Quiz sobre Segmentação e Análise de Dados

O que caracteriza uma segmentação A-Priori?

• É baseada em algoritmos de aprendizado de máquina

• Os grupos são definidos após a análise dos dados

• Utiliza apenas variáveis categóricas

• Os grupos são definidos antes da análise dos dados

Qual das alternativas é uma vantagem da segmentação A-Priori?

• Identifica padrões ocultos complexos

• Simples de implementar e baseada em conhecimento prévio

• Requer pré-processamento estatístico avançado

• Garante maior precisão estatística

O método RFM é mais adequado para:

• Classificação de produtos

• Agrupamento de dados demográficos

• Segmentar clientes com base em comportamento de compra

• Previsão de churn usando regressão

Quais são as dimensões consideradas na segmentação RFM?

• Recency, Feedback e Metrics

• Relevância, Frequência e Média

• Recency, Frequency e Monetary

• Responsividade, Faturamento e Margem

Qual é uma desvantagem do método K-Means?

• Gera grupos com tamanhos iguais

• Sensível a outliers e à escolha dos pontos iniciais

• Não exige número de clusters

• Funciona mal com variáveis contínuas

A análise de clusters visa:

• Criar modelos de regressão

• Aumentar a variância entre os dados

• Agrupar dados semelhantes em grupos homogêneos

• Prever o valor de variáveis-alvo

A principal diferença entre métodos hierárquicos e não-hierárquicos é:

• Uso de variáveis categóricas

• Uso de normalização de dados

• Definição prévia do número de clusters nos métodos não-hierárquicos

• Só os hierárquicos usam distância Euclidiana

Qual destas é uma técnica para tratamento de valores extremos (outliers)?

• Aplicar limiares máximos e mínimos com base na distribuição dos dados

• Remover todos os dados acima da média

• Usar variáveis categóricas como substitutos

• Eliminar todas as observações com valores ausentes

O que pode ocorrer ao aplicar clustering sem padronizar os dados?

• Os clusters são sempre simétricos

• Variáveis com maiores escalas dominam o agrupamento

• A análise se torna mais precisa

• O algoritmo é automaticamente ajustado

A principal vantagem da análise de agrupamento hierárquico é:

• Não requer definição prévia do número de clusters

• Funciona apenas com variáveis qualitativas

• Utiliza redes neurais profundas

• Garante grupos do mesmo tamanho