaes de usurios









Fonte: Extra. Disponvel em http://www.extra.com.br. Acesso em 05/03/2012.

Fonte: Extra. Opinies dos clientes. Disponvel em:
http://www.extra.com.br/Moveis/EscritorioHomeOffice/estacaodetrabalho/Importado-
Estacao-de-Trabalho-Office-Web-Bis-Cinza-Importado-128724.html?cm_re=pagea-_-main-
_-vitrine5 Acesso em: 05/mar/2012.



Sendo assim utilizada uma estratgia na qual os
usurios podem avaliar os itens e dar sua opinio sobre os produtos.
Isso gera um maior nvel de confiana no site j que os comentrios
foram feitos por outros usurios.




26


1.2.3 Recomendaes por associao de produtos
Figura 3. Recomendaes por associaes de produtos.


















Fonte: Americanas.com. Compre Junto. Disponvel em:
http://www.americanas.com.br/produto/7444711/id=eletrodestaque1. Acesso em:
05/mar/2012.

Essa estratgia utilizada para aumentar a venda
casada, ou seja, apresenta produtos que tem relao um com o outro.
Por exemplo, um usurio que se interessa em comprar um notebook
tambm pode querer comprar ao mesmo tempo um roteador Wireless
com isso facilitar o uso da internet no notebook.

Exemplos comuns desse tipo de recomendao so:

27


Compre junto, Quem compra esse item geralmente compra,
Aproveite e leve tambm.


1.2.4 Personalizao profunda


Para TORRES,
18
essa estratgia utiliza dados de
navegao, dados da seo e histrico de compras dos usurios, visa
construir uma relao de longa durao com o cliente fazendo uso de
sofisticadas tcnicas de recomendao como filtragem colaborativa e
filtragem baseada em contedo, para gerar recomendaes relevantes a
seus usurios.

Figura 4. Personalizao profunda.











Fonte: Submarino.com. Pgina inicial. Disponvel em: http://www.submarino.com.br.
Acesso em: 05/mar/2012.

18
Roberto Torres. Op. Cit. p. 115.

28


Nessa primeira parte foram dispostos conceitos sobre
comrcio eletrnico, suas modalidades e diferenas e tambm as
estratgias mais utilizadas pelas lojas de varejo eletrnico para a
implementao da personalizao.

Portanto, o comrcio eletrnico de fundamental
importncia para os negcios seja qual for a modalidade.






















29


2. SISTEMAS DE RECOMENDAO


A cada segundo so gerados milhes de informaes
na Internet por meio de redes sociais, blogs, fruns, lojas virtuais, portais
de contedo dentre tantos outros. Tendo em vista esse grande nmero
de informaes, normal que se tenham dificuldades em encontrar o
que realmente se deseja, ou seja, que a busca lhe traga respostas
confiveis para a resoluo dos seus problemas
19
.

Essa grande quantidade de informao chega a
sobrecarregar o usurio final. Assim, com o decorrer dos anos, foram
criadas novas tecnologias para auxiliar na filtragem, na busca e na
recuperao de informaes dentro da rede mundial de computadores.

Impulsionada pelo crescimento do comrcio eletrnico,
cresce tambm a demanda de informaes sobre o que o consumidor
v, como e onde ele realiza todas essas aes. A compreenso dessas
informaes sobre o comportamento do consumidor o passo mais
importante para o crescimento do comrcio eletrnico no Brasil e o
destaque de lojas nesse meio que a cada dia se torna mais competitivo.

Incontveis produtos so comercializados em grandes
lojas virtuais, como: Amazon, Submarino, Americanas, Extra, Saraiva,
Netshoes, Sacks dentre tantas outras que compem o quadro de
grandes marcas do e-commerce. As empresas sempre divulgaram seus
produtos de forma igual para todos, utilizando recursos como: televiso,

19
Vincius Passos Sousa. Em apenas 60 segundos. Disponvel em:
http://www.tiespecilistas.com.br/2012/03/em-apenas-60-segundos/. Acesso em: 12/abr/2012.
30


rdio, outdoors, anncios em revistas e jornais. Para TORRES,
20
essa
estratgia o marketing de massa que visa alcanar o mximo de
usurios sem levar em considerao as suas preferncias.


Os sistemas de recomendao so utilizados para
identificar usurios, gerar seus perfis de consumo e indicar produtos e
servios que estejam de acordo com as suas preferncias e
necessidades. Os sistemas de recomendao auxiliam as lojas virtuais,
personalizando as buscas de seus clientes ajudando-os a encontrar
bons produtos rapidamente aumentando sua satisfao tendo como
consequncia a fidelizao e o aumento do lucro.


2.1 SISTEMAS DE RECOMENDAO APLICADOS AO COMRCIO
ELETRNICO


Como j foi exposto anteriormente, o comrcio
eletrnico evoluiu e cada vez mais se torna uma ferramenta essencial. O
que antes era uma tentativa de alcanar um novo mercado, hoje em dia
uma disputa entre grandes lojas.

O usurio j no tem mais todo esse receio ao fazer
compras pela internet. A confiana no e-commerce aumentou e agora o
mercado est se expandindo para os celulares, a TV digital, compras
coletivas e tambm nas redes sociais como o Facebook, que tem
aplicativos de vendas e lojas virtuais dentro de seu domnio.

20
Roberto Torres. Op. Cit. p. 24.
31


Com o avano, as empresas tm mais facilidade de
atrair o cliente, pois existem mais canais de comunicao, isso no quer
dizer que a compra ser finalizada. Na internet h uma oferta quase
infindvel de produtos, estes so avaliados e comparados rapidamente,
tudo ao alcance de um clique.

Da surge a necessidade de um sistema que
recomende o produto certo para o cliente, identifique o perfil de
consumo do usurio e gere uma lista de recomendaes, estes
chamados de sistemas de recomendao ou sistemas de
personalizao.

Segundo TORRES,
21
a personalizao uma tcnica
utilizada para recomendar produtos aos consumidores com base em
seus perfis de consumo e sempre referida como a aplicao do
marketing direto na Internet.


A internet o ambiente perfeito para aplicao da
personalizao, j que alguns problemas encontrados em lojas
convencionais podem ser facilmente resolvidos. Tm-se como exemplo
os gastos com a impresso e a disposio de produtos. Sem contar que
os hbitos de navegao e de consumo dos clientes podem ser
rastreados, facilitando a estratgia de venda.

De acordo com TORRES,
22
os sistemas de
personalizao no um software comum que pode ser encontrado em
prateleiras. uma ferramenta que tem integrao com banco de dados

21
Roberto Torres. Op. Cit. p. 25.
22
Idem. Ibidem. p 33.
32


e tem que ser editado para cada negcio. Podendo levar algum tempo
para personalizar a loja virtual.

TORRES
23
ainda ressalta as etapas necessrias para
realizar a personalizao do site de comrcio eletrnico de acordo com
os usurios. Essas etapas so: identificar o cliente, descobrir os hbitos
de consumo e gerar recomendaes.

