[pt] Este trabalho estuda o caso de uma empresa do varejo farmacêutico e suas preocupações com a implantação de um sistema de CRM – Customer Relationship Management. O mercado de varejo farmacêutico no Brasil conta com mais de 60 mil farmácias e drogarias. Este é um cenário de competitividade acirrada, no qual a busca de vantagem competitiva, por meio da implantação de um CRM, exige estratégias e ações cuidadosamente elaboradas. Este estudo identifica ações usuais ao CRM e analisá-las sua pertinência às peculiaridades e dimensões de uma empresa de grande porte no cenário competitivo do varejo farmacêutico nacional. O método elege a empresa DPSP S/A da qual obtém dados por meio de consulta a documentos internos e entrevistas com dirigentes. Os resultados mostram quatro áreas de preocupações da empresa para a formulação de um plano de CRM: Identificação e Classificação de Clientes; Benefícios para os Clientes; Gestão de Benefícios e Gestão de Relacionamento. Os resultados incluem uma análise detalhada dos elementos de cada área à luz das considerações feitas pelos dirigentes; mas revelam que a importância do CRM está concentrada apenas na cabeça dos líderes, quando deveria fazer parte da cultura de toda a organização. / [en] This paper studies the case of a company in the retail pharmacy and their concerns with the implementation of a CRM - Customer Relationship Management. The retail pharmaceutical market in Brazil has more than 60,000 pharmacies. This is a tough competitive scenario, in which the pursuit of competitive advantage through the implementation of a CRM requires carefully designed strategies and actions. This study identifies the CRM usual actions and analyze them their relevance to the peculiarities and dimensions of a large company in the competitive landscape of the national retail pharmacy. The method chooses the company DPSP S / A which gets data by querying the internal documents and interviews with officials. The results show four areas of concern to the company to formulate a plan of CRM: Customer Identification and Classification; Customer Benefits, Benefits Management and Relationship Management. Results include a detailed analysis of the elements of each area in the light of the considerations made by the directors, but reveal that the importance of CRM is concentrated only in the head of the leaders when it should be part of the culture of the entire organization.

[pt] O objetivo desta dissertação é propor um sistema de mineração de dados completo para a solução de problemas de retenção de clientes, presentes nas mais variadas indústrias. Tal solução reside na correta identificação, em meio a gigantescas bases de dados, dos clientes cujos perfis e históricos de comportamento denotam que sua saída da empresa é iminente. Agindo então sobre a inteligência gerada a partir desta classificação de clientes, incentivos e ações de retenção devem ser postos em prática para evitar e/ou minimizar a perda para algum concorrente de clientes valiosos. Ao longo do processo de mineração de dados, deu-se atenção ao processo de preparação e representação dos dados e métodos de seleção de variáveis, na tentativa de melhorar e otimizar o desempenho dos modelos a serem estudados. Vários modelos diferentes foram testados, otimizados e comparados na tarefa de classificação de clientes como aqueles que permanecerão na empresa ou aqueles que apresentam riscos de abandono. Entre os modelos estudados estão: redes neurais, sistemas neuro-fuzzy hierárquicos, algoritmos genéticos, árvores de decisão e máquinas de vetor de suporte. Em particular, avaliou-se a questão do abandono de clientes (churn) na indústria de telecomunicações móvel brasileira, devido à disponibilidade de dados reais para a análise. Foi feito um estudo abrangente do problema do churn, identificando suas causas, conseqüências e detalhes. Conclui-se com uma análise do impacto da implementação da metodologia proposta em ações de retenção de clientes, sob o prisma da lucratividade ou corte de despesas em que tal utilização implicaria. / [en] The goal of this work is to propose a complete data mining system for the solution of customer retention problems, commonly found in many industries. Such a solution encompasses the accurate identification among huge amounts of data of those consumers who would most likely end their relationship with the firm, based on their historical behavior and individual profile. Acting upon the intelligence provided by a precise customer classification, incentives and retention actions should be put into practice to prevent or minimize the losses of valuable clients to competitors. Throughout the data mining process designed here, great care was given to the preparation and representation of the data and to input selection methods, in an effort to optimize the performance of the classification models. Various different classification techniques have been tested, with the objective of finding the one best suited for the task at hand: to pinpoint those customers who present clear risks of abandoning the analyzed company. Among the studied models were neural networks, decision trees, genetic algorithms, neuro-fuzzy systems and SVMs (Support Vector Machines). As a case study, the issue of churn (loss of customer to a competitor) in the Brazilian wireless telecommunications was tackled, due to the availability of data. A detailed study was made, identifying the causes, consequences and details of the business problem. As a conclusion, the great impact of the implementation of the proposed system in retention strategies of wireless carriers is evaluated, under the view of the profitability that would be generated by its use.

[pt] A pandemia de Covid-19 alterou o comportamento do consumidor no varejo a nível mundial. Este trabalho apresenta uma análise longitudinal do comportamento do consumidor ao longo entre 2018 e 2021, possibilitando, dessa forma, a comparação entre o comportamento do consumidor pré e pós pandemia de covid-19 em uma loja do varejo brasileiro. Para realizar essa análise, o modelo RFM é aplicado a partir de métodos de inteligência artificial para a análise de grandes volumes de dados transacionais com o objetivo de classificar os clientes de acordo com os seus comportamentos de consumo. Para o caso apresentado foram identificados 5 segmentos de consumo distintos e de grande utilidade para a gestão de CRM da empresa. / [en] The Covid-19 pandemic has changed consumer behavior in retail worldwide. This work presents a longitudinal analysis of consumer behavior between 2018 and 2021, thus making it possible to compare consumer behavior before and after the covid-19 pandemic in a Brazilian retail store. To perform this analysis, the RFM model is applied using artificial intelligence methods to analyze large volumes of transactional data in order to classify customers according to their consumption behaviors. For the case presented, 5 distinct and very useful consumer segments were identified for the company s CRM management.