Inteligência Artificial pode ser usada para personalizar a experiência dos clientes e aumentar as vendas no varejo. Apresenta casos de uso de IA para precificar dinamicamente produtos com base em correlações encontradas nos dados, visando maximizar as vendas de cobertores e aumentar as vendas digitais de seguros automotivos.

1. Inteligência Artificial & Data Driven:
Como vender mais através da personalização
da experiência dos seus clientes
Fernando Teixeira
Diretor de Estratégia - Adobe
Mateus Lopes
Solutions Consultant - Adobe

2. ↓ A.I.PDF
https://adobe.ly/3aYWwrl
Esta apresentação Conteúdo da palestra:
Inteligência Artificial +
Varejo + Vendas +
Marketing + Experiências
personalizadas + Escala +
Pessoas & ferramentas +
Histórias + Dicas +
5 + 1 passos

3. Por que esse assunto é tão interessante?

6. Pesquisa Sysomos UK 2018 com 200 profissionais de marketing
Eu gostaria de usar
Inteligência Artificial para:
I.A. terá impacto no meu trabalho
nos próximos 5 anos?
Sim
85%
Não
15%
51%
34% 34%
atendimento ao
consumidor
compra e
planejamento
de mídia
inteligência
competitiva

7. Vale investir em IA para:
Você sabe explicar o que é
Inteligência Artificial?
62%
60%
aumentar
produtividade
aumentar
eficiência
Sim
46%Não
54%
Pesquisa Sysomos UK 2018 com 200 profissionais de marketing

10. Inteligência Artificial ?

11. Inteligência Artificial = estatística

12. Inteligência Artificial = estatística + computação
BASEADO EM REGRAS MACHINE & DEEP LEARNING

13. BASEADO EM REGRAS
MACHINE LEARNING

14. 4. APLICAÇÃO
REPLICAÇÃO DO
APRENDIZADO
2. SAÍDAS (outputs)1. ENTRADAS (inputs)
3. ALGORITMO
MACHINE LEARNING

20. BASEADO EM REGRAS MACHINE LEARNING
INTELIGÊNCIA ARTIFICIAL
DEEP LEARNING, REDES NEURAIS…

21. 1. Entradas:
• Imagens
• Placa
• Carro
• Rua
• Velocidade
• Temperatura
• Dia e hora
• Etc.
2. Saídas:
• Dirigir corretamente
(piloto)
4. Aplicação
• Dirigir outros carros
3. Algoritmo
Machine Learning: Carro autônomo
supervisão

22. Por que esse assunto está em alta? Hoje?

23. IBM Deep Blue, 1996
=
Baseado em Regras
• 200,000,000
probabilidades /seg.
• Se cada movimento
fosse um átomo:

24. Google DeepMind, 2016
Deep Learning
• 2 x 10170 possibilidades
• Se cada movimento
fosse um átomo:
=

25. Google DeepMind, 2016
Deep Learning
• 2 x 10170 possibilidades
• Se cada movimento
fosse um átomo:
=

26. 1. Entradas:
• 30 milhões de
tabuleiros on-
line (assistindo
pessoas)
• 30 milhões de
jogos próprios
2. Saídas:
• Vencedores de Go
4. Aplicação
• Jogar!
3. Algoritmo
Machine Learning: AlphaGo
supervisão

27. POWER

29. Inteligência Artificial = estatística + computação
BASEADO EM REGRAS MACHINE & DEEP LEARNING

30. +15% no lucro através da
personalização baseada em
propensão até 2020
Impacto do uso de I.A. no varejo digital:
+25% na satisfação dos
consumidores até 2023

31. A História do Cobertor
Varejo (80 lojas + E-commerce).

32. Desafios
Comprar (uma vez ao ano)
o volume ideal com o
máximo desconto e
mínimo estoque
Vender (todos os dias)
Mais com a melhor margem
possível (O x D), reduzindo
ao máximo o estoque e
evitando a queima final

33. Desafios
Comprar (uma vez ao ano)
o volume ideal com o
máximo desconto e
mínimo estoque
Vender (todos os dias)
Mais com a melhor margem
possível (O x D), reduzindo
ao máximo o estoque e
evitando a queima final
“A venda era consequência de uma compra ruim.”
“Deve existir uma forma mais inteligente de fazer isso.”