- Identificando o cliente

Para recomendar o produto certo a um cliente o sistema tem
que reconhecer esse usurio. So duas formas de identificar o usurio:
utilizando os cookies ou realizando o login.

Figura 5. A utilizao dos cookies





Fonte: Extra. Disponvel em http://www.extra.com.br. Acesso em 07/03/2012.

Fonte: Extra. Pgina inicial. Disponvel em: http://www.extra.com.br. Acesso em:
05/mar/2012.


a) Cookies: um arquivo criado pelo site no computador do usurio,
onde so guardadas as preferncias dos usurios. Com os

23
Roberto Torres. Op. Cit. p. 34.

33


cookies, os clientes so identificados automaticamente no
precisando digitar a senha novamente.

b) Login: o processo em que o site identifica e autentica um
usurio, por meio de um nome de usurio e de uma senha
inseridos manualmente.

- Descobrindo os hbitos de consumo

A gerao do perfil do usurio depende diretamente
das manifestaes dele no site. Quanto mais o usurio interage com a
loja virtual mais facilmente suas preferncias podem ser identificadas.
Se um cliente costuma acessar muito a rea de filmes nacionais, o
sistema passa a recomendar filmes nacionais para esse cliente. O perfil
do usurio definido pela sua preferncia de cinema.

O autor em questo afirma que para definir o perfil de
um usurio existem duas formas: a extrao de perfil implcita e a
explcita. A implcita definida pela extrao automtica do perfil do
usurio, monitorando seus hbitos de consumo e navegao. A extrao
explcita nessa forma o usurio responsvel por informar ao sistema
quais so as suas preferncias.

- Gerando recomendaes

O autor tambm afirma que, para o sistema gerar a
lista de recomendaes, o usurio tem que realizar alguma ao no site
como, por exemplo: adicionar produtos cesta de compras e ou solicitar
recomendaes explicitamente. O sistema vai fazer uso de tcnicas de
34


inteligncia artificial para identificar o melhor produto para o usurio em
questo.

Figura 6. Gerando recomendaes

Fonte: Roberto Torres, Personalizao da Internet: como descobrir os hbitos
de consumo de seus usurios, fideliz-los e aumento o lucro do seu negcio. 2004.
p.38.

Vale a pena ressaltar que a lista gerada composta
por produtos similares ao perfil dos usurios e no interessante
recomendar produtos que o usurio j consumiu. Por exemplo, o cliente
que j comprou toda a coleo do Harry Potter, possivelmente no ter
necessidade de adquirir um novo volume.


2.2 CLASSIFICAO DOS SISTEMAS DE RECOMENDAO


Vrios autores propuseram diversas classificaes,
colocando em evidncia os usurios e outros os sistemas como um
35


todo. SCHAFER
24
desenvolveu uma taxonomia bastante completa,
considerando diversas caractersticas de um sistema de recomendao.
Essa classificao dividida em trs grandes blocos: o de entrada e
sada, o de mtodos de recomendao e outro que abrange as formas
como as recomendaes so apresentadas aos usurios e o grau de
personalizao.

Figura 7. Classificao dos sistemas de recomendao.

Fonte: Roberto Torres, Personalizao da Internet: como descobrir os hbitos
de consumo de seus usurios, fideliz-los e aumento do lucro do seu negcio. 2004.
p. 42.


24
B. Schafer. MetaLens: a framework for multi-source recommendations, in Computer Science. 2001.
p. 375.
36


A figura dispe o processo de recomendao em sites
personalizados e como a cada item de classificao se encaixa nesse
processo. Nela demonstrado o modelo de TORRES.
25



2.2.1 Entrada e Sada


Esse bloco classifica o fluxo das informaes dentro do
sistema de recomendao. Conforme TORRES
26
so utilizados trs
tipos de informao:

- Informaes do usurio-alvo

Quanto mais informaes existirem em relao ao
usurio, maior ser a chance de identificar o padro de comportamento
e gerar melhores recomendaes. So exemplos de informaes: dados
demogrficos, ou seja, idade, sexo, localizao dentre outros.

Como j foi visto as informaes podem ser extradas
de forma implcita ou explcita.

- Informaes da comunidade de usurios

So utilizadas tcnicas como minerao de dados e
filtragem colaborativa, para determinar padres de comportamento dos
usurios e listar as recomendaes da melhor forma possvel.

25
Roberto Torres. Op. Cit. p. 41.
26
Roberto Torres. Op. Cit. p. 42.
37



Geralmente so usadas trs tipos de informaes da
comunidade: a popularidade do item, que no chega a ser
personalizado, pois todos os usurios recebem as mesmas ofertas, os
comentrios de textos, que so opinies de outros usurios e as
avaliaes, onde os usurios do pontuaes aos itens de acordo com
nvel de satisfao que tem com o produto.

- Formas de oferecer uma recomendao

Usualmente se oferece uma recomendao com um
link do tipo: Temos uma mensagem pra voc. Existem outras tcnicas
que recomendam e trazem maiores chances de que o usurio aceite
oferta. Uma boa ideia junto com as recomendaes tambm oferecer
cupom de descontos.

As tcnicas utilizam as informaes do usurio-alvo e
as informaes retiradas da comunidade para gerar uma oferta, ou seja,
calcula-se a similaridade do perfil do usurio em relao ao produto
considerando as popularidades do item, as resenhas e avaliaes feitas
pela comunidade.


2.2.2 Mtodos de recomendao

TORRES
27
descreve os mtodos de recomendao em:
seleo manual, resumos estatsticos, baseado em atributos, correlao
item-para-item, correlao usurio-para-usurio.

27
Roberto Torres Op. Cit. p. 49.
38



- Seleo manual: nesse mtodo, os editores levam em
considerao suas prprias idias e o conhecimento que tem
sobre a comunidade de usurios.

- Resumos estatsticos: so extradas informaes como o
nmero de vendas ou o ndice de satisfao para gerar
recomendaes.

- Baseado em atributos: essa tcnica utiliza as caractersticas para
gerar recomendaes. Por exemplo, um lanamento pode ser
ofertado a um usurio que j comprou outros livros de mesmo
autor.

- Correlao item-para-item: nesse caso, so ofertados produtos
que se associam com o produto desejado pelo cliente, isto , uma
venda casada. Geralmente ofertado no carrinho de compra
durante a finalizao da transao.

- Correlao usurio-para-usurio: os produtos so
recomendados de acordo com a similaridade entre os perfis de
usurios.

Essas so algumas formas de recomendaes que
podem ser usadas em sites de comrcio eletrnico, estando a critrio de
a loja virtual escolher a melhor forma de acordo com suas estratgias de
negcio.

39


2.2.3 Outros aspectos


Alm dos aspectos j citados, o autor em questo, leva
em considerao tambm o grau de personalizao e a entrega de
recomendaes. O grau de personalizao define as
recomendaes como: no personalizada, efmera ou persistente.

- No-personalizada: quando o editor escolhe as recomendaes,
isso , quando a recomendao feita por seleo manual ou
resumos estatsticos.

