Product portfolio management : what are Sonae MC’s star products?

Product portfolio management plays a key role in the performance of a company operating in a very competitive environment, as it is the case with Sonae MC. Being able to identify which products are Star and which factors make a product a Star is of paramount importance for the company. In this Master Final Assignment, a product classification model based on a combination of different customer segmentation is proposed to identify Sonae MC's Star products. A Logistic Regression and Decision Tree models are then used to verify main factors that affect the probability of a product being a star. Results show that the probability of a product being a star is influenced by the average frequency of sales, the percentage of sales when on sale, the price level and the percentage of customers in the following 3 segments: Quality, Family and Price/Promotion. Comparing Logistic Regression and Decision Tree models, the greater predictive capacity of the latter provides better classification metrics.A gestão do portefólio de produtos desempenha um papel fundamental no desempenho de uma empresa que opera num ambiente muito competitivo, como é o caso da Sonae MC. Conseguir identificar quais os produtos estrela e quais os fatores que fazem com que um produto seja estrela adquire uma especial importância para a empresa. Neste Trabalho Final de Mestrado é proposto um modelo de classificação de produtos baseado numa combinação de diferentes segmentações de clientes, para a identificação de produtos estrela da Sonae MC. Com o suporte de modelos de Regressão Logística e de Árvores de Decisão, identificam-se os principais fatores que afetam a probabilidade de um produto ser estrela. Os resultados mostram que a probabilidade de um produto ser estrela é influenciada pela frequência média de vendas, pela percentagem de vendas em promoção, pelo nível de preço e pela percentagem de clientes que se encontra num dos 3 seguintes segmentos: Qualidade, Família e Preço/Promoção. Comparando os modelos de Regressão Logística e de Árvores de Decisão, a maior capacidade preditiva deste último fornece melhores métricas de classificação