Papo Reto Zoly: use a Inteligência Artificial pra melhorar a performance da sua marca

A tecnologia da Inteligência Artificial (IA) está em constante evolução, e as empresas que fazem uso desse recurso para otimizar sua performance só têm a ganhar, é o que constatou um estudo da Havard Business Review. De acordo com a pesquisa, as marcas que inseriram a IA no seu processo de vendas foram capazes de aumentar seus leads em mais de 50%.

Esse potencial de colaboração da IA para o progresso dos negócios tende a crescer cada vez mais, segundo o McKinsey Global Institute, nos próximos três anos, espera-se que a tecnologia gere entre US$ 1,4 trilhão a US $ 2,6 trilhões em valor, solucionando dores e aperfeiçoando demandas de Marketing e Vendas.

Uma dessas demandas é a personalização da experiência. Aqui na Zoly, por exemplo, usamos essa tecnologia para criar e acelerar jornadas de aquisição personalizadas que, além de aumentar as vendas, também enriquecem a experiência do cliente. Mas essa é só uma das finalidades da IA com foco em performance.

Quer descobrir de que outras maneiras a Inteligência Articial pode beneficiar a sua empresa? Então, confere esse Papo Reto Zoly com o Gustavo Krajuska, nosso Coordenador de Data Engineering.

(Zoly) Pensando no processo completo de vendas, como a Inteligência Artificial facilita a atração, a conversão e a retenção de clientes?

(Gustavo) Muitas vezes, vemos o conceito de inteligência artificial muito misturado com Machine Learning, Deep Learning e todos os tipos possíveis de “Learnings”. O ponto é que podemos, até certo ponto, considerar qualquer tipo de sistema que aceita um conjunto de dados e devolve alguma informação nova com base no conjunto inicial como inteligência artificial. Também é muito comum ver sistemas que automatizam processos analíticos e de tomada de decisão sendo categorizados como IA. Não vou entrar no escopo do que é realmente definido como inteligência artificial porque é uma discussão que ainda não terminou na vida real, mas se você, leitor, quiser saber mais à fundo sobre as definições dessa tecnologia, eu recomendo, pois é muito legal e abre portas para discussões de boteco muito divertidas.

Mas partindo destes pressupostos, principalmente do sistema que utiliza um conjunto de dados para gerar nova informação relativa à original, fica um pouco mais fácil comentar sobre as aplicações disso no processo de otimização de negócios.

Não é segredo pra nenhum de nós que existem empresas que conseguem nos atingir precisamente com anúncios de serviços e produtos nos quais demonstramos interesse de alguma forma, seja por histórico de navegação ou alguma interação específica dentro de um e-commerce por exemplo. Existe um processo muito robusto de coleta de dados envolvido neste fluxo de aquisição de clientes, e os mantenedores dessa informação conseguem usá-la para facilitar a assertividade na comunicação com os consumidores, assim, já otimizando o primeiro ponto de contato com os mesmos. Um exemplo clássico da utilização desse tipo de sistema é simplesmente abrir o aplicativo do Facebook e observar com atenção os anúncios ofertados.

Da mesma forma, se as empresas possuem processos de coleta de dados das interações de seus clientes, seja por algum sistema interno, ferramentas de mercado como Google Analytics ou, no melhor dos casos, uma mistura dos dois, elas têm a possibilidade de utilizar processos analíticos para entender o comportamento dos clientes, e categorizar os conjuntos de clientes com base em interações específicas, atribuindo algo como uma “nota”, que comumente é chamada de lead scoring. Com base nesta nota é possível retroalimentar o sistema que gera a atração dos clientes, tentando encontrar outros grupos que se comportem da mesma maneira (estratégia que normalmente é chamada de look-alike) e gerando um ciclo de otimização contínua desta etapa.

No que tange o escopo da conversão em si, a performance de vendas de um e-commerce pode ser otimizada de maneira aguda, utilizando sistemas de recomendação de produtos. Novamente temos um exemplo ótimo disso, que é o tipo de seção que você vê em um momento de checkout (fechamento da compra). Quando você está prestes a concluir a compra são propostas a aquisição de outros produtos baseados no seu histórico de navegação ou, até mesmo, no seu histórico de compras e avaliações, podendo essas recomendações serem de produtos complementares ou versões diferentes do mesmo item que você vai adquirir.