- Efmera: baseado nas aes do usurio no momento. a
utilizao de dados de navegao e correlao item-para-item.

- Persistente: quando se gera uma recomendao com maior
grau de personalizao, que leva em considerao os histricos
de consumo dos usurios. Evolui com a mudana de hbitos do
usurio.
28


Tabela 2: Grau de personalizao X mtodos de recomendao

Grau de personalizao Mtodos de recomendao
No-personalizada Seleo manual, resumos estatsticos.
Efmera Item-para-item e baseada em atributos
Persistente Usurio-para-usurio
Fonte: E. B. Reategui; S. C. Cazella. Sistemas de recomendao. In: XXV
Congresso da Sociedade Brasileira de Computao. 2005. p. 329.

28
Roberto Torres Op. Cit. p. 52.
40


Os mtodos de como as recomendaes so dispostas
para os usurios, um fator muito importante na estratgia de
personalizao. O autor supracitado classificou as formas de entrega de
recomendaes em: push, pull e orgnica.

- Push: dessa forma, a entrega de recomendao feita sem que o
usurio solicite ao sistema. Janelas de pop-up
29
e email de
marketing so exemplos dessa tcnica.

- Pull: nesse caso o usurio deve solicitar ao sistema as
recomendaes. Geralmente so usados links indicando
recomendaes.

- Orgnica: a loja recomenda produtos ao usurio sem avisar. Os
produtos so colocados juntos ao restante do contedo do site,
sendo assim o usurio pode no perceber a personalizao.

Para realizar a classificao dos sistemas de
recomendao necessrio definir bem os conceitos de entrada e sada
de dados, mtodos de recomendao, como feita a entrega das
recomendaes e aspectos relevantes para a implementao da
personalizao.






29
Pop-up uma janela extra que abre no navegador ao visitar uma pgina web. geralmente
utilizado como meio de propaganda.
41


3. TCNICAS DE SISTEMA DE RECOMENDAO


As principais tcnicas utilizadas para gerao de
recomendaes so: a filtragem colaborativa FC; a filtragem baseada
em contedo FBC; sistemas hbridos e minerao de dados. Alm
delas, h diversas outras que podem ser utilizadas, como rvores de
deciso, sistemas multiagentes, redes bayesianas, raciocnio baseado
em casos, e regras associativas.


3.1 FILTRAGEM COLABORATIVA


A filtragem colaborativa parte da ideia do que acontece
diariamente, ou seja, para uma tomada de deciso geralmente se pede
uma opinio de alguma outra pessoa que j utilizou o mesmo produto.

Para REATEGUI e CAZELLA,
30
os sistemas de
filtragem colaborativa simples apresentam a seus usurios apenas
mdias das pontuaes dos produtos que lhe chamam ateno. Essa
pontuao permite ao usurio identificar quais produtos a comunidade
tem maior preferncia ou menos interesse. Sistemas mais avanados
descobrem de maneira automtica as similaridades entre os usurios,
baseado na descoberta de padres comuns de consumo. Sendo assim
o sistema utiliza essas pontuaes para achar pessoas com gostos
parecidos.

30
E. B. Reategui; S. C. Cazella. Sistemas de recomendao. In: XXV Congresso da Sociedade
Brasileira de Computao. 2005, p. 317.
42


Essas pontuaes so expressas por um nmero
inteiro, geralmente de 1 a 5 ou 1 a 7 e quanto maior o nmero mais
afinidade o usurio tem com o produto.

De acordo com TORRES,
31
a filtragem colaborativa
uma tcnica de recomendao de produtos que utiliza a similaridade
entre os usurios para gerar recomendaes. A tcnica constituda de
trs etapas: medir a similaridade entre os usurios, criar vizinhanas e
gerar recomendaes.

O perfil de cada usurio representado pelo conjunto
das avaliaes fornecidas anteriormente. gerado um vetor com as
avaliaes. Por exemplo: Mariana comprou 5 produtos em uma loja
virtual e avaliou o primeiro com 5, o segundo com 7, o terceiro com 3 e
assim por diante. No final seu vetor ficou Mariana [5, 7, 3, 0,4].


Tabela 4. Exemplo de matriz de avaliaes.
A B C D E F G H I
Felipe 1 3 1 7 2
Carlos 5 1 2 2 1 7 1 5
Jos 1 5 6 4 3 1 2 2
Laura 6 5 4 1 2 5 2
Maria 1 2 5 6 5 3
Fonte: Roberto Torres, Personalizao da Internet: como descobrir os hbitos de
consumo de seus usurios, fideliz-los e aumento o lucro do seu negcio. 2004. p.
61.


31
Roberto Torres. Op. Cit. p. 58.
43


De acordo com a matriz o produto que Felipe e Carlos mais
gostaram foi o produto F, avaliando-o com 7. Tambm tiveram a mesma
escolha em relao ao produto E, que foi marcado com 1 por ambos. Os
espaos em branco correspondem a produtos no consumidos.

Para definir no computador a similaridade entre usurios
utilizado um clculo matemtico. REATEGUI e CAZELLA,
32
indicam o
coeficiente de Pearson, como melhor tcnica para medir essa
similaridade.

De acordo com TORRES,
33
o coeficiente de Pearson mede a
fora do relacionamento entre duas variveis, nesse caso os vetores
que representam os perfis dos usurios, por meio de um valor entre
[-1; 1], onde -1 indica o menor grau de correlao entre as variveis e 1,
a mxima correlao. O clculo feito de acordo com frmula a seguir:

Quadro 1. Coeficiente de Pearson




Fonte: E. B. Reategui; S. C. Cazella. Sistemas de recomendao. In: XXV
Congresso da Sociedade Brasileira de Computao. 2005. p. 335.

Determinado u, r
a,i
a avaliao que o usurio ativo deu para o item i, e

a
a mdia todas as avaliaes do usurio ativo. Parar calcular as
similaridades so computados somente os itens que ambos avaliaram.


32
E. B. Reategui; S. C. Cazella. Op. Cit. 2005, p. 318.
33
Roberto Torres. Op. Cit. p. 63.

=

|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
m
i
u
r
i u
r
m
i
a
r
i a
r
m
i
u
r
i u
r
a
r
i a
r
u a
W
1
2
,
1
2
,
1
,
*
,
,

44


Depois de calculadas a similaridades dos perfis,
necessrio identificar como os usurios sero agrupados, pois cada
usurio possui um grupo diferente de vizinhos, que resultam em
recomendaes realmente personalizadas. TORRES
34
define duas
formas de se determinar vizinhanas e o da similaridade que utiliza o
coeficiente de Pearson para determinar vizinhos, ou seja, se dois
usurios tem correlao maior ou igual a 0,3 tornam-se vizinhos. O outro
mtodo o do nmero de vizinhos, onde se usa um nmero mximo de
usurios para formar a vizinhana, sem se preocupar com o grau de
correlao entre eles, o que pode gerar recomendaes sem qualidade.


