Inteligência artificial na análise de marketing e na modelagem preditiva do comportamento do consumidor: um estudo de caso empírico com aprendizado de máquina

Resumo

A Inteligência Artificial (IA) ampliou as capacidades analíticas do marketing ao permitir que as organizações processem grandes volumes de dados de consumidores, identifiquem padrões comportamentais e apoiem a tomada de decisões preditivas. Este estudo examina a aplicação da IA e de técnicas de aprendizado de máquina à análise de marketing por meio de uma revisão crítica da literatura e de um estudo de caso empírico baseado em dados transacionais de consumidores. A análise empírica compara Regressão Logística, Random Forest, Support Vector Machine (SVM) e XGBoost, utilizando acurácia, precisão, recall, F1-score e ROC-AUC como métricas de avaliação. Entre os modelos avaliados, o XGBoost apresentou o melhor desempenho geral, com acurácia de 83,87%, precisão de 81,79%, F1-score de 79,19% e ROC-AUC de 0,9126, enquanto a Regressão Logística apresentou o maior recall, de 80,33%. Os resultados indicam que os métodos de aprendizado de máquina podem identificar associações preditivas em dados transacionais e apoiar a classificação de consumidores, embora tais associações não devam ser interpretadas como efeitos causais. O estudo também discute limitações metodológicas relacionadas à proxy comportamental adotada, aos preditores disponíveis e à generalização dos resultados. De modo geral, os resultados indicam a contribuição potencial da análise preditiva baseada em IA para a tomada de decisões de marketing, ao mesmo tempo que ressaltam a necessidade de aplicações transparentes, interpretáveis e eticamente responsáveis.