5. APLICAÇÕES PARA O MERCADO DE
PUBLICAÇÕES
• Distribuição nos pontos de venda
• Retenção em assinaturas
• Engajamento nos sites
6. DESAFIO: Diminuição do encalhe nos
pontos de venda
Informações consideradas:
• Todo o histórico de venda do produto por ponto de venda
• Características do produto
• Características da região
• Condições climáticas
Resultados
• Fatores que influenciam a venda
• Demanda ótima prevista = menor
encalhe possível, sem impactar
nas vendas
7. DESAFIO: Redução do cancelamento de
assinantes
Informações consideradas:
• Todo o histórico transicional
• Cadeia de eventos
• Características do assinante
Resultados:
• Variáveis que influenciam o
cancelamento
• Ações em pontos críticos
• Propensão individual de saída de cada
assinante
• Otimização das ações de retenção
8. DESAFIO: Aumentar page views
Informações consideradas:
• Todo o histórico de navegação (Leituras prévias, Amostras de textos, Conteúdos
adquiridos, etc.)
• Perfil do usuário
Resultados:
• Similaridade de comportamento
• Ferramenta com algoritmo de
recomendação de conteúdo digital –
machine learning
Probabilidade de ler “política” dado que
(homem, 40 anos, capital - SP, classe C, lê
esporte)
Aumento no Lifetime Value
Redução do TMA
Adequação de estratégias de acordo com o perfil do cliente
Todo o histórico de venda do produto por ponto de venda
Características do produto (assunto, cor da capa, tipo de foto)
Características da região (PEA, População circulante, Renda, Perfil ideológico, Índice de criminalidade, etc.)
Condições climáticas
Todo o histórico transicional - produtos adquiridos, valores gastos, contatos no atendimento (gravações – humor, tipo de atendente), etc.
Cadeia de eventos - reclamações, pagamentos, canal de entrada, etc.
Características do assinante – idade, sexo, região, perfil ideológico e penetração da concorrência
Todo o histórico de navegação - Leituras prévias e Amostras de textos