Como a IA tem revolucionado o varejo multicanal: O2O e B2B

Durante as últimas décadas assistimos a uma primeira geração de transformação digital marcada por plataformas cuja entrega era predominantemente baseada em bytes, ou seja, informações digitais. Entre elas, o software na nuvem e o fim da distribuição em caixinhas, a música, o streaming e até mesmo bancos, já que o dinheiro, uma vez depositado, se transforma em bytes de extrato, transferência, aplicações etc.

Recentemente, entramos em uma segunda onda de transformação digital que envolveu não só os bytes, mas também os átomos do mundo físico. Batizada de O2O por Andrew Ng, o conceito “offline to online” inclui desde transporte de passageiros em carros particulares e táxis até a entrega de comida e aluguel de casas para temporada.

Essa segunda transformação está se consolidando por meio do uso de inteligência artificial (IA) e com as aplicações dentro das empresas B2B. O varejo multicanal, aquele que possui lojas físicas e e-commerce, é um bom caso para ilustrar esse uso. Dilemas que eram difíceis de ser respondidos, hoje, são compreendidos no O2O como:

– entendimento sobre o impacto das pessoas que visitaram a loja física nas vendas do e-commerce; 

– otimização do investimento no ponto de venda, influenciando na decisão por abrir ou fechar lojas;

– decisões sobre os melhores endereços de lojas e centros de distribuição;

– precificação dos produtos de forma dinâmica e independente;

– investimento em compra de mídia de acordo com propensão, ao invés de demografia.

Estudo de caso: varejo de artigos esportivos

Em entrevista com César Moura, um dos fundadores da Hypr, conheci a história interessante de um grande varejista de artigos esportivos com centenas de lojas e e-commerce expressivo no país. O desafio da companhia era encontrar o equilíbrio perfeito entre o comércio físico e online.

Esse tal equilíbrio perfeito nada mais significa do que conseguir balancear a quantidade ideal de lojas, nos melhores endereços, com o menor custo operacional possível, levando em conta não só sua receita, mas também sua influência nas vendas digitais.

Por exemplo: imagine que em uma determinada cidade o varejista possui três lojas, sendo que duas são muito lucrativas e a terceira, deficitária. Antes de tomar a decisão de encerrar as operações da loja que não está performando bem, ele precisa saber qual a sua influência na compra digital. Se supusermos que todos os consumidores visitam as lojas de maneira equilibrada, porém, na terceira, por alguma razão, chegam a experimentar os produtos na loja física, mas optam por comprar no mundo digital, como validar o comportamento versus o retorno gerado?

Classificar as lojas apenas pela receita não é suficiente para tomadas de decisões de vendas estratégicas, já que elas podem ser classificadas também pela influência no e-commerce. Para que isso aconteça, dois ingredientes são essenciais: estatística e computação. Quando lembramos que IA nada mais é que a união dessas duas disciplinas para prever comportamentos (predição) e agir em interações (personalização) de forma “data-driven” e não mais pela intuição das pessoas, esse desafio fica ainda mais interessante.

Na história do varejista de artigos esportivos, algumas descobertas podem ser interessantes e provocar reflexões. Sobre as pessoas que visitaram as lojas físicas, os dados mostraram que elas:

– navegam 42% mais tempo no site da loja;

– ficam um tempo menor pesquisando produtos;

– gastam mais tempo no checkout, que é a fase de conclusão da compra;

– colocam 25% mais produtos no carrinho;

– gastam 37% mais do que o baseline.

Decisões baseadas em dados

Depois de analisar descobertas como essas em algumas lojas, foi possível constatar a relação existente entre “experimentar na loja e comprar no e-commerce”. A partir dessa conclusão, criou-se uma classificação de venda ponderada em que parte da receita do e-commerce foi atribuída às lojas físicas. Considerações como a probabilidade de uma fachada influenciar em uma venda digital e as chances de uma compra digital se transformar em um cross-sell na loja física são calculadas.

Algumas lojas foram fechadas enquanto outras receberam maior atenção e uma dezena expandiu os espaços de experimentação. Assim, foi possível alcançar não só o equilíbrio entre os investimentos da empresa, mas também entre os departamentos responsáveis pelo digital e pelas lojas físicas e, por fim, para o consumidor. Afinal, se o consumidor experimenta em um lugar e compra em outro e nenhum deles deixou de existir, ótimo – e quando alguns até melhoraram para esse fim “intermediário”, quem sai vencedor é o cliente.

Esse case é um bom exemplo para ilustrar decisões feitas com base em dados e não em intuição. O fato de algumas lojas terem sido direcionadas para experimentação de modelos como quick checkout e/ou click collect não foi uma decisão baseada na moda, mas em dados, estatística e computação.

Confira mais artigos sobre as novidades do marketing no Fórum Paradigma Martech“