Submitted by Victor Oliveira (victor.oliveira023@gmail.com) on 2018-11-16T12:15:38Z No. of bitstreams: 1 Mestrado (2).pdf: 3223397 bytes, checksum: 2c4550dd364e7fa71ca5d5a76b209159 (MD5) / Rejected by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br), reason: O arquivo apresentado não contém a Ficha Catalográfica nos moldes requeridos pela UFAM. O problema pode ser sanado através do link: http://fichacatalografica.ufam.edu.br/fichacatalografica/ficha/create. on 2018-11-16T12:35:49Z (GMT) / Submitted by Victor Oliveira (victor.oliveira023@gmail.com) on 2018-11-17T19:33:27Z No. of bitstreams: 1 Mestrado-merged.pdf: 3210603 bytes, checksum: 4fea5a7049497b21bd4c3d65b5a740c0 (MD5) / Approved for entry into archive by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br) on 2018-11-19T17:31:25Z (GMT) No. of bitstreams: 1 Mestrado-merged.pdf: 3210603 bytes, checksum: 4fea5a7049497b21bd4c3d65b5a740c0 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-11-19T19:41:51Z (GMT) No. of bitstreams: 1 Mestrado-merged.pdf: 3210603 bytes, checksum: 4fea5a7049497b21bd4c3d65b5a740c0 (MD5) / Made available in DSpace on 2018-11-19T19:41:51Z (GMT). No. of bitstreams: 1 Mestrado-merged.pdf: 3210603 bytes, checksum: 4fea5a7049497b21bd4c3d65b5a740c0 (MD5) Previous issue date: 2018-08-28 / The number of people who buy products on e-commerce sites has been growing in recent years. The ease and comfort coupled with the growing security of the websites made it possible for more people to buy products with just a few clicks. In this universe, one of the first systems that a user encounters in the purchase process is the Automatic Query Complement, which suggests queries and products for each letter entered in the search box by the buyer. Knowing which queries to suggest to each letter typed and sorting them in the best possible way is the challenge of this system. This work focuses on knowing the best source of these queries and examines strategies for sorting queries in E-Commerce. In all of our research we did not find a paper that studies this theme in this scenario, making this work the pioneer in the subject. The strategies implemented in this paper were tested in Brazilian and Latin American retail real stores. The results were different in each store. The MRR at a Brazilian cosmetics store, for example, using one of the strategies developed in this paper, reached almost 0.8 for prefixes with three typed letters and 0.6 for an Appliances store with the same prefix size. / O número de pessoas que compram produtos em sites de comércio eletrônico vem crescendo nos últimos anos. A facilidade e conforto aliado à crescente segurança dos sites possibilitou que mais pessoas comprem produtos com apenas alguns cliques. Neste universo, um dos primeiros sistemas que um usuário se depara no processo de compra é o Complemento Automático de Consultas, que sugere consultas e produtos a cada letra digitada na caixa de busca pelo comprador. Saber quais consultas sugerir a cada letra digitada e ordená-las da melhor forma possível é o desafio deste sistema. Este trabalho se concentra em saber qual é a melhor fonte de geração dessas consultas e estuda estratégias de ordenação destas no cenário do E-Commerce. Em toda nossa pesquisa não achamos um trabalho que estuda esse tema neste cenário específico, fazendo este trabalho ser o pioneiro no assunto. As estratégias implementadas neste trabalho foram testadas em lojas reais do varejo online brasileiro e latino-americano e os resultados foram diferentes em cada loja. O MRR em uma loja brasileira de cosméticos, por exemplo, usando uma das estratégias deste trabalho, atingiu quase 0,8 para prefixos com três letras digitadas e 0,6 para uma loja de Eletrodomésticos com o mesmo tamanho de prefixo.