3.1.1 Vantagens e desvantagens da tcnica


TORRES
35
descreve trs vantagens que se tem ao trabalhar
com filtragem colaborativa, so elas:

- Independncia de contedo: o sistema baseado em avaliaes
que os usurios fornecem e podem ser utilizadas para qualquer
tipo de produto.

- Recomendao de acordo com o gosto dos usurios: as
avaliaes que os usurios fornecem so mensuradas e
expressam seu gosto de acordo com a qualificao, seja ela, alta
ou baixa. Tcnicas que utilizam textos no tem como extrair
qualificaes de forma bem sucedida.

34
Roberto Torres. Op. Cit. p. 66.
35
Idem. Ibidem. p. 68.
45



- Serendipity: como as recomendaes so geradas a partir dos
hbitos de consumo dos usurios, o sistema oferece
recomendaes inesperadas, porm boas.

REATEGUI e CAZELLA
36
definem trs desvantagens
na utilizao da filtragem colaborativa.

- O primeiro avaliador: quando o item novo no banco de dados
no h nenhuma forma de recomendar o produto a um usurio
at as informaes sejam obtidas por meio de outro usurio.

- Pontuaes esparsas: se o nmero de usurios for reduzido em
relao ao volume de informaes no sistema existe a
possibilidade das pontuaes tornarem-se esparsas.

- Similaridade: se um usurio tiver gostos fora do comum, suas
recomendaes podem se tornar pobres.

Pde-se observar que a filtragem colaborativa que a
filtragem colaborativa pode ser utilizada para a recomendao de
produtos e automatizao do processo que ocorre na vida real, ou seja,
a usurio que d a sua opinio a respeito sobre um determinado
produto, aumentam as possibilidades de um cliente posterior realizar
uma compra com sucesso.



36
E. B. Reategui; S. C. Cazella. Op. Cit. p. 318.
46


3.2. FILTRAGEM BASEADA EM CONTEDO


A filtragem baseada em contedo se distingue da
filtragem colaborativa, pois mede a similaridade entre produtos em vez
de gerar recomendaes pela similaridade de usurios. Essa tcnica
mais utilizada para produtos textuais, em outros domnios, como udio e
vdeo, no uma tarefa das mais fceis.

Para TORRES,
37
o processo de recomendao por
filtragem baseada em contedo constitudo por trs componentes
principais: o sistema de recomendao, o perfil do usurio e o
repositrio de texto. O sistema de recomendao faz o casamento do
perfil do usurio com cada texto do repositrio. E para cada texto
calculada uma similaridade com o perfil do usurio, por fim quando
todos os clculos forem realizados, os textos que tiverem maior grau
similaridade com o perfil do usurio sero recomendados.

O autor define a filtragem baseada em contedo como,
(...) a tcnica de recomendao de produtos que utiliza a similaridade
entre produtos para gerar recomendaes. Geralmente, utilizada para
recomendar textos.
38


A tcnica mais utilizada para mensurar a similaridade
entre texto foi proposta por SALTON e BUCKLEY
39
conhecida como
TF-IDF Term-frequency Inverse-Document-Frequecy. A tcnica o

37
Roberto Torres. Op. Cit. p. 75.
38
Idem. Ibidem. p. 75.
39
G. Salton; Christopher Buckley. Information Processing and Management. In: Term wheighting
approaches in automatic text retrieval 1988 p. 513.
47


nmero de palavras em comum, a discriminao de cada palavra na
coleo de documentos e o tamanho de documentos.


3.2.1 Vantagens e desvantagens da tcnica


Duas vantagens se destacam em benefcio do uso da
filtragem baseada em contedo: no possui o problema do primeiro
avaliador, que uma das desvantagens da filtragem colaborativa j
citada anteriormente e a outra a possibilidade de recomendar todos os
itens, pois todos eles so comparados com o perfil do usurio.

Dentre as desvantagens a primeira a impossibilidade
de analisar contedos no textuais. Segunda no levar em
considerao a qualidade do texto e do autor. E a terceira
superespecializao, pois recomenda sempre textos muito parecidos.
40



3.3 SISTEMAS HBRIDOS


Os tpicos anteriores descreveram duas tcnicas
utilizadas para a implementao de sistemas de recomendao, todas
visando recomendar produtos de acordo com seus hbitos de consumo
e dados demogrficos.


40
Roberto Torres. Op. Cit. p. 84.
48


Cada uma dessas tcnicas tem vantagens e
desvantagens e so aplicadas em diferentes domnios. E de acordo com
o que foi descritos nas tcnicas anteriores possvel perceber que as
vantagens e desvantagens de filtragem colaborativa e filtragem baseada
em contedo so complementares, isso , a vantagem de uma a
desvantagem da outra. Isso sugere que as duas possam se unir para
atingir melhores resultados.

A Tabela 6 descreve as vantagens e desvantagens da
filtragem colaborativa e a filtragem baseada em contedo.

Tabela 6: Vantagens e desvantagens FC e FBC
Vantagens Desvantagens
Filtragem
colaborativa
Independncia de contedo Primeiro avaliador
Uso de qualidade e gosto
Serendipity Esparsidade
Filtragem baseada
em contedo
No h problema do primeiro avaliador Dependncia de contedo
No usa gostos e qualidade
No h esparsidade Superespecializao
Fonte: E. B. Reategui; S. C. Cazella. Sistemas de recomendao. In: XXV Congresso da
Sociedade Brasileira de Computao. 2005 p. 337.

A FBC - Filtragem baseada em contedo tem
dependncia de contedo - atua somente com textos, enquanto a FC -
filtragem colaborativa - depende apenas da avaliao dos usurios,
podendo recomendar qualquer tipo de produto. A filtragem colaborativa
faz anlises subjetivas dos usurios, por meio das avaliaes
fornecidas, enquanto a filtragem baseada em contedo no tem
condies de realizar essa tarefa. A filtragem colaborativa no tem
problemas com superespecializao, pois como a recomendao
gerada pela anlise do perfil do usurio, assim diferentes itens que um
usurio consumiu podem ser indicados para outros, mesmo que no
49


tenham sidos pesquisados produtos similares. Isso conhecido por
serendipity.
41



3.3.1 Classificao dos sistemas hbridos


BURKE
42
classificou os sistemas hbridos levando em
considerao a forma como podem ser combinadas tcnicas quaisquer.
Para o autor, as tcnicas podem ser combinadas da seguinte forma:
ponderada, alternadas, cascata, combinao de caractersticas,
aumento de caracterstica, misto, meta-level.

- Ponderado: A similaridade de um item computada a partir de
uma combinao de vrias tcnicas de recomendao, com
diferentes pesos para cada uma delas.

- Alternado: O sistema utiliza um critrio para alternar a tcnica que
gera a recomendao.

- Cascata: Uma tcnica de recomendao refina as
recomendaes fornecidas por outra tcnica.

- Combinao de caractersticas: Atributos de diferentes dados
so utilizados em nico algoritmo.


41
Roberto Torres. Op. Cit. p. 76.
42
R. Burke. Hybrid recommender systems: survey and experiments. 2002, p. 331.
50


- Aumento de caractersticas: As recomendaes geradas por
uma tcnica de recomendao so utilizadas como entrada de
outra tcnica.

