Otimização de conteúdos e ações de atração de usuários - Suporte Marketing

• Processo: 23/14115-6
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de março de 2024
• Data de Término da vigência: 30 de setembro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Roseane Jamile Lopes Ramos
• Beneficiário: Raíssa Cascaval Alves
• CNAE: Desenvolvimento e licenciamento de programas de computador customizáveis
• Vinculado ao auxílio: 23/06335-6 - Match<IT>: eficiência e inteligência de dados na conexão da oferta e demanda B2B de serviços de TI, AP.PIPE
• Assunto(s): Processamento de linguagem natural
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina Mineração de Textos | Inteligência Artificial Generativa | Plataforma B2B - Business to Business | Processamento de Linguagem Natural | Sistema de recomendacao | Machine Learning e PLN

Resumo

Para desempenhar as atividades de pesquisa e desenvolvimento em Aprendizado de Máquina, envolvendo técnicas de processamento de linguagem natural (PLN), Classificação de Texto, Sumarização, Tradução Automática, Análise de Sentimentos, entre outras [1], [2], [3], se faz necessário contar com conjuntos de dados para treinamento, validação e teste dos diferentes modelos a serem construídos.A fim de gerar dados reais de qualidade para o processo de pesquisa, é essencial que se consiga atrair usuários que representem apropriadamente o mercado alvo (equipes de TI de diferentes indústrias e senioridades) e que esses cadastrem-se e utilizem a plataforma, sendo os Tech Buyers incluindo suas demandas de projetos para encontro dos matches, interação via chat com usuários de perfil Tech Seller's e ambos os perfis avaliando a qualidade dos matches por sistema online de feedbacks.Assim, faz-se essencial entender e otimizar as etapas de atração de usuários e engajamento dos mesmos com a plataforma, permitindo a geração de dados em quantidade e qualidade para os modelos, bem como indicadores de performance (KPIs) que permitam validar e otimizar os resultados das pesquisas. Essas atividades deverão ser conduzidas por meio de análise e otimização das plataformas de mídia de conversão e performance para atração de usuários e de analytics na ferramenta para monitorar e sugerir otimização na utilização da plataforma.[1] Kowsari, K., Jafari Meimandi, K., Heidarysafa, M., Mendu, S., Barnes, L., & Brown, D. (2019). Text classification algorithms: A survey. Information, 10(4), 150.[2] Brown, P. F., Cocke, J., Della Pietra, S. A., Della Pietra, V. J., Jelinek, F., Lafferty, J., ... & Roossin, P. S. (1990). A statistical approach to machine translation. Computational linguistics, 16(2), 79-85.[3] Mosa, M. A., Anwar, A. S., & Hamouda, A. (2019). A survey of multiple types of text summarization with their satellite contents based on swarm intelligence optimization algorithms. Knowledge-Based Systems, 163, 518-532.