Você entra em uma loja online e o primeiro produto que vê é exatamente aquele que estava procurando. Não, não é coincidência. É tecnologia! Já adiantando: isso acontece graças ao sistema de recomendação no e-commerce.
No artigo de hoje, vamos explicar do que se trata esse sistema, como exatamente ele funciona, ainda mostrando por que uma ferramenta de recomendações pode se tornar um diferencial para seu negócio online. Ficou curioso? Então, continue lendo!
O paradoxo da escolha
A internet oferece ao usuário uma infinidade de possibilidades. Em meio a um universo de sites e informações, espalhados em servidores ao redor do mundo, ao invés de facilitar o processo decisório, pode levar oposto: o paradoxo da escolha.
Trata-se quando diante de tantas opções, a pessoa se vê perdida e não sabe qual caminho seguir. É para evitar esse estado que diversos serviços têm investido em sistemas de recomendação, como é o caso da Netflix. Embora ter um grande variedade continue sendo importante, para atender aos diversos gostos, é preciso organizar essas possibilidades em pequenos grupos que facilitem a decisão do usuário.
Nas antigas locadoras físicas nós tínhamos a figura do atendente. A partir de alguns dados, como os últimos filmes locados e informações fornecidas pelo cliente naquele momento, como o desejo de querer um drama ou uma comédia para toda a família, o balconista indicava alguns títulos que poderiam facilitar a escolha de qual produção alugar.
O princípio do que ocorre nas plataformas de streaming atuais e no e-commerce de uma maneira geral é o mesmo. Só que todo esse processo ocorre digitalmente a partir da análise de dados do consumidor online.
O que é um sistema de recomendação
O sistema de recomendação, dessa forma, é usado para melhorar a navegação de usuários nas lojas virtuais, automatizando a forma como os produtos são mostrados de acordo com os perfis dos compradores.
Para realizar essa tarefa, são usados algoritmos, técnicas de filtragem colaborativa e inteligência artificial a fim de monitorar o comportamento do usuário e de visitantes com perfis similares para oferecer uma experiência única, com exibição prioritária de itens que possam realmente chamar a atenção do comprador.
Tudo isso é baseado em dados e métricas reais, processados e usados pelo programa para se aprimorar de forma constante — graças ao machine learning.
Um exemplo de uma empresa que faz muito bem isso é a Amazon. Ela oferece opções de produtos baseadas no histórico de compras, no perfil do consumidor, nas características daquele item e até mesmo baseado em perfis de clientes similares.
Em “compre algo para você”, ela utiliza o sistema de lista de desejos para sugerir produtos que o comprador já demonstrou interesse em comparar alguma vez.
Embaixo de cada item, são mostradas opções parecidas baseadas no comportamento de outros consumidores.
Por fim, há recomendações específicas a partir do histórico de compras e visualizações do consumidor:
Os diferentes tipos de classificação
Agora que você conhece o conceito e o funcionamento básico de um sistema de recomendação no e-commerce, pode passar para seus diferentes tipos e parâmetros. São 3 os principais modelos da solução, que mostraremos a seguir.
Usando o histórico do usuário
Nesse caso, o sistema coleta informações de cada usuário, como tempo de navegação, termos buscados, itens adquiridos e ticket médio. Com esses dados armazenados, o sistema vai reorganizar a loja virtual na próxima visita, passando a exibir produtos que se encaixem no comportamento de compra anterior do usuário.
Imagine o seguinte cenário: você entra em uma loja de material esportivo e compra uma calça de ginástica. Na sua próxima visita, o site vai sugerir produtos similares, como roupas para exercícios físicos ou tênis de corrida, tudo de acordo com o valor médio que você desembolsou na primeira transação.
E tem mais: o sistema pode ser aprimorado com a contribuição voluntária de cada visitante, ao ser convidado para preencher um questionário sobre suas preferências de compra, por exemplo. Mas como essa rotina pode ser considerada burocrática demais ou mesmo ser encarada como uma porta de entrada para spams, é preciso usá-la com cautela.
Usando filtragem colaborativa
Recomendar itens de acordo com o histórico do usuário é sim uma boa ideia. O problema surge quando as compras são mais raras e específicas, dificultando a montagem de uma base sólida de dados. É comum, portanto, que os sistemas de recomendação usem informações de vários usuários com perfis parecidos para serem efetivos.
Assim, o sistema pode saber que pessoas com menos de 27 anos têm preferência por determinados tipos de produto, oferecendo esses itens para a mesma faixa etária. O sistema também pode saber que quem comprou o produto A também levou o B. Assim, quando outro visitante pesquisar sobre a mercadoria A, receberá a sugestão para conhecer também o item B.