- Misto: Recomendaes de vrias tcnicas so apresentadas na
mesma lista.

- Meta-level: O modelo aprendido por uma tcnica de
recomendao utilizado como informao de entrada para outra
tcnica.

TORRES
43
afirma que o nico problema encontrado na
utilizao de filtragem colaborativa juntamente com filtragem baseada
em contedo o start-up, ou seja, o sistema no possui uma base de
dados com hbitos de consumo do usurio, so utilizadas informaes
cadastrais ou produtos mais vendidos at que sejam realizadas
interaes suficientes da comunidade com o sistema de recomendao.


3.4 MINERAO DE DADOS


COSTA
44
afirma que o processo de minerao de
dados uma etapa de um processo ainda maior, conhecido por
Descoberta de Conhecimento em Base de Dados, ou em ingls,
Knowledge Discovery in Databases KDD.


43
Roberto Torres. Op. Cit. p. 97.
44
Rodrigo B. R. Costa. Aplicao do processo de minerao de dados para auxlio gesto do
pronto-socorro de clnica mdica do Hospital Universitrio de Braslia. 2007, p. 12.
51


Segundo COSTA,
45
na base da pirmide esto os
dados que so contedos gravados em tabelas dentro dos Sistemas
Gerenciadores de Banco de Dados SGBD e que requerem
conhecimento de analista para obter um tratamento. A partir das
informaes geradas do tratamento dos dados possvel extrair
informaes mais completas, o conhecimento. Finalmente no pice da
pirmide, as decises, que so tomadas por humanos aps serem
realizadas as tcnicas de minerao de dados.

Figura 8. Processo de tomada de decises.

Fonte: Rodrigo B. R. Costa. Apicao do processo de minerao de dados para
auxlio gesto do pronto-socorro de clnica mdica do Hospital Universitrio de
Braslia. 2007, p. 12.

Para ELMASRI e NAVATHE,
46
minerao de dados
refere-se minerao ou descoberta de novas informaes em termos
de padres ou regras com base em grandes quantidades de dados.

45
Rodrigo B. R. Costa. Op. Cit. 2007, p. 13.
46
R. Elmasri; Shamkant B. Navathe. Sistemas de banco de dados. 2011, p. 699.
52


Para ser til a minerao de dados deve ser efetuada de modo eficiente
em grandes arquivos e banco de dados.

Os autores citados defendem que os objetivos
principais da minerao de dados so dispostos nas seguintes classes:
previso, identificao, classificao e otimizao.

- Previso: a minerao de dados pode mostrar como certos
atributos dos dados se comportaro no futuro. A anlise pode
prever que os consumidores compraro um produto se for
apresentado um desconto ou em certo perodo.

- Identificao: os padres podem identificar a existncia de um
item, um evento ou uma atividade. Podem ser utilizada em rea da
gentica para identificar uma sequncia de genes.

- Classificao: a minerao de dados pode dividir os dados em
classes ou categorias distintas que podem ser identificadas por
parmetros. Os consumidores podem ser classificados como: os
que buscam descontos, com pressa, regulares dentre outros.

- Otimizao: um dos objetivos visa otimizar recursos como tempo,
espao, dinheiro, maximizar vendas e a lucratividade.

O conhecimento adquirido durante a minerao de
dados pode ser representado de formas variadas pode ser disposto em
regras, rvores de deciso, redes semnticas, redes neurais ou
hierarquia de classes. ELMASRI e NAVATHE,
47
descrevem o

47
R. Elmasri; Shamkant B. Navathe. Op. Cit. p. 701.
53


conhecimento descoberto durante a minerao de dados da seguinte
forma:

- Regras de associao: essas regras correlacionam a presena
de um item com outra faixa de valores dentro de um conjunto
variveis. Se um usurio compra sapatos ele provavelmente
comprar sapatos.

- Hierarquia de classes: trabalham partindo de um conjunto
existente de transaes ou eventos para criar uma hierarquia de
classes. Por exemplo, usam os histricos de transaes de uma
populao para classific-la em nveis de risco, ou seja, o cliente
tem risco fraco, risco mdio, risco grave.

- Padres sequenciais: buscada uma sequncia de eventos ou
aes. a deteco de eventos que tem relacionamentos
temporais. Um cliente passou por uma cirurgia, adquiriu uma
doena e provavelmente ter outra.

- Padres dentro de srie temporal: similaridades so detectadas
dentro de uma sequncia de dados avaliados em intervalos
regulares. Dois produtos apresentam o mesmo padro de vendas
no vero, mas no no inverno.

- Agrupamentos: determina que uma populao possa ser
segmentada em elementos similares. Por exemplo, a diviso de
uma populao em sete grupos variando dos melhores
compradores aos piores compradores.


54


3.4.1 Aplicaes da minerao de dados


A minerao de dados utilizada em diversas reas e
numa grande variedade de contexto sempre focalizando a tomada de
decises. ELMASRI e NAVATHE
48
descrevem as reas que tem mais
ganhos significativos com a utilizao da minerao de dados como:

- Marketing: em geral feita a anlise do comportamento do
consumidor com base nos hbitos de consumo. So determinadas
estratgias de marketing e personalizao, email direcionado,
segmentao de clientes dentre outras.

- Finanas: as aplicaes incluem anlise de crdito, anlise de
desempenho financeiro de ttulos e deteco de fraudes.

- Manufatura: layouts e projetos de produtos, como carros,
baseado no perfil do cliente so as formas mais aplicadas da
minerao de dados nessa rea.

- Sade: Algumas aplicaes so as descobertas de padres em
imagens radiolgicas, relacionar genes de acordo com as
doenas, otimizao de processo em hospitais.

Tendo em vista que a minerao de dados uma rea
nova e de grande potencial, ela est sendo alvo de estudo em muitos
trabalhos cientficos.


48
R. Elmasri; Shamkant B. Navathe. Op. Cit. p. 715.
55


4. PESQUISA DE CAMPO


A pesquisa de campo foi utilizada nesse estudo como
forma de coletar informaes e traar um perfil do consumidor do varejo
eletrnico e sua relao com a personalizao existente em lojas
virtuais.

Segundo LIMA,

A pesquisa de campo pressupe a apreenso dos
fatos/variveis investigados, exatamente onde, quando e como
ocorrem. Nessas circunstncias, o pesquisador deve definir o
que e como ir apreender a realidade, considerando as
especificidades do que est investigando.
49


O objetivo principal da pesquisa foi verificar a relao
dos usurios de varejo eletrnico e a utilizao de sistemas de
recomendao. Como tambm sua influncia na lucratividade e
fidelizao de clientes.


4.1 MTODO


A pesquisa foi aplicada por meio do mtodo
quantitativo com a utilizao do instrumento de pesquisa o questionrio
de 13 perguntas. Participaram da pesquisa usurios de lojas virtuais de
vrias faixas etrias.


