Predicting customer response to cross-market discounts using ensemble methods

Filipe Carlos Neves Mota

doi:10.34626/9fwa-3w81

Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/89669

Full metadata record

DC Field	Value	Language
dc.creator	Filipe Carlos Neves Mota
dc.date.accessioned	2025-11-06T07:32:03Z	-
dc.date.available	2025-11-06T07:32:03Z	-
dc.date.issued	2015-07-10
dc.date.submitted	2015-07-28
dc.identifier.other	sigarra:35407
dc.identifier.uri	https://hdl.handle.net/10216/89669	-
dc.description	A globalização dos mercados e o crescente número de empresas tem tornado a área do retalho extremamente competitiva. Esta realidade é transversal aos vários setores de retalho, como são exemplo o sector do vestuário, eletrodomésticos, alimentação, etc. Para se manterem competitivas, as empresas de retalho têm procurado novas formas de captar a atenção do público. Diferentes técnicas publicitárias e descontos são exemplos de estratégias utilizadas para atrair novos clientes e para preservar os atuais. Uma das novas técnicas utilizadas consiste no recurso aos denominados Cross-Market Discounts. Estes consistem em duas empresas, com um público-alvo semelhante, que oferecem descontos interligados, isto é, ao efetuar um transação na primeira empresa esta emitirá um cupão de desconto para ser utilizado numa transação na segunda empresa. O objetivo desta tese é construir modelos que permitam à empresa em estudo prever a resposta dos seus clientes a este tipo de campanhas. A empresa em estudo trata-se de uma empresa de retalho alimentar e que tem uma parceria com uma gasolineira. Os modelos serão suportados por diversas técnicas de data mining, e por forma a melhorar a performance destas técnicas, serão implementados métodos ensemble. O contributo desta tese passa pela implementação de métodos ensemble por forma a melhorar os modelos de previsão da adesão aos Cross-Market Discounts.
dc.description.abstract	The globalization of markets and the growing number of companies increased the competition between retail companies. This reality affects all sectores of retail, from clothing to grocery. New ways to keep and gain customers help the companies staying competitives. Diferent strategies like publicity and discounts are examples of tecnics used by the companies. One of the most recent tecniques is called cross-market discounts. This strategy consists of offering linked discounts in unrelated markets that have the same target customers but are not in direct competition with each other. The purpose of this thesis is to build models that allow the company predict the response of customers to the cross-market discounts. The company in study is a grocery retailer with a partnership with a gas company. The models will be supported by several data mining techniques and to enhace the performance, ensemble methods will be used. The contribution of this thesis is the implementation of ensemble methods in order to improve the models that predict the response to the cross-market discounts.
dc.language.iso	eng
dc.rights	openAccess
dc.subject	Engenharia electrotécnica, electrónica e informática
dc.subject	Electrical engineering, Electronic engineering, Information engineering
dc.title	Predicting customer response to cross-market discounts using ensemble methods
dc.type	Dissertação
dc.contributor.uporto	Faculdade de Engenharia
dc.identifier.doi	10.34626/9fwa-3w81
dc.identifier.tid	201303060
dc.subject.fos	Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
dc.subject.fos	Engineering and technology::Electrical engineering, Electronic engineering, Information engineering
thesis.degree.discipline	Mestrado Integrado em Engenharia Informática e Computação
thesis.degree.grantor	Faculdade de Engenharia
thesis.degree.grantor	Universidade do Porto
thesis.degree.level	1
Appears in Collections:	FEUP - Dissertação

Files in This Item:

File	Description	Size	Format
35407.pdf	Predicting customer response to cross-market discounts using ensemble methods	1.55 MB	Adobe PDF	View/Open

Show simple item record Recommend this item Display Statistics