Usando o melhor dos dois mundos
Tudo bem que usar os dados do histórico de um único usuário ou usar filtros sociais são ações importantes, mas podem abrir brechas para erros. Por isso, o ideal é apostar em uma solução que combine os 2 sistemas, tornando a detecção de interesses muito mais precisa, melhorando a qualidade das sugestões e, por fim, aumentando o índice de conversões. Estamos falando dos sistemas híbridos.
Nesse caso, ao colocar um item no carrinho, o usuário vê quais foram as escolhas de quem já percorreu esse mesmo caminho, ao mesmo tempo em que recebe indicações baseadas em seus interesses específicos. Assim, a loja pode oferecer produtos com preços convidativos e até características que agradem o comprador — como numeração e cores.
3 benefícios do sistema de recomendação no e-commerce
Na verdade, não é nada difícil entender como um sistema de recomendações pode ser útil. Ele melhora a visualização de produtos da loja de acordo com a experiência do usuário e dos demais visitantes, tornando a experiência de compra muito mais personalizada. Mas vamos aprofundar um pouquinho?
1. Maior satisfação do visitante
Quando um visitante recebe boas sugestões, economiza um bem extremamente valioso: tempo. Nada de ficar perdido em páginas e mais páginas da loja atrás do produto ideal. Lembre-se, afinal, de que essa sensação de desperdício de tempo pode levar ao abandono do carrinho.
Ao encontrar facilmente o que deseja, o cliente consegue finalizar a transação com mais tranquilidade e até usar seu tempo (agora livre) para pesquisar e, claro, comprar novos produtos na sua loja! E esse processo ainda pode ser potencializado com a sugestão sendo feita no momento do preenchimento do carrinho ou durante o checkout.
2. Aumento do ticket médio
O segredo do sistema de recomendação não está em só melhorar a busca do cliente, mas também em aumentar o volume de compras individuais. Isso acontece porque a solução facilita 2 estratégias muito eficazes: o cross e o upsell.
No primeiro, que é comumente traduzido como oferta cruzada, o cliente recebe uma sugestão de produto complementar à sua compra. Ele colocou uma bicicleta no carrinho? Sugira um capacete ou opções de luz para a bike. Levou uma churrasqueira? Ofereça espetos de ferro ou álcool sólido, por exemplo. Um celular? Sugira fones de ouvido. Assim, quem levaria apenas um item acaba comprando mais.
Já o upsell consiste em ofertas de produtos mais atualizados ou potentes. O cliente está procurando um celular com 2GB de memória RAM? Então sugira um produto mais rápido, mesmo sendo mais caro, que pode ser mais satisfatório. A ideia aqui é aumentar o ticket médio com a venda de produtos mais lucrativos.
3. Gestão guiada por dados
Usando dados de visitação dos usuários, o sistema de recomendação abre uma bela oportunidade para conhecer profundamente o público do e-commerce. Assim, não apenas o cliente recebe sugestões interessantes ao visitar a loja, mas o próprio e-commerce pode direcionar suas ações para oferecer opções melhores.
O sistema pode detectar, por exemplo, que vários usuários escolhem o produto B e não o A depois de receberem sugestões. Caso esse número seja muito alto, pode ser uma boa ideia analisar se está na hora de abandonar a comercialização do produto A e desenvolver soluções mais parecidas com o produto B.
Cuidados com a estratégia
Embora a tecnologia tenha avançado para trazer resultados cada vez mais precisos no sistema de recomendação no e-commerce, é preciso haver controle desse mecanismo, em que é necessário um ser humano para identificar possíveis erros e sutilezas dessa estratégia.
Imagine o caso de uma loja de materiais esportivos. É possível que alguns consumidores tenham comprado camisetas de times de futebol diferentes para presentear familiares, companheiros, etc. A partir disso, é registrado esse comportamento para indicar itens para novos compradores.
É aí que pode ser recomendada uma camiseta do Santos para um torcedor fanático do Corinthians, no campo “você pode gostar também”. É uma sutileza, mas que pode afetar a experiência daquele usuário e sua relação com a loja. Assim, é importante haver controle e constante avaliação da inteligência artificial, realizando calibragem dos resultados.
Seja como for, essa estratégia é capaz de gerar grandes resultados em sua loja virtual, aumentando o ticket médio por compra, fidelizando clientes e proporcionando um ambiente de compra mais personalizado.
*Artigo publicado originalmente em janeiro de 2018 e atualizado em julho de 2018.