49
Manolita Correia Lima. Monografia: a engenharia da produo acadmica. 2008, p. 70.
56


LIMA
50
afirma que, o questionrio uma tcnica de
coleta de dados utilizada em pesquisas de campo para observar a direta
realidade de forma extensiva razo pela qual est associada fortemente
abordagem quantitativa.


4.2 UNIVERSO DA PESQUISA


O universo da pesquisa de campo foi realizado em
lojas virtuais diversas. Sendo uma amostra de 112 usurios, que j
realizaram pelo menos uma compra. A pesquisa foi realiza no perodo
de 9 a 13 de abril de 2012, aplicada via email.


4.3 PERFIL DOS RESPONDENTES


A pesquisa teve um total de 112 respondentes, em
relao ao gnero foi bem equilibrado, sendo 58% masculino e 48%
feminino. A amostra foi dividida em faixas etrias, tendo uma maior
quantidade as de 18 a 25 anos, com 54% do total e 26 a 30 anos com
32% da populao. Do total 77% so solteiros e 48% dos respondentes
tem nvel de escolaridade superior. A maioria dos participantes da
pesquisa, 53%, acessam a internet em casa e 43% acessam tanto em
casa quanto no trabalho.



50
Manolita Correia Lima.Op. Cit. p. 71.
57


4.4 APRESENTAO DOS DADOS


Os resultados obtidos na pesquisa sero
apresentados em formas de grfico, para que se possa ter maior
entendimento dos dados conseguidos com a aplicao do questionrio.

Questo 6. Voc costuma realizar compras em lojas virtuais?
Grfico 1. Compras Online


No Grfico 1, dentre todos os participantes da
pesquisa, 37% no tem o hbito de comprar pela internet e 63%
costumam realizar compras em lojas virtuais. Percebe-se que a maioria
dos respondentes so usurios de comrcio eletrnico.



63%
37%
Sim
No
58


Questo 7. Se respondeu no, por qual motivo?
Grfico 2. motivos para no comprar no varejo eletrnico.




Foi questionado por quais motivos o usurio no se
sente vontade de realizar compras online. O Grfico 2 apresenta
percentuais bem equilibrados. A resposta mais comum foi o medo de
no receber a mercadoria com 31%, depois outros problemas quaisquer
e insegurana no pagamento, com 26% e 23% respectivamente, logo
aps o fato de no sentir prazer na compra online e o medo de se
arrepender ambos com 10%.

As formas de pagamentos no foram citadas pelos
respondentes como impedimento para compras online.


23%
31%
0%
10%
10%
26%
Insegurana no pagamento
Medo de no receber a
mercadoria
Formas de pagamentos
No sente prazer
Medo de se arrepender
Outros
59


Questo 8. Se respondeu sim, com que frequncia?
Grfico 3. Frequncia de compras.



Das pessoas que realizam compras no comrcio
eletrnico 41% realizam compras a cada trs meses, ou seja, realizou
pelo menos uma compra no ltimo trimestre, 28% compram pela internet
mensalmente, 5% realizam pelo menos uma compra online por semana,
14% realizam compras diariamente e 12% anualmente, conforme o
Grfico 3.

Se juntarmos as parcelas dos que realizam compras
trimestralmente e mensalmente obtm-se quase 70% da populao.

A unio dos consumidores dirios e dos consumidores
semanais cera de 19% da amostra.

14%
5%
28%
41%
12%
Diariamente
Semanalmente
Mensalmente
Trimestralmente
Anualmente
60


Questo 9. Se respondeu no, por qual motivo?
Grfico 4. Itens mais comprados




O Grfico 4 demonstra que entre os respondentes
32% realizam outros tipos de produtos alm dos citados na pesquisa,
13% optam por livros para realizar suas compras online, 6% compram
CDs e DVDs. Perfumaria leva 5% da opo dos pesquisados e
eletrodomsticos, 4%. Utenslios domsticos e de cama, mesa e banho
2% e 1% respectivamente.

Os produtos eletrnicos so a preferncia dos
consumidores, 37% dos respondentes escolhem esses produtos na hora
de realizar suas compras online.

6%
37%
0%
4%
5%
1%
13%
2%
32%
Cds e Dvds
Eletrnicos
Revelao Fotogrfica
Eletrodomstico
Perfumaria
Cama, mesa e Banho
Livros
Utenslios domsticos
Outros
61


Questo 10. Utilizando a internet, onde voc compra mais?
Grfico 5. Locais de compras.



Foi questionado na pesquisa onde os usurios
realizam suas compras e, de acordo com o Grfico 5 44% do total
optam por realizar compras em grandes lojas virtuais, 32% realizam
suas compras por meio de sites de compra coletiva, 9% dos
pesquisados usam sites como eBay.com e MercadoLivre para realizar
suas compras online, 1% realiza compras por sites de anncios de
classificados e 14% utilizam outros mtodos de negociao online.

importante avaliar os locais de compra dos usurios,
para que se possam definir as modalidades reais de comrcio eletrnico
da pesquisa de campo.


44%
32%
9%
1%
14%
Grandes lojas virtuais
Sites de compra coletiva
Sites de leiles
Sites de anncios
Outros
62


Questo 11. Voc leva em considerao ofertas proposta pela loja
virtual?
Grfico 6. Aceitao das recomendaes.



O Grfico 6 mostra que 40% dos respondentes s
vezes levam em considerao as ofertas, 31% afirmam que no se
influenciam pelas propostas do site, 17% do total de pesquisados
realizam suas buscas influenciados pela recomendaes e 8% afirmam
nunca terem recebido qualquer forma de recomendao.

Essa questo avalia a aceitao das ofertas propostas
pelas lojas virtuais e verifica se os consumidores interagem com os
sistemas de recomendao.




8%
35%
40%
17%
Nunca recebi recomendaes
J recebi mas no deixo
influenciar
s vezes
Sim, elas me ajudam a
escolher
63


Questo 12. Voc costuma acessar links de recomendaes?
Grfico 7. Aceitao dos links.



Nas lojas virtuais so expostos links referentes a
ofertas personalizadas como: "Confira essas ofertas personalizadas" e
"Produtos recomendados para voc e sua famlia. O Grfico 7 mostra o
nvel de aceitao desses links, sendo assim, 65% dos pesquisados
utilizam poucas vezes os links, 17% no perceberam esses links na
vitrine da loja, 13% afirmam utilizar os links muitas vezes para auxiliar
nas suas compras e 5% utilizam sempre as recomendaes da loja
virtual expostas em forma de links.

Esse questionamento verifica como a interao dos
usurios com o sistema de recomendao, ou seja, se o usurio usa
links genricos ou personalizao profunda. A questo avalia as formas
de recomendao.
17%
65%
13%
5%
Nunca percebi esses links
Poucas vezes
Muitas vezes
Sempre
64


Questo 13. Os produtos ofertados pelas lojas virtuais se
enquadram nos seus hbitos de consumo?
Grfico 8. Recomendaes e os hbitos de consumo.




