Listas personalizadas
A pandemia da COVID-19 acelerou o crescimento do comércio eletrónico, levando os retalhistas a inovar para se manterem competitivos. O nosso cliente, uma grande cadeia de retalho, procurou responder a dois desafios: criar serviços inovadores e melhorar a experiência do cliente no canal online. A solução envolve entregas semanais ao domicílio com um cabaz de produtos sugerido, com o objetivo de aumentar a satisfação e simplificar o processo de compra online.
O serviço tem como objetivo simplificar o processo de construção do cabaz no e-commerce, através da previsão de famílias de produtos e da sugestão de itens com base num modelo de machine learning. O modelo recorre a segmentação de clientes e dados transacionais, focando-se em variáveis como comportamento, perfis de produtos e sazonalidade. Uma interface permite aos clientes confirmar ou adicionar facilmente os produtos sugeridos, tornando a experiência de compra mais simples e eficiente.
A solução está alinhada com os objetivos de inovação do nosso cliente. Através de um esforço colaborativo, foi implementada para recolha de feedback junto de um grupo selecionado de clientes. Os resultados mais recentes mostram que 55% das recomendações ao nível das famílias de produtos foram aceites, com 60% dos produtos sugeridos a serem aprovados e uma taxa de acerto de 60% na quantidade. A solução recebeu feedback positivo, com um NPS entre 7 e 8. A recolha contínua de feedback será essencial para melhorar os modelos preditivos e prescritivos associados.
O cenário da pandemia de Covid-19 alterou profundamente o panorama do retalho, acelerando o crescimento do comércio eletrónico a um ritmo que anteriormente se esperava apenas para os anos seguintes. Como consequência, o canal online tornou-se, mais do que nunca, uma área desafiante, onde os retalhistas enfrentam dificuldades para inovar e alcançar a excelência.
O nosso cliente, uma grande cadeia de retalho, já há muito tempo vinha a dedicar esforços significativos para desenvolver serviços inovadores e melhorar a experiência do cliente. No entanto, dois grandes desafios impunham-se:
A solução inovadora proposta procura melhorar a experiência do cliente ao oferecer entregas semanais ao domicílio com uma sugestão de cabaz de produtos.
O principal objetivo deste serviço é eliminar a necessidade de o cliente se deslocar à loja para comprar os seus produtos habituais e agilizar o processo de construção do cabaz no canal digital.
O primeiro passo foi a construção de um modelo de aprendizagem automática (machine learning) capaz de prever a probabilidade de compra de uma determinada família de produtos a cada semana. Este modelo foi complementado por uma heurística — um conjunto de regras inteligentes — que seleciona os produtos dentro de cada família.
O modelo foi desenvolvido com base em variáveis extraídas da segmentação de clientes e de dados transacionais. Esses dados permitiram-nos criar variáveis relacionadas com o comportamento de consumo do cliente, o perfil de consumo dos produtos, o histórico de compras de cada cliente/produto e a sazonalidade.
Subsequentemente, foi desenvolvida uma interface para comunicar o cabaz sugerido à loja online. O cliente apenas precisa de confirmar os produtos sugeridos, ou adicionar novos, e finalizar a encomenda. A vida do cliente fica mais simples, certo?
A solução concebida vai ao encontro da ambição do nosso cliente de estar na linha da frente da inovação. Graças ao esforço conjunto de equipas de várias áreas, a trabalhar com um objetivo comum, a solução foi implementada junto de um grupo selecionado de clientes com o objetivo de recolher feedback.
Os resultados mais recentes mostram que 55% das nossas recomendações ao nível das famílias de produtos foram aceites pelos clientes.
Dentro de cada família de produtos, 60% dos itens sugeridos foram aceites, com uma precisão de 60% na quantidade recomendada. A solução como um todo foi bem recebida pelos clientes iniciais, com uma pontuação NPS entre 7 e 8.
Para o futuro, ainda existe margem para melhoria, sendo que o aumento do volume de feedback será crucial para levar os modelos preditivos e prescritivos para o próximo nível.
Melhorar uma unidade de impressão de uma empresa fabricante líder
Uma aplicação web centralizada que utiliza IA Generativa para fornecer aos utilizadores as análises de que precisam.
Orientar o "Case Pack" para o ponto ideal
Usando a aprendizagem automática para apoiar as decisões de remarcação de preço
Otimização da gestão de inventário de produtos perecíveis
Um estudo de caso sobre como melhorar as estratégias de preços