CONFORAMA A personalização habilitada por IA aumenta a receita das campanhas de CRM da Conforama

ASSISTA: A Conforama faz uma transição bem-sucedida para uma estratégia entre canais mais simplificada e eficiente, integrando uma solução de IA para recomendações personalizadas de produtos.

A Conforama é a segunda maior varejista de móveis para casa na França e está presente em sete países, com 300 lojas, incluindo 200 na França. A empresa vende móveis e itens de decoração em forma de kit e registrou vendas de 1,7 bilhão de euros em 2022.

Como uma marca de porta de entrada, o objetivo da Conforama é “tornar acessível o que as pessoas mais desejam pelo melhor preço”. É uma ambição apoiada por uma transformação planeja oferecer uma experiência omnicanal por meio de data e IA. Uma auditoria inicial e uma visão data marketing com Artefact identificou e priorizou 12 casos de uso e 25 facilitadores técnicos e organizacionais. O primeiro caso de uso foi a integração de uma recomendação de produto personalizada nos e-mails semanais da empresa.

Vários desafios precisavam ser abordados nesse caso de uso:

• Como entender as necessidades de três milhões de clientes e recomendar os produtos mais relevantes de um catálogo com 42.000 referências?
• Como propor apenas os produtos que estão em estoque, em promoção e que ainda não foram sugeridos aos clientes?
• Como operar e manter a solução técnica com facilidade?

Economizar o tempo dos consumidores e aumentar a produtividade dos negócios

Ao usar algoritmos de aprendizado de máquina para analisar o data do usuário, como preferências, histórico de compras e comportamento on-line, a recomendação de produtos baseada em artificial intelligence sugere produtos relevantes para os consumidores de forma personalizada. Isso permite que as empresas entendam melhor as necessidades de seus clientes e recomendem produtos que correspondam a seus interesses, resultando em aumento de vendas e retenção de clientes.

Um dos principais benefícios dessa solução é que ela economiza o tempo dos clientes. Em vez de percorrer inúmeras páginas de produtos para encontrar o que estão procurando, os clientes podem acessar rapidamente uma seleção de produtos recomendados que atendem especificamente às suas necessidades. A recomendação de produtos baseada em IA pode aprimorar a experiência de compras on-line e incentivar os clientes a retornarem para mais compras. Uma vantagem estratégica, já que 72% dos consumidores só interagem com mensagens de marketing personalizadas e adaptadas aos seus interesses.

Além disso, A recomendação de produtos baseada em IA pode aumentar a produtividade dos negóciosOs algoritmos de aprendizado de máquina podem analisar grandes quantidades de data em tempo real, permitindo que as empresas monitorem continuamente as tendências e o comportamento de compra dos clientes. Isso pode ajudar as organizações a entender melhor os desejos dos clientes e adaptar rapidamente suas ofertas de produtos de acordo com eles. Também pode permitir que as empresas otimizem seus estoques, oferecendo produtos com maior probabilidade de venda, o que pode reduzir os custos e maximizar os lucros.

Por fim, a recomendação de produtos baseada em IA pode oferecer benefícios comerciais significativos. Ao sugerir produtos relevantes e personalizados aos clientes, as empresas podem melhorar sua taxa de conversão, aumentar as vendas e fortalecer a imagem da marca. Do ponto de vista do mercado, foi demonstrado que a recomendação de produtos com base em IA proporciona um crescimento incremental de +2,5%.

Um primeiro caso de uso focado na personalização de campanhas de e-mail

Antes desse projeto, todos os clientes da Conforama recebiam e-mails com os mesmos oito produtos selecionados semanalmente pelas equipes de marketing. Essa era uma tarefa trabalhosa, pois exigia a identificação dos oito produtos com maior probabilidade de interessar a três milhões de clientes, cada um dos quais com interesses exclusivos. Todo esse tempo gasto na análise do data poderia ter sido empregado em atividades mais estratégicas, como a criação de conteúdo editorial para esses e-mails.

Hoje, todas as terças-feiras, um e-mail é enviado a todos os clientes da Conforama com oito recomendações de produtos. Mas essas recomendações são personalizadas de acordo com o histórico de compras e filtradas exclusivamente para produtos que estão em promoção, disponíveis nas lojas e que não foram apresentados em ativações anteriores.

A solução de IA implementada inclui 4 etapas principais de processamento do data:

• Coleta de históricos de transações, referências de clientes e produtos e, em seguida, preparação do data;
• Criação do modelo “Collaborative Filtering” para calcular o apetite do cliente pelo catálogo de produtos;
• Filtragem de produtos com base no estoque disponível, notícias comerciais (vendas, promoções, etc.), ativações e compras anteriores;
• Enriquecimento do produto data (fotos, preços, descrições, etc.) para ativação.

Essa solução é baseada em 16 tabelas data, 25 etapas de transformação e modelagem e 40 testes de qualidade automatizados. Dezenas de iterações do modelo possibilitaram a escolha da abordagem mais eficiente com base no histórico de transações. Graças a essa solução, a Conforama agora gera vários milhões de recomendações por semana em 45 minutos, a um custo de 50 euros por semana.

Em outras palavras, se o senhor contabilizar os custos de desenvolvimento e operação, bem como as vendas incrementais, o ponto de equilíbrio do projeto é alcançado em uma semana, com uma solução automatizada e confiável.

“Economia de tempo, sim, mas, acima de tudo, um benefício comercial para nossas equipes de CRM. Porque, graças a essa personalização, os clientes clicam mais e, portanto, compram mais. Ganhamos 15% da taxa de cliques após a personalização desses e-mails, o que representa vários milhões em vendas incrementais.”
Mélodie Charles, Diretora de Marketing da Conforama

Uma transição tranquila para a IA: lições da história de sucesso da Conforama

• Nível 1: personalização de um ponto de contato atualmente baseado em regras usando uma abordagem algorítmica de IA;
• Nível 2: estender a recomendação personalizada baseada em IA por toda a jornada do cliente (produtos semelhantes/produtos complementares/sugestão baseada no histórico de compras);
• Nível 3: Otimização da orquestração de recomendações em todos os canais para garantir uma experiência omnichannel.

O nível 1 costuma ser o mais difícil, pois exige o estabelecimento das bases para quatro dimensões distintas: visão do alvo, experiência do usuário e prioridades; fontes de data; ferramentas tecnológicas; equipe do projeto e método de trabalho.

O exemplo da Conforama oferece lições valiosas sobre essas quatro dimensões:

• Selecione um primeiro caso de uso e funcionalidades que possam ser implementados e medidos rapidamente para colocar a organização no caminho do sucesso. Por exemplo, essa vitória inicial significa que a Conforama agora pode planejar a implementação de recomendações de produtos nas lojas ou o aprimoramento de seu algoritmo graças à navegação no data.
• Certifique-se de que o data seja confiável. Uma boa modelagem de data depende, antes de tudo, de um data de boa qualidade. Para a Conforama, foram realizadas análises exploratórias em mais de 50 tabelas para selecionar fontes de data em áreas como conhecimento do cliente, repositórios de produtos e transações.
• Utilizar tecnologias que permitam às equipes implementar uma solução técnica de forma rápida e colaborativa. A Conforama selecionou as ferramentas mais adequadas para esse tipo de fluxo de trabalho: DBT, BigQuery ML e Vertex AI por seu desempenho, modularidade e portabilidade.
• Formar uma equipe dedicada capaz de lidar com todos os problemas potenciais e adotar uma abordagem de teste e aprendizado. Para isso, foi formada uma equipe multidisciplinar de TI/negócios da Conforama, e foi adotada uma abordagem de sprint de duas semanas.