Publicação: Previsão de vendas em marketplace com modelos multi-outputs: estudo de caso olist
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
O comércio eletrônico no Brasil tem apresentado um crescimento significativo nos últimos anos, impulsionado pela evolução tecnológica e pelas mudanças no comportamento do consumidor, com os consumidores optando cada vez mais por fazer compras online. Nesse contexto, o Olist, ecossistema que fornece soluções digitais para varejistas, torna-se um dos principais facilitadores para pequenos, médios e grandes comerciantes que desejam expandir seus negócios no ambiente digital. Olist fornece uma plataforma integrada que otimiza a gestão de vendas e permite a conexão com grandes mercados, aumentando assim a visibilidade e a receita do cliente.O objetivo deste trabalho é prever o volume semanal de vendas, ou seja, o número de itens vendidos por semana em diferentes produtos do catálogo da Olist, utilizando modelos de aprendizado de máquina e redes neurais. Foram comparados os seguintes algoritmos: modelo SARIMA, regressão ridge, Light Gradient Boosting Machine (LightGBM) e redes neurais recorrentes do tipo Long Short-Term Memory (LSTM).Os resultados demonstraram que a previsão de vendas em marketplaces é uma tarefa desafiadora devido à variabilidade e ao comportamento irregular das séries temporais. Nenhum modelo apresentou desempenho consistentemente superior em todos os produtos analisados. O LSTM, apesar de métricas relativamente baixas em alguns casos, mostrou limitações por gerar previsões estáticas, enquanto modelos como LightGBM e regressão ridge obtiveram melhor desempenho em determinados produtos, capturando padrões específicos de demanda. Essas evidências reforçam a complexidade do problema e a necessidade de metodologias mais avançadas para representar adequadamente a dinâmica das vendas.
Abstract
Palavras-chave
Aprendizado de máquina, Redes neurais, Previsão de vendas, Comércio eletrônico, Olist
Citação
PAIVA, Gustavo Fellipe Fernandes de. Previsão de vendas em marketplace com modelos multi-outputs: estudo de caso olist. 2025. 82 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2025.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto