Análise de padrões de consumo em supermercados com base em regras de associação utilizando o algoritmo APRIORI.

Abstract

A crescente disponibilidade de dados no setor varejista tem ampliado as possibilidades de utilizar técnicas analíticas para compreender o comportamento de compra dos consumidores e apoiar decisões estratégicas. Este trabalho investiga a aplicação de métodos de mineração de dados, com foco na extração de regras de associação, para identificar padrões recorrentes em cestas de compras a partir de uma base de notas fiscais de uma rede de supermercados. O algoritmo Apriori foi utilizado para identificar itemsets (conjuntos de itens) frequentes e gerar regras avaliadas pelas métricas de suporte (support), confiança (confidence) e alavancagem (lift), permitindo interpretar relações de complementaridade e coocorrência entre produtos. A metodologia envolveu a preparação da base de dados, a transformação das compras em transações, a modelagem das associações e a análise visual dos padrões obtidos. Os resultados revelaram a existência de agrupamentos fortes entre itens relacionados ao preparo de refeições domésticas, como batata inglesa, cenoura, tomate e cebola, que apresentaram altos valores de lift e confiança. Esses padrões demonstram que a compra de um item influencia diretamente a probabilidade de aquisição de outro, configurando relações de complementaridade que podem ser exploradas para otimização do layout da loja, criação de promoções cruzadas e planejamento de estoque. As análises gráficas reforçaram tais conclusões ao evidenciar concentrações de regras com elevada relevância estatística. O estudo mostra, portanto, que a identificação de associações entre produtos oferece suporte valioso para a gestão operacional e estratégica do varejo, contribuindo para decisões mais eficientes e alinhadas ao comportamento real do consumidor, além de abrir caminho para investigações futuras que explorem modelos mais avançados ou bases de dados ampliadas.