O GRFICO 8., mostra a relao das ofertas e os
hbitos de consumo dos usurios de lojas virtuais de varejo eletrnico.
O resultado mostra que 77% dos pesquisados acham as ofertas boas,
6% afirmam que as ofertas sempre se enquadram no seu perfil de
consumo, 10% s recebem ofertas que no as agradam e 7% nunca
receberam qualquer tipo de recomendao.

Os grficos foram apresentados para tornar mais fcil
o entendimento e a anlise dos dados apurados pela pesquisa. Para
7%
10%
77%
6%
Nunca recebi recomendaes
No, somente recebo ofertas
que no me agradam
Algumas ofertas so boas
Sempre as ofertas se
enquadram no meu perfil de
consumo
65


que se possa mostrar o real desempenho das estratgias de
recomendao necessria uma anlise mais aprofundada dessa
amostra.


4.5 ANLISE DOS RESULTADOS


A pesquisa foi focada na utilizao de estratgias de
personalizao dentro do comrcio eletrnico de varejo no intuito de
verificar a real influncia dos sistemas de recomendao dentro das
lojas virtuais, como forma de aumentar a lucratividade e fidelizao de
clientes.

O comrcio eletrnico j representa uma fatia
importante do mercado. Vrios atrativos como o conforto, segurana e
ampla diversidade de produtos na internet vm atraindo cada vez mais
compradores. Isso percebido na pesquisa, pois os dados colhidos
revelam que grande parte da amostra realiza compras online.

Para efetivar uma melhor anlise dos dados, foram
realizados alguns relacionamentos entre as perguntas que traam o
perfil do pesquisado e as que tm foco no assunto.

A pesquisa teve um nmero equilibrado entre homens
e mulheres, com isso pode se perceber que, dos pesquisados que
realizam compras online, 57% so do sexo masculino e 43% so do
sexo feminino.

66


Os pesquisados com grau de escolaridade superior e
mdio juntos somam quase todos os respondentes, cerca de 65%
realizam frequentemente compras pela internet. Desses, a grande
maioria est contida na faixa etria de 18 a 30 anos. Isso mostra que os
jovens so mais propensos a realizar compras online.

Os usurios que ainda no realizam compras online
no o fazem principalmente pelo medo de no receber a mercadoria e a
insegurana no pagamento. Essa fatia de usurios ainda se abstm do
comrcio eletrnico por se preocuparem com sua privacidade e
segurana, por terem receio de fornecer informaes pessoais ou de
usar o carto de crdito pela internet, assim como, no confiar no
produto que iro receber.

Relacionando-se o gnero e onde o pesquisado
realiza suas compras, pde-se perceber que cerca de 49% dos homens
realizam suas compras em grandes lojas virtuais, enquanto as mulheres
se dividem entre compras coletivas, 39% do total das pesquisadas e as
grandes lojas com 37% das respondentes.

O sucesso de sites de compras coletivas est no fato
de usurios geograficamente dispersos que tem interesse no mesmo
produto ou servio poderem acessar facilmente via web em um nico
lugar. Com isso esse segmento vem tomando espao no varejo
eletrnico.

A pesquisa questiona se o consumidor leva em
considerao as ofertas da loja virtual e percebe-se com os dados
apresentados que, 57% dos usurios observam e aceitam as
67


recomendaes da loja. Uma parte de 35% percebe que est sendo
incentivada ao consumo, mas prefere no aderir e somente 8% no
percebe a personalizao.

Diante desses nmeros, pode-se dizer que 92% da
amostra percebe a personalizao e boa parte desses consumidores,
que o sistema de recomendao pode lhe auxiliar na melhor escolha do
produto.

Em relao aos links que so usados para
recomendar pde-se observar que 65% utilizam poucas vezes e apenas
18% utilizam essa forma de recomendao. Como foi disposto nas
estratgias de personalizao, existem diversas formas de efetuar a
recomendao e uma delas so as listas de recomendaes genricas.
Elas so usadas quando no se tem informaes sobre os hbitos dos
usurios. Sendo assim, dentro da fatia dos consumidores que no
utilizam as listas genricas podem conter usurios que so
personalizados implicitamente.

Foi questionado na pesquisa se os produtos
recomendados nas lojas virtuais so adequados aos seus hbitos de
consumo. A grande maioria, 77%, acha que algumas recomendaes
so boas e outros 6% afirmam que a personalizao se enquadra
perfeitamente no seu perfil de consumo.

Esses nmeros mostram que os sistemas de
recomendao, no geral, tem um resultado positivo e podem ajudar a
resolver a problemtica desse trabalho, ou seja, o aumento da
lucratividade e a fidelizao dos clientes no varejo eletrnico.
68


CONCLUSO


Esse trabalho serve de base principalmente para
empresas de comrcio eletrnico que querem implantar a
personalizao em seu domnio.

Contudo, o trabalho foi elaborado para ser utilizado
como base de conhecimento para profissionais evolvidos em projetos de
marketing, direto, publicitrio, web designers, programadores,
estudantes de informtica ou de marketing.

As tcnicas propostas aqui tm como objetivo auxiliar
empreendedores a otimizar suas lojas virtuais, criar um programa de
fidelidade, criar um sistemas avaliao de produtos, ou seja, gerar
diferenciais no seu negcio.

importante destacar que tcnicas de personalizao
economizam muito o tempo do usurio, por isso, fundamental para o
usurio que seja exibidos produtos de interesse dele, e no de outros
que no sejam relevantes.

Atualmente com os aparelhos celulares cada vez mais
robustos, grande parte munida de GPS - Sistema de Posicionamento
Global - os sistemas de recomendao podem ser utilizados em novas
tendncias, ou seja, integrar os hbitos de consumo dos usurios com
seu posicionamento global e recomendar produtos ou servios
exclusivos.

69


Em geral, a maioria das tcnicas discutidas no
trabalho pode ser utilizada para novas tecnologias como recomendao
por GPS ou celulares. Contudo, pesquisas devem ser realizadas para
fundamentar a integrao dessas tecnologias com a personalizao.

Definitivamente, a personalizao tem sido utilizada
por diversas lojas para ajudar usurios novos e no frequentes a realizar
compras com eficincia, obter credibilidade da comunidade de usurios,
aumentar a venda casada, construir relacionamentos de longa durao,
ou seja, tratar o cliente de forma diferenciada.

De acordo com o que foi exposto e fundamentado
pela pesquisa de campo, pode-se afirmar que, as estratgias de
personalizao aumentam a fidelidade dos usurios e,
consequentemente, aumentam o lucro da empresa.














70


BIBLIOGRAFIA


BURKE, R; Hybrid recommender systems: survey and experiments. In:
User modeling and user-adapted interaction. Volume 12, 4a., p. 331-370,
2002.

CAMPOS, Thiago Prado de. Como se faz comrcio eletrnico. Londrina:
2006, 48f., Monografia (Especializao em Desenvolvimento de
Aplicaes para web). Universidade Estadual de Londrina.

COSTA, Rodrigo B. Ribeiro. Aplicao do Processo de Minerao de
Dados para Auxlio Gesto do Pronto-Socorro de Clnica Mdica do
Hospital Universitrio de Braslia. Braslia 2007, 82 f.
Monografia(Graduao em cincias da computao). Universidade de
Braslia.

