A gestão de relacionamento com clientes (CRM) possui papel importante e já têm sido estudada há algum tempo na literatura. Neste processo, surgiu a necessidade de estabelecer uma forma de avaliar e priorizar os clientes, de acordo com critérios quantitativos e qualitativos que sejam importantes na relação entre uma organização e seus clientes. Dentre as principais atividades de CRM e avaliação de clientes estão a seleção, priorização e gestão de portfólio de clientes. Existem estudos que abordaram o agrupamento de clientes baseando-se em suas características e variados critérios, utilizando-se dos métodos que visam a definição de cluster. Porém, poucos estudos apontaram o uso de métodos de decisão multicritério (técnicas MCDM) para a seleção, priorização e gestão de portfólio de clientes, bem como a utilização destas técnicas associadas a teoria dos conjuntos fuzzy (técnicas fuzzy MCDM). Além disso, também foi pouco explorada a aplicação de técnicas MCDM não-compensatórias, que permitiria aproveitar as vantagens oferecidas por métodos desta natureza. Notou-se também a ausência de estudos que abrangessem as três atividades de CRM citadas em um mesmo modelo. Visando diminuir as lacunas identificadas, esta dissertação tem por objetivo principal propor um modelo de apoio à decisão para a seleção de potenciais clientes e para a gestão de portfólio e priorização de clientes atuais de uma empresa de marketing digital, utilizando-se diferentes técnicas MCDM e fuzzy MCDM nas diferentes etapas do processo, sendo elas: PROMETHEE II para seleção de potenciais clientes, garantindo mínimo desempenho em cada critério; e fuzzy TOPSIS para gestão de portfólio e priorização, visando classificação por meio de matrizes de portfólio. Além disso, para realizar a priorização dos projetos dos clientes, utiliza-se o sistema de inferência fuzzy. A proposta envolve ainda o desenvolvimento do recurso computacional, replicável, à disposição de uso da empresa e da comunidade. Por fim, o modelo foi testado por meio de aplicações de suas etapas e por meio de análise de sensibilidade para avaliar sua robustez e as possíveis alterações de seus resultados frente à alteração de parâmetros das técnicas.

Customer relationship management (CRM) has an important and already known role in the literature. There is a need to establish a way to evaluate and prioritize customers, according to quantitative and qualitative criteria that are important in the relationship between an organization and its customers. Customer selection, prioritization and customer portfolio management are three essential activities for CRM and evaluation. In the previous literature, there are some studies that approached grouping clients based on their characteristics and varied criteria, by using clustering methods. However, few studies have applied multicriteria decision methods (MCDM techniques) aiming customer selection, prioritization and portfolio management, as well as the use of these techniques associated with the theory of fuzzy sets (fuzzy MCDM techniques). In addition, studies did not explore using non-compensatory method to explore its advantages and characteristics. It was also noted the absence of studies covering those three highlighted CRM activities in a single model. To narrow the identified gaps, this project aims to contribute through the development of a decision support model that seeks potential customer selection and portfolio management and prioritization of current customers of a digital marketing company. This model uses different MCDM and fuzzy MCDM in the different stages of the model, namely: PROMETHEE II for selection and fuzzy TOPSIS for portfolio management and prioritization. Moreover, the model presents fuzzy inference system to prioritize customer projects. The proposal also involves the development of the computational resource, replicable, available for use by the company and the community. Finally, the model was tested through applications of its steps and also through sensitivity analysis to test its robustness and the possible changes in its results when the parameters of the techniques are changed.