Análise de Estratégias de Taxas de Comissionamento - iFood

Case de estudo sobre a análise de taxas de comissionamento do iFood, com o objetivo de reduzir as taxas de comissão de restaurantes parceiros mantendo a receita total do iFood. Confira o respositório no GitHub para mais detalhes sobre a implementação e os resultados obtidos.

Jupyter Notebook Python Pandas Seaborn NumPy Matplotlib SciPy

Visão Geral

Este projeto foi desenvolvido como um estudo, com o objetivo de analisar as taxas de comissionamento do iFood e propor estratégias para reduzir essas taxas sem impactar a receita total da empresa.

A análise foi realizada utilizando ferramentas como KNIME para ETL e Python para modelagem e visualização dos dados. O foco principal foi entender como as taxas de comissão impactam a receita total e quais estratégias podem ser implementadas para otimizar esses valores.

Objetivos

Principais Metas

  • • Reduzir comissões de parceiros premium (Alto AOV + Full Service)
  • • Incentivar migração de Marketplace → Full Service
  • • Manter neutralidade de receita
  • • Realizar uma análise exploratória e histórica de clientes parceiros
  • • Desenvolver gráficos e visualizações para facilitar a análise

KPIs e Indicadores Monitorados

  • • Taxa de migração do Marketplace para Full Service
  • • Average Order Value dos restaurantes
  • • Churn (Marketplace com alto AOV)
  • • Receita total do iFood
  • • AOV médio dos restaurantes

Implementação

Dashboard com alguns gráficos de análise de taxas de comissionamento do iFood

Figura 1 - Dashboard de alguns gráficos da análise de taxas de comissionamento do iFood