TI para Negócios

Em 4 de setembro de 2018, a Amazon se tornou a segunda empresa a atingir a marca de 1 trilhão de dólares em valor de mercado, atrás apenas da Apple. Um império que supera, em termos de receita, a Disney, Netflix e Samsung juntas. E um dos motivos desse sucesso financeiro, é o fato da Companhia estar mais preocupada com a opinião dos clientes do que com a concorrência. Por isso, tem apostado, e muito, na experiência do seu usuário!
A era da internet, que no século passado trouxe o e-commerce e com ele impérios de lojas virtuais, também ameaçou o varejo físico que não se adaptou às demandas dos consumidores. Mas, não foi só o varejo que sentiu as dores da internet – negócios tradicionais que não se reestruturaram, sentiram a disrupção bater à porta. Uma prova disso foi que conglomerados tradicionais norte-americanos como Macys, Sears, J.C Penney fecharam muitas de suas unidades nos Estados Unidos. Somente no ano passado, o país teve mais de 9 mil estabelecimentos encerrando suas atividades, realidade que também assombrou o Brasil. . Segundo a CNC, Confederação Nacional do Comércio, são mais de 225 mil estabelecimentos fechados no Brasil desde 2015 – números que mostram o quanto o setor precisa se reinventar, experiência é tudo.
No entanto, o varejo brasileiro tem entendido que os desafios dos negócios vão além dos números e da situação econômica, e que a inovação depende também da tecnologia. Por isso, há um movimento em torno da transformação digital se tornando real por aqui, com investimentos previstos pelas gigantes do varejo físico que podem ajudar as marcas a atender os clientes onde quer que eles estejam. Embora essa jornada transformacional tenha entrado da agenda dos CIOs brasileiros, com muitas marcas investindo em tecnologias disruptivas, ainda é preciso um olhar adiante para compreender como o machine learning, a inteligência artificial e o analytics podem apoiar a sobrevivência das lojas físicas.

O futuro está na customização

Não há dúvidas de que o varejo físico tem respirado com ajuda de aparelhos, e o principal motivo é que o consumidor ainda não encontrou nesses estabelecimentos a experiência louvável que muitas vezes os grandes impérios virtuais oferecem. No Brasil, o omnichannel, começa a sair do campo das ideias para de fato acontecer. E o que o varejo físico precisa compreender é que o remédio para essa crise está em obter os insights corretos por meio de tecnologias preditivas que melhorarão a experiência do cliente.
Hoje, varejistas gastam bilhões de dólares procurando por insights que são apresentados pela metade, porque não analisam toda a rede de dados, e apresentam resultados bagunçados e incompletos. Veja alguns caminhos que podem ajudar os varejistas a perseguir a Inteligência Artificial de uma maneira eficiente:

1.Personalizar a experiência do usuário

Apelar para as necessidades dos usuários é o caminho mais efetivo para manter a lealdade do cliente. De fato, de acordo com uma pesquisa recente do Life Monitor, 70% dos entrevistados afirmam que eles seriam mais leais às marcas que permitissem customizações de vestuários. Para o consumidor, o ato de comprar roupas é uma atividade social. Com machine learning e dados transactionais no centro das operações, varejistas podem rastrear, analisar os hábitos de consumo e comportamentos dos seus clientes e, com base em insights gerados, entregar ofertas sob medida, porque o machine learning no varejo pode ir fazer a loja ir além das recomendações – é possível predizer demandas e abrir novos caminhos para o atendimento personalizado que o consumidor tem buscado.
Um exemplo disso é a Sephora, que criou o Color IQ, uma solução na loja física que usa machine learning e escaneia a superfície da pele. Assim, consegue indicar ao cliente o tipo de base e corretivo usando tecnologia. Lançada em 2012, a solução fez a marca gerar mais de 12 milhões de acertos nas recomendações, o que levou a companhia criar o Lip IQ, um spin-off para batons. Uma prova de que a personalização, quando levada para um outro nível pode não apenas gerar receita, mas apoiar na criação de novos produtos/serviços.

2. Reduzir os itens fora de estoque

Insights podem ajudar os varejistas a ir além dos padrões de vendas. Podem ajudar a evitar uma estratégia errada em datas sazonais, como encher os estoques de alguns armazéns com ítens fora de demanda. Há exemplos de varejistas no mundo que estão usando o Machine Learning para reabastecer o estoque de forma mais inteligente. Na H&M, por exemplo, com AI e big data, a loja consegue analisar os recibos e devoluções de acordo com a localização. Assim, a rede de lojas monta seu inventário com base nesses dados, pois ao analisar as compras é possível identificar ítens e modelos que mais vendem em determinadas estações e unidades para não deixar faltar nas prateleiras.
Esse método ajuda a reduzir o excesso de produtos e prejuízos, pois as lojas conseguem, com base nas análises de insgiths gerados pelos consumidores, apenas solicitar o que é aderente ao momento, evitando o desperdício e gerando uma economia mais inteligente e um consciente.

3. Insights direcionados de Machine Learning