ELMASRI, Ramez.; NAVATHE Shamkant. B. Sistemas de banco de
dados. 6 ed. So Paulo: Pearson, 2011.

LIMA, Manolita Correia. Monografia: a engenharia da produo
acadmica. So Paulo: Saraiva, 2008.


REATEGUI, E. B.; CAZELLA, S. C. Sistemas de Recomendao. In:
XXV Congresso da Sociedade Brasileira de Computao. So Leopoldo:
UNISINOS, 2006.

SCHAFER, B. MetaLens: a framework for multi-sourcing
recommendations. Minneapolis: University of Minnesota, 2001.

SALTON, Gerard; BUCKLEY, Christopher. Information processing and
management. In: Term weighting approaches in automatic text retrieval.
Volume 24. 5 ed. p. 513-523, 1988.

STAIR, Ralph M.; REYNOLDS, George W. Princpios de sistemas de
informaes. So Paulo: Cengage Learning, 2011.

71


TORRES, Roberto. Personalizao na Internet: como descobrir hbitos
de consumo de seus usurios, fideliz-los e aumentar o lucro do seu
negcio. So Paulo: Novatec Editora, 2004.

TURBAN, E.; KING, D. Comrcio Eletrnico: estratgia e gesto. So
Paulo: Prentice Hall, 2004.

VENETIANER, Tom. Como vender seu peixe na internet: Um guia
prtico de marketing e comrcio eletrnico. 4. ed. Rio de Janeiro: Editora
Campus, 2000.





















72


FONTES


B2W. Comrcio eletrnico no Brasil. Disponvel em:
http://www.b2winc.com/institucional/comercio-eletronico-no-brasil.
Acesso em 14/mar/2012.

CETIC. TIC domiclios e usurios 2010 - rea urbana. Disponvel em:
http://www.cetic.br/usuarios/tic/2010/analises.htm Acesso em:
02/abr/2012.

EBAY. Who we are. Disponvel em: http://www.ebayinc.com/who.
Acesso em 14/mar/2012.

Mariana Melo. Amazon. Disponvel
em:http://www.casodesucesso.com/?conteudoId=30 Acesso em:
20/mar/2012.

IBOPE Nielsen Online. Comrcio eletrnico atingiu 32 milhes de
usurios. Disponvel em:
http://www.ibope.com.br/calandraWeb/servlet/CalandraRedirect?temp=5
&proj=PortalIBOPE&pub=T&db=caldb&comp=IBOPE+Nielsen+Online&d
ocid=73D8346F3A8348BC83257956003913DF Acesso em:
14/mar/2012. (a)

______. Comrcio eletrnico: avaliao 360. Disponvel em:
http://www.ibope.com.br/calandraWeb/servlet/CalandraRedirect?temp=5
&proj=PortalIBOPE&pub=T&db=caldb&comp=IBOPE+Nielsen+Online&d
ocid=73D8346F3A8348BC83257956003913DF Acesso em:
14/mar/2012. (b)

Vincius Passos Sousa. Em apenas 60 segundos. Disponvel em:
http://www.tiespecilistas.com.br/2012/03/em-apenas-60-segundos/.
Acesso em: 12/abr/2012.



73


ANEXO A. CARTA DE APRESENTAO

Fortaleza, 09 de abril de 2012

Prezado(s) Senhores(as),

Estou realizando uma pesquisa de campo para a
fundamentao da monografia de Graduao em Tecnlogo em Anlise
e Desenvolvimentos de Sistemas da UNICE - Ensino Superior. O
objetivo principal da pesquisa verificar a relao dos usurios de
varejo eletrnico e a utilizao de sistemas de recomendao. Como
tambm sua influncia na lucratividade e fidelizao de clientes.

O questionrio deve ser respondido somente por
aqueles que j realizaram pelo menos uma compra pela internet.

Tendo em vista as limitaes do cronograma deste
trabalho e prazos bem urgentes, solicito que o preenchimento deste
questionrio seja efetuado at o dia 13 de abril de 2012.

Agradeo, antecipadamente, a colaborao de todos
os respondentes, colocando-me disposio para quaisquer
esclarecimentos que se faam necessrios.

Atenciosamente,

Abner Augusto Lima de Oliveira


74


ANEXO B. QUESTIONRIO

1. Gnero
( ) Masculino
( ) Feminino

2. Em que faixa etria voc se encontra?
( ) 18 a 25 anos
( ) 26 a 30 anos
( ) 31 a 35 anos
( ) 36 a 41 anos
( ) 42 a 50 anos
( ) 50 anos ou mais

3. Qual o seu estado civil?
( ) Solteiro
( ) Casado
( ) Divorciado
( ) Vivo
( ) Outros

4. Qual o seu grau de escolaridade?
( ) Fundamental
( ) Mdio
( ) Superior
( ) Ps-graduao
( ) Mestrado
( ) Doutorado

75


5. Onde voc costuma acessar a internet?
( ) No acessa.
( ) Em casa
( ) No trabalho
( ) Em ambos


6. Voc costuma realizar compras em lojas virtuais?
( ) Sim
( ) No

7. Se respondeu no, qual o motivo?
( ) Insegurana no pagamento
( ) Medo de no receber a mercadoria
( ) No sente prazer
( ) Medo de se arrepender
( ) Outros

8. Se respondeu sim, com que frequncia?
( ) Diariamente
( ) Semanalmente
( ) Mensalmente
( ) Trimestralmente
( ) Semestralmente
( ) Anualmente

9. O que voc compra mais?
( ) CDs e DVDs
( ) Eletrnicos
76


( ) Perfumaria
( ) Cama, mesa e banho
( ) Livros
( ) Utenslios domsticos
( ) Eletrodomsticos
( ) Outros

10. Utilizando a internet, onde voc compra mais?
( ) Grandes lojas virtuais (Americanas, Submarino, Extra dentre outros)
( ) Sites de compra coletiva
( ) Sites de Leiles ( eBay, MercadoLivre)
( ) Sites de anncios ( OLX ou Bomnegcio)
( ) Outros

11. Voc leva em considerao as ofertas propostas pela loja
virtual?
( ) Nunca recebi recomendaes
( ) J recebi, mas no me deixo influenciar
( ) s vezes
( ) Sim, elas me ajudam a escolher melhor

12. Nas vitrines das lojas virtuais so expostos link como:
"Confiras essas ofertas personalizadas", "Compre tambm",
"Produtos recomendados para voc e sua famlia". Voc costuma
acessar esses links?
( ) Nunca percebi esses links
( ) Poucas vezes
( ) Muitas vezes
( ) Sempre
77



13. Voc acha que os produtos recomendados diretamente a voc
se enquadram ao seu perfil de consumo?
( ) Nunca recebi recomendaes
( ) No, somente recebo ofertas que no me agradam
( ) Algumas ofertas so boas
( ) Sempre as ofertas se enquadram ao meu perfil de consumo.