Utilizar esses mesmos métodos analíticos para retenção de clientes é um ponto mais delicado, porque está diretamente ligado à experiência que o consumidor tem com o produto/serviço e à necessidade de consumo. Porém, com uma coleta de dados bem estruturada é possível atribuir categorias aos clientes baseadas em interações recentes, frequência de interação com o ambiente, entre outros critérios válidos.

(Zoly) Já vimos como a IA pode auxiliar as empresas a otimizarem suas vendas, mas as marcas não são as únicas favorecidas. Essa tecnologia também traz benefícios para os consumidores. De que maneira a Inteligência Artificial contribui para uma melhor experiência do cliente?

(Gustavo) Levando em consideração tudo que mencionei na questão anterior, todos os artifícios utilizados para beneficiar a performance têm potencial para beneficiar a experiência do cliente também. Tomemos como exemplo o sistema de recomendação de produtos em um e-commerce, se o sistema estiver bem “calibrado”, com as categorizações feitas de maneira precisa e baseadas nos pontos de dados disponíveis, o usuário provavelmente vai receber uma recomendação útil no seu checkout. Isso contribui para que o cliente tenha o mínimo esforço em realizar o seu objetivo de consumo, tornando mais provável, também, o retorno deste usuário ao e-commerce em questão.

(Zoly) As vantagens da IA são indiscutíveis, mas para a tecnologia ser verdadeiramente eficiente e fazer progressos, ela precisa ser alimentada com muitos dados. É por isso que a engenharia de dados e a inteligência artificial precisam caminhar juntas. Pode explicar como se dá a interseção entre essas disciplinas e como a engenharia de dados contribui com a IA e vice e versa?

(Gustavo) Todas as práticas que mencionei aqui têm uma relação íntima com dados em geral. Dados só se tornam informação quando eles passam a servir um propósito, e este propósito só é válido e real quando os dados estão em algum formato manipulável, ou pelo menos próximo de estar. É aí que entra a disciplina da engenharia de dados com o intuito de mapear e formular métodos replicáveis para o processamento e armazenamento destes dados, desde a origem mais crua até à forma de “informação”, que é quando o dado serve para algo acionável.

É impossível gerar qualquer forma de inteligência artificial sem uma modelagem prévia dos dados que serão analisados e uma determinação de qual forma esses dados devem tomar antes de serem utilizados. É bem comum ver a disciplina da engenharia de dados dissolvida dentro de outras áreas, porém, o conjunto de habilidades e métodos que definem a engenharia de dados são vastos e variam de acordo com a aplicação final e o contexto no qual esses dados serão aplicados.

O cenário todo que envolve a utilização em massa de informação ainda é relativamente novo, muita coisa surge num piscar de olhos. Os pontos que nós abordamos neste bate-papo são uma pequena introdução de uma parte específica disso que é voltada para negócios, e principalmente para a digitalização recente de muitos processos. Espero que isso desperte a curiosidade de todos vocês.

Os benefícios e transformações que a Inteligência Artificial pode trazer para as empresas são reais e indiscutíveis. Então, está mais do que na hora de você ter uma solução de aquisição e aceleração de vendas otimizada e inteligente.

Fale com o time da Zoly para saber como colocar isso em prática!  

Sobre o entrevistado:

Sou Gustavo Krajuska, coordenador de Data Engineering na Zoly!

Apaixonado por tecnologia open-source, usuário chato de Linux (se deixar eu catequizo você que está lendo também), músico e ocasionalmente cozinheiro. Acabei entrando no mundo de digital analytics como analista de dados e depois me especializei em engenharia de dados voltado pra inteligência de negócios. Sou a prova viva de que ensino acadêmico não é obrigatório para trabalhar com tecnologia (apesar de ajudar bastante, principalmente dando o caminho das pedras), ainda não terminei o ensino superior mas estou investindo horas em conhecimento desde muito antes de ingressar.