30 de nov de 2017

Big Data e Machine Learning: saiba como usar essas tecnologias no varejo

Udacity Brasil

A chegada de novas tecnologias no varejo está transformando o setor, que agora conta com mais inteligência para oferecer uma experiência melhor aos seus clientes e, consequentemente, vender mais.

Com o Big Data e o machine learning, as lojas conseguem antecipar tendências e comportamentos de compra com base não só nos históricos de consumo, mas também em análises preditivas.

Neste artigo, você aprende como essas inovações já são utilizadas com sucesso por grandes redes varejistas e quais são as técnicas que permitem aproveitar ao máximo as ferramentas disponíveis.

Big Data e machine learning na prática

Para muitos, esses dois nomes ainda soam como algo futurista, mas tanto o Big Data quanto o machine learning são utilizados em inúmeros setores e potencializam seus resultados — e o varejo não é exceção. A maioria das grandes redes adota essa inteligência em algum grau.

Target e o mês de gestação

Um exemplo é a Target, a segunda maior rede varejista dos EUA. O livro O Poder do Hábito, de Charles Duhigg, revelou como essa gigante do comércio faz para identificar clientes que serão futuras mães.

Com base no banco de dados e no histórico de compras, a rede conseguiu encontrar um padrão de itens que elas adquiriam quando grávidas, como suplementos e hidratantes sem cheiro. A ferramenta é tão precisa que é possível determinar até o mês atual da gestação.

De posse dessa análise, a Target passou a enviar cupons de desconto de fraldas, carrinhos de bebê e outros produtos relacionados à maternidade para essas clientes – ao ponto de descobrir, em um dos casos, a gravidez de alguém antes mesmo da família.

Fazer sugestões para clientes a partir do histórico de compras não é nenhuma novidade: e-commerces já fazem isso há mais de uma década.

A novidade é que a análise preditiva vai muito além: ela avalia as situações das operações de venda e suas variações, compara-as com outros clientes de perfil similar e traça padrões de comportamento.

Assim, é possível descobrir o que pode interessar cada pessoa em um futuro próximo, e, idealmente, fazer a oferta certa no momento em que esse consumidor mais precisa.

Walmart e compras conjuntas

Essa mesma tecnologia também pode ser utilizada para aumentar a retenção dos clientes, fazendo com que seu ticket médio seja ampliado.

O Walmart, por exemplo, descobriu que boa parte dos clientes que compravam fraldas também adquiriam cervejas. Com base nesses dados, tomou uma decisão inusitada: mudou o layout da loja para deixar esses itens mais próximos.

“Eles conseguiram aumentar as vendas ao colocar os dois produtos no mesmo corredor. Isso é um meio de retenção", explica Rodrigo Nascimento, CEO da Buscar ID, agência de marketing digital especializada em análise de dados.

"É preciso entender, dentro da própria casa, o que deixa o cliente feliz para otimizar [a experiência] cada vez mais e aumentar as vendas sem precisar atrair mais clientes, o que é mais caro."

3 fontes de dados para utilizar Big Data e machine learning no varejo

Para entender como utilizar essas tecnologias, é preciso compreender o que é Big Data e machine learning e como essas ferramentas se integram para a realização de análises preditivas.

O termo Big Data se refere a qualquer tipo de banco de dados considerado grande demais para que técnicas tradicionais de análise e processamento sejam utilizadas. Esse tamanho não envolve apenas volume, mas também complexidade, velocidade e valor das informações.

Já a expressão machine learning é atribuída às tecnologias de aprendizado da máquina, o que envolve a utilização de inteligência artificial no reconhecimento de padrões para a automatização de modelos analíticos.

Na prática, isso permite que um computador tenha insights específicos sem ter sido especificamente programado para isso.

A forma de combinar as duas tecnologias no varejo se dá pela fartura de dados minerados no Big Data, com os quais o machine learning consegue realizar análises preditivas extremamente avançadas.

Isso é feito com três fontes de dados:

  • Da empresa, envolvendo inclusive os históricos de compras
  • De terceiros, como redes sociais, que permitem análise de comportamento
  • Da chamada internet das coisas (IoT), ainda relativamente pouco explorados

Com o cruzamento dessas fontes, o machine learning consegue avaliar, por exemplo, se um consumidor está propenso a trocar de notebook e, a partir dessa análise, enviar uma oferta com grande potencial.

Uma tecnologia para vender mais

O desafio primário na utilização de Big Data e machine learning no varejo é o cruzamento de dados. “Para cruzar os dados, preciso de organização criteriosa e muito bem consolidada. É necessário entender quais critérios analisar: eles devem estar organizados em colunas e linhas em uma tabela”, acrescenta Rodrigo.

A definição desses critérios é feita com base em informações que já foram coletadas, além de sugestões feitas pelo time de marketing.

Como obter dados

Obter dados em um e-commerce é relativamente simples, já que todas as ações realizadas pelos consumidores podem ser rastreadas e registradas, incluindo sutilezas como o movimento do cursor do mouse em páginas de produtos e a quantidade de visualizações de uma oferta.

Já no varejo físico, é um pouco mais difícil, mas não inviável. Com um programa de fidelidade, é possível manter um histórico das compras feitas pelo cliente na loja e cruzar essas informações com o que o mesmo usuário consumiu online.

É possível também enviar cupons de descontos físicos para os consumidores e rastrear o momento em que eles são utilizados, indicando o interesse daquele cliente na oferta.

Como testar os dados

Com testes práticos baseados em informações coletadas online e offline, é possível comprovar teorias e obter mais dados. Quando o Walmart colocou fraldas e cerveja em um mesmo corredor, a hipótese revelada por dados se provou correta.

Os dados também podem ser coletados externamente para que a demanda de um produto seja antecipada por meio da análise preditiva. Ao monitorar o que pessoas comentam nas redes sociais, essas tecnologias conseguem descobrir quais produtos serão mais buscados nas prateleiras nos próximos dias.

Outro exemplo da utilização de dados e tecnologia é a solução desenvolvida pela empresa brasileira In Loco Media.

Ao cruzar informações de um app para celular com o wi-fi local, ela é capaz de detectar quando um cliente está na prateleira específica de um supermercado e, então, lançar uma mensagem para o consumidor que destaca a promoção de um produto que está à sua frente.

Cuidados ao montar uma equipe

Do ponto de vista operacional, recomenda-se formar uma equipe multidisciplinar, com especialistas em cada área, que tenha uma compreensão de como as novidades em questão funcionam.

Ter uma visão analítica do processo é um primeiro passo fundamental: “Você tem que entender o que extrair de fato. Antes de qualquer qualificação, ter esse mindset analítico é muito importante”, fala Rodrigo.

Como é difícil encontrar profissionais que dominem tanto machine learning quanto técnicas avançadas de marketing, por exemplo, vale a pena buscar o melhor perfil em cada especialidade e capacitar o time ao ensinar os conceitos básicos dessas tecnologias no varejo.

Trata-se de um campo dinâmico e estar atualizado faz toda a diferença – e um ótimo começo é o Nanodegree Fundamentos de Machine Learning, que ensina Python, estatística, visualização de dados e como construir seus primeiros modelos preditivos.

Udacity Brasil