34. Projeto de Inteligência Artificial para Varejo (80 lojas + E-commerce) | Objetivo:

35. Projeto de Inteligência Artificial para Varejo (80 lojas + E-commerce) | Objetivo:
Precificar dinamicamente (mudar preços todos
os dias na loja física e em tempo real no e-commerce),

36. Projeto de Inteligência Artificial para Varejo (80 lojas + E-commerce) | Objetivo:
Precificar dinamicamente (mudar preços todos
os dias na loja física e em tempo real no e-commerce),
a partir de inteligência...

37. Projeto de Inteligência Artificial para Varejo (80 lojas + E-commerce) | Objetivo:
Precificar dinamicamente (mudar preços todos
os dias na loja física e em tempo real no e-commerce),
a partir de inteligência... que utilize
informações além do preço da
concorrência e do custo,

38. Projeto de Inteligência Artificial para Varejo (80 lojas + E-commerce) | Objetivo:
Precificar dinamicamente (mudar preços todos
os dias na loja física e em tempo real no e-commerce),
a partir de inteligência... que utilize
informações além do preço da
concorrência e do custo,
aumentando as vendas.

39. 1. Entradas
3. Algoritmo
4. Aplicação
Projeto de Inteligência Artificial para Varejo (80 lojas + E-commerce) | Objetivo:
Precificar dinamicamente (mudar preços todos
os dias na loja física e em tempo real no e-commerce),
a partir de inteligência... que utilize
informações além do preço da
concorrência e do custo,
aumentando as vendas.
2. Saídas

40. 2. Saídas:
• Compradores de cobertor
• Não compradores de cobertor
Varejo (80 lojas + E-commerce). I.A. modelo baseado em regras
1. Entradas:
• Notas Fiscais: o que
comprou (ou não),
quando, onde, data,
dia da semana,
outros produtos na
nota, etc
• Outras fontes:
temperatura, chuva,
sensação térmica,
Wi-Fi, duração do
dia...
4. Aplicação
• Personalizar experiências:
preço, visual do site, banners...
de acordo com predição.
• Automático, em escala.
3. Algoritmo
Correlações
Predições
Replicação

41. Correlação: dia da semana
2a 3a 4a 5a 6a sab dom
NÃO comprou cobertor comprou cobertor
->Saídas
Entrada ->

42. Correlação: temperatura em °C
19°C 18°C 17°C 16°C 15°C 14°C 13°C
NÃO comprou cobertor comprou cobertor
°C

43. Correlação: temperatura em °C na véspera
19°C 18°C 17°C 16°C 15°C 14°C 13°C
NÃO comprou cobertor comprou cobertor
VALE °C
15°CD-1 °C

44. 1 DonoEstatístico Programador Comercial
Precificação dinâmica
Cálculo
matemático
- COBERTOR -
• Preço
• Investimento em
Marketing (verba, CPC...)
• Estoque do próximo ano
§ Loja / dia
§ E-comm / hora
Entradas:
• Nº de dias até o 1º vale
desde início do inverno
• Total de vales no inverno
• Estoque no dia
• Preço no concorrente
• Dia da semana
• BBB e Copa
• Horário
• Avg. verão -1
• Cidade - UF
• Dias até Prim
Aplicação

45. Precificação dinâmica
Aplicação
“O que vamos
testar?”
“ Cadê o grupo
de controle?”
“ Confia no
processo :)”
“Acho que está
caro / barato.”
“ Ah! Mas o
concorrente...”
“ Na minha
experiência...”
“Gostar mais do processo do que do resultado.”

46. Nossa mente possui alguns bugs (viés cognitivo)
Pensamento
intuitivo
Pensamento
estatístico
Rápido
Expert
Bombeiro
Calculado
Racional
Pensado

47. Experimento
47
R$ 59.00 68%32%R$ 125.00
Fonte: livro Predictably Irrational - Dan Ariely

48. Experimento
48
R$ 59.00 16%84%0%R$ 125.00 R$ 125.00
R$ 59.00 68%32%R$ 125.00
Fonte: livro Predictably Irrational - Dan Ariely
= =

49. 5 passos da estratégia “Correlacionar, Predizer e Personalizar”
1. Criar times multidisciplinares e autônomos
2. Escolher 1 produto, entradas e saídas
3. Encontrar correlações nos dados
4. Aplicar aos poucos até criar sua receita
5. Pensar como um cientista, sempre.

50. A história do Seguro Auto
E-commerce puro

51. Inteligência Artificial na Venda de Seguro Auto em E-commerce
Compradores
Não Compradores
• Site
• Call center
• Site
• Call center

52. Inteligência Artificial na Venda de Seguro Auto em E-commerce
Compradores
Não Compradores
• Site
• Call center
• Site
• Call center
Estratégia: tomada de decisão em tempo de execução
• Dados
• Dados
• Dados
100% dos leads gerados no site
80% das vendas passavam pelo call center
• Predição
• Personalização

53. As correlações mais fortes para venda “apenas digital”
Origem Valor
Busca Google 150
Busca Bing 80
Facebook ADs 55
Acesso direto 120
Origem
Navegador Valor
Chrome 140
Safari 180
Explorer 22
Firefox 98
Navegador
Monitor Valor
800 x 600 95
1.024 x 768 120
Wide 105
640 x 480 60
Resolução+ ++ ...+
150 180 95+ + = 425+

54. Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5 Grupo 6 Grupo 7 Grupo 8 Grupo 9 Grupo 10
Divisão da audiência de acordo com o coeficiente

55. Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5 Grupo 6 Grupo 7 Grupo 8 Grupo 9 Grupo 10
Divisão da audiência de acordo com o coeficiente
> 400
ALTA
PROPENSÃO DE
CONVERSÃO
APENAS
DIGITAL

56. Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5 Grupo 6 Grupo 7 Grupo 8 Grupo 9 Grupo 10
• ELIMINAÇÃO DA LIGAÇÃO REPIQUE
• REDUÇÃO DA EXPOSIÇÃO DE
IMAGENS COM 0800 E CHATBOT
Divisão da audiência de acordo com o coeficiente
> 400
ALTA
PROPENSÃO DE
CONVERSÃO
APENAS
DIGITAL
TIRAR
DO CALL
CENTER
Estratégia 1
Resultados
-50%
custo da
venda
+29%
NPS
Táticas

57. • ELIMINAÇÃO DA LIGAÇÃO REPIQUE
• REDUÇÃO DA EXPOSIÇÃO DE
IMAGENS COM 0800 E CHATBOT
Divisão da audiência de acordo com o coeficiente
Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5 Grupo 6 Grupo 7 Grupo 8 Grupo 9 Grupo 10
> 400
ALTA
PROPENSÃO DE
CONVERSÃO
APENAS
DIGITAL
TIRAR
DO CALL
CENTER
Estratégia 1
Resultados
-50%
custo da
venda
+29%
NPS
Participação do call center nas vendas: de 80% para 55%
Táticas
Aprendizado: propensão digital não teve influência de renda e idade

58. Inteligência Artificial = estatística + computação
BASEADO EM REGRAS MACHINE & DEEP LEARNING

59. 1. Plataformas de I.A. “Mar-Tech”
2. Capacidades compartilhadas de I.A.

60. OnlineOffline
Jornada do consumidor com tudo junto em real-time
90% de chances
de comprar
Moto-Z...
Predisposição B Predisposição C
• Antecipar
• Orquestrar
• Personalizar
... se
receber
um e-mail
... quando
entrar no
site
Predição

61. 1. Plataformas de I.A. “Mar-Tech”
2. Capacidades compartilhadas de I.A.

64. Os dados são o
novo petróleo?
O Algoritmo
é o novo
petróleo!

65. POWER CONEXÃO SUPER
PODERES
=+

66. vem grandes responsabilidades.”
“Com grandes poderes
Tio Ben

67. FOFOCA

69. 6 PASSOS da estratégia “Correlacionar para Predizer e Personalizar”
1. Criar times multidisciplinares e autônomos
2. Escolher 1 produto, entradas e saídas
3. Encontrar correlações nos dados
4. Aplicar aos poucos até criar sua receita
5. Pensar como um cientista, sempre.
6. Ser ético, responsável e afim de mudar o mundo

72. ↓ A.I.PDF
https://adobe.ly/3aYWwrl
Esta apresentação
∞ Artigo
http://bit.ly/32SuRDU
Marketing I A