Como criar uma vitrine inteligente no e-commerce usando sistema de recomendação

Os e-commerces deram realidade à ideia de cauda longa, ou seja, a um modelo de vendas em que se vende menos de mais itens, consagrado no livro homônimo de Chris Anderson. A simplicidade da cauda longa impressiona, assim como os resultados de quem soube implementá-la. Afinal, gigantes como Amazon e Alibaba, fora do Brasil; e Posthaus e Mazine Luiza, aqui mesmo, estão aí para comprovar o sucesso dessa abordagem.

No entanto, e a experiência na cauda longa? Como se conecta usuários ao produto certo, de modo a conseguir entregar alto nível de personalização, mas também humanização e encantamento consagrados pelas vendas do varejo tradicional?

Essa pergunta tem sido respondida de várias maneiras. O que todas as respostas têm em comum é apelarem aos dados, esse rastro de nossa experiência online que fica depois que vamos embora – muitas vezes sem nada na sacola. Uma dessas respostas, em especial, é a criação das vitrines digitais personalizadas, baseadas em sistemas de recomendação.

Foi essa solução que a Supero, junto com a equipe de TI interna do DBR, levou para o e-commerce do Posthaus, que responsável, sozinha, pelo aumento de três vezes em vendas da plataforma.

Quer saber tudo sobre esse case de data science? Essa é a sua oportunidade.

O Posthaus

O Posthaus é um marketplace especializado em moda e beleza feminina, masculina e infantil que reúne no universo digital brasileiro a experiência sólida e o sucesso do Loghaus, que soma 30 anos no segmento, e do grupo Otto, líder em e-commerce de moda Europa.

Há 13 anos online, com mais de 10 milhões de visitas por mês a seus mais de 15 mil itens de várias marcas disponíveis em sua plataforma, o Posthaus ocupa uma posição de peso entre as top 7 marcas de sua categoria no Brasil.

O marketplace do Posthaus: necessidade de uma vitrine inteligente

A experiência do usuário dentro do e-commerce precisa ser constantemente otimizada para criar personalização e humanização com baixíssimo grau de fricções. Ao mesmo tempo, estamos falando de catálogos com milhares de produtos. Embora seja uma grande vitrine de si mesmo, fazendo as vezes de vendedor, reter a atenção do usuário e conectá-lo diretamente ao que se interessa é desafiador. 

No marketplace do Posthaus – como é regra do segmento –, em toda a experiência no site, o usuário é impactado por banners que simulam uma vitrine digital.

Até pouco tempo atrás, carrosséis e imagens eram sempre os mesmos para todos os usuários da plataforma ou, então, distribuídos aleatoriamente, baseados em promoções, itens mais vendidos, melhores preços etc. Com isso, o grau de acurácia e, logo, de interação dos usuários com a vitrine era muito baixo.

O Posthaus queria uma vitrine digital inteligente, capaz de apresentar para cada usuário o que era relevante, individualmente.

A necessidade levou o e-commerce ao conceito de sistemas de recomendação e, logo, à busca pelas ofertas de mercado.

Após testar algumas soluções de prateleira e observar uma melhoria nos resultados das recomendação da vitrine virtual, no entanto, a empresa tinha certeza de que poderia obter benefícios maiores.

Só que, para isso, chegava o momento de dar um passo maior: criar um sistema de recomendação personalizado. O projeto, inicialmente, foi desenvolvido internamente, sem observar os resultados esperados.

Em 2018, a DBR começou com algumas iniciativas de Data Science, mas os projetos não avançaram. Foi quando, em 2019, encontramos na Supero o conhecimento e experiência para reiniciar nossa trajetória nesse caminho.

O que é um sistema de recomendação?

Sistema de recomendação é uma ferramenta de inteligência artificial capaz de analisar os dados de navegação produzidos por usuários e de, a partir deles, inferir recomendações que façam sentido dentro de sua experiência.

Comum em e-commerces e marketplaces como Amazon, mas também em plataformas como Netflix, redes sociais e buscadores, o sistema de recomendação cria uma experiência de navegação única e, por isso, satisfatória para o usuário.

Leia mais: O que são sistemas de recomendação?

Mas como esse mecanismo do sistema de recomendação funciona para criar essa experiência única?

O sistema de recomendação da Supero

Sistemas de recomendação são operados por algoritmos – matemática aliada à computação para correlacionar dados e descobrir padrões de comportamento – e por uma camada de ciência de dados. O algoritmo é o produto, por assim dizer, e a ciência de dados, o serviço.

Como descreve o cientista de dados Normélio Schneider Júnior, que esteve à frente do projeto da vitrine virtual inteligente do Posthaus:

Temos os algoritmos prontos e preparados para os dados do cliente, que vão passar por eles e ser tratados para obter recomendações.

Chamamos essa estrutura de acelerador, porque ela de fato é uma base standardizada, necessária para agilizar o trabalho. Mas são os dados que dão as respostas. Por isso, por baixo dessa base, há uma camada de data science prévia, que é fundamental para garantir bons resultados.

E então, estamos falando de compreender e modelar dados estatisticamente, descobrir tendências e padrões de comportamento, mas também o que sai da curva, a fim de obter o que interessa para o objetivo do projeto. Só depois disso é que os dados serão aplicados àquela estrutura de algoritmos inicial.

Não existe receita pronta. Isso tem que ficar claro.

Leia mais: [Entrevista] Data science: o que você precisa saber para trabalhar com dados

Foi essa a solução em sistema de recomendação aplicada na criação da vitrine inteligente do Posthaus.

A vitrine virtual inteligente do Posthaus com sistema de recomendação

No sistema de recomendação criado para a vitrine inteligente do Posthaus, os dados do histórico de compra dos usuários foram preparados para passarem por algoritmos que entregam produtos com a cara deles. É como o trabalho do vendedor, que sabe o que o cliente prefere com base no conhecimento do que ele já comprou, do que ele costuma provar, do ticket médio de sua sacola de compras etc.

Como explica Normélio Schneider Junior em matéria para o portal Computerworld:

Quando entendemos as necessidades do Posthaus, desenvolvemos uma solução em Data Science, na qual mesclamos estatísticas com as regras de negócio, olhando para o histórico de consumo, entendendo tendências nos comportamentos de compras, para ofertar produtos mais coerentes com o perfil do cliente, melhorando a experiência de compra no site, app mobile ou onde quer que as recomendações sejam apresentadas.

Desde o início, a vitrine virtual inteligente criada pelo novo sistema mostrou resultados significativos. De acordo com Robson Schmidt, gerente de TI do Posthaus, para a Computerworld:

Em apenas um mês de uso tivemos um aumento de quase três vezes nas interações dos usuários com a vitrine, e as vendas também triplicaram desde a implementação. Com isso, conseguimos ver que estamos sendo bem assertivos nos produtos que estamos indicando.

Para Normélio Schneider, esses números não se devem ao acaso.

Isso só acontece se você der o devido valor aos dados.

E desde esse projeto, é exatamente isso que o Posthaus objetiva. Até porque, além da vitrine inteligente, o sistema de recomendação é a tecnologia por trás de campanhas de marketing derecionadas ao público que quer recebê-las, de um atendimento personalizado no SAC, de um BI de varejo e por aí vai.

Sistema de recomendação: é só o começo da história do Posthaus com data science

De acordo com Schmidt, o Posthaus vai investir em mais soluções que utilizem inteligência de dados para entender melhor o perfil de cada usuário e aprimorar a oferta de produtos.

Cada vez mais as pessoas têm buscado experiências e produtos mais especializados e também esperam gastar menos tempo buscando o que procuram. Ainda temos desafios de conseguir aliar o uso da inteligência artificial com o comportamento do consumidor para entender qual o melhor momento para fazer as recomendações, facilitando a vida dos usuários e consequentemente o aumento das nossas vendas.

E você? Está usando seus dados para gerar inteligência? Confira nossas soluções em data science e comece sua estratégia agora: fale com um dos nossos consultores e entenda como começar agora!