Visão geral do case

• Objetivo: verificar se o cupom aumenta pedidos, GMV (gasto total) e engajamento.
• Método: experimento A/B (grupo controle vs tratamento).
• Principais frentes de análise:
  • Métricas de engajamento (GMV, pedidos, AOV, heavy users).
  • Sustentabilidade financeira (ROI, LTV, CAC, payback).
  • Segmentação de clientes (frequência, plataforma, RFM, novos vs recorrentes).
• Entrega final:
  • Relatório com insights e recomendações para próximos testes.
  • Notebook único para orquestrar as tarefas de execução de setup, ETL e análise dos dados, integrando os diferentes módulos do repositório de origem.
  • Apresentação de slides com os resultados da análise.

---

Relatório e apresentação

• Relatório PDF
  • Ver relatório em PDF
• Relatório em Markdown
  • Ver arquivo markdown do relatório
• Apresentação de Slides
  • Google Slides

---

Notebook da análise completa

• Notebook principal
  pipeline_analise_completa.ipynb

Importante: A execução do notebook não funcionará, pois ela necessita de arquivos presentes no repositório do case, que atualmente está privado. O notebook está disponível no colab apenas para visualização de códigos e saídas. Caso queira ter acesso ao repositório para execução do notebook, entre em contato pelos meios citados ao fim da página.

---

Estrutura de código

src/ – Módulos de análise

• Configuração / utilidades
  • src/utils.py – configuração de Spark, seeds e helpers gerais.
• ETL
  • src/etl.py – ingestão de dados, limpeza, joins e normalizações.
• Análise financeira
  • src/finance.py – funções de ROI, LTV, CAC e payback.
• Análise de Teste A/B
  • src/analysis_ab.py – cálculo de métricas, testes estatísticos e comparações entre grupos.
• Segmentação de usuários
  • src/analysis_segments.py – análise por frequência, RFM, plataforma e outros recortes.
• Visualizações
  • src/viz_ab.py – gráficos focados no experimento A/B.
  • src/viz_segments.py – gráficos por segmento de usuário.

---

scripts/ – Automação

• scripts/download_data.py
  Script para baixar e organizar os dados brutos usados no case.

---

config/ – Parâmetros do experimento

• config/settings.yaml
  Contém parâmetros principais do experimento, como:
  • memória do driver Spark;
  • timezone de negócio;
  • flags de winsorização / CUPED;
  • caminhos de dados;
  • configurações financeiras (take rate, grade de valores de cupom etc.).

---

Principais insights da análise

• Engajamento aumentou de forma consistente: o cupom elevou o número típico de pedidos por usuário (+100%) e o GMV mediano (+20%), sem alterar o ticket médio (AOV permanece estável).
  Indica que cupons funcionam melhor como alavanca de frequência, não de ticket médio.

• ROI positivo no agregado, com R$416 mil de lucro incremental total e ROI de 31%.
  Cada real investido em cupom retornou ~R$3,50 em valor de cliente.

• Grande variação por segmento:
  • Desktop e iOS apresentaram forte retorno financeiro (R$1,82 e R$1,36 por usuário, respectivamente).
  • Android teve engajamento alto, mas ROI no limite (~R$0,21).
  • Heavy e não-heavy isolados destruíram valor (−R$2,80 e −R$2,28 por usuário). Evidencia a importância de segmentar em vez de aplicar o cupom de forma ampla.

• RFM confirma baixa efetividade isolada: as células mais populosas mudam pouco nas medianas, e parte delas apresenta ΔGMV/AOV negativo — reforçando necessidade de segmentação inteligente.

• Resultado agregado é influenciado por composição de mix: o grupo Tratamento possuía mais heavy users e células RFM mais valiosas, inflando o resultado total mesmo quando o impacto interno de cada segmento era pequeno.
  Mostra a importância de randomização estratificada para evitar distorções.

• Potencial de ganho anual ~R$4,8 milhões com ajustes recomendados: eliminação de gasto improdutivo em segmentos negativos + foco em canais de alta performance (Desktop/iOS) e não-heavy inativos.

---

Privacidade e boas práticas

• Dados sensíveis (PII) foram removidos ou hasheados.
• Os dados brutos não são versionados no Git – apenas baixados via script.
• Esta página expõe apenas os artefatos necessários para avaliação técnica do case, mantendo o repositório original privado.

---

Contato

Caso queira discutir este case em mais detalhes:

• GitHub: @silvaniacorreia
• LinkedIn: silvania-correia
• E-mail: silvania.goularte@gmail.com