{"id":69268,"date":"2023-12-03T15:31:55","date_gmt":"2023-12-03T15:31:55","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=cases&#038;p=69268"},"modified":"2025-06-04T11:24:50","modified_gmt":"2025-06-04T10:24:50","slug":"conforama-ai-enabled-personalization-boosts-conforama-crm-campaign-revenues","status":"publish","type":"cases","link":"https:\/\/www.artefact.com\/br\/cases\/conforama-ai-enabled-personalization-boosts-conforama-crm-campaign-revenues\/","title":{"rendered":"<span class=\"highlight\"> CONFORAMA <\/span> A personaliza\u00e7\u00e3o habilitada por IA aumenta a receita das campanhas de CRM da Conforama"},"content":{"rendered":"<p>ASSISTA: A Conforama faz uma transi\u00e7\u00e3o bem-sucedida para uma estrat\u00e9gia entre canais mais simplificada e eficiente, integrando uma solu\u00e7\u00e3o de IA para recomenda\u00e7\u00f5es personalizadas de produtos.<\/p>\n<p style=\"text-align: center;\"><iframe title=\"Reprodutor de v\u00eddeo do YouTube\" src=\"https:\/\/www.youtube.com\/embed\/3bz_QjikNLU?si=YdZ0EWvtNfcsHE2X\" width=\"560\" height=\"315\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\"><\/iframe><\/p>\n<p>A Conforama \u00e9 <strong>a segunda maior varejista de m\u00f3veis para casa na Fran\u00e7a<\/strong> e est\u00e1 presente em sete pa\u00edses, com 300 lojas, incluindo 200 na Fran\u00e7a.\u00a0<a href=\"https:\/\/www.conforama.fr\/\" target=\"_blank\" rel=\"noopener\">A empresa<\/a>\u00a0vende m\u00f3veis e itens de decora\u00e7\u00e3o em forma de kit e registrou vendas de 1,7 bilh\u00e3o de euros em 2022.<\/p>\n<p>Como uma marca de porta de entrada, o objetivo da Conforama \u00e9 \u201ctornar acess\u00edvel o que as pessoas mais desejam pelo melhor pre\u00e7o\u201d. \u00c9 uma ambi\u00e7\u00e3o apoiada por uma transforma\u00e7\u00e3o <strong>planeja oferecer uma experi\u00eancia omnicanal por meio de data e IA<\/strong>. Uma auditoria inicial e uma vis\u00e3o data marketing com\u00a0<a href=\"https:\/\/www.artefact.com\/br\/\">Artefact<\/a>\u00a0identificou e priorizou 12 casos de uso e 25 facilitadores t\u00e9cnicos e organizacionais. O primeiro caso de uso foi a integra\u00e7\u00e3o de uma recomenda\u00e7\u00e3o de produto personalizada nos e-mails semanais da empresa.<\/p>\n<p><strong>V\u00e1rios desafios precisavam ser abordados nesse caso de uso:<\/strong><\/p>\n<ul>\n<li>Como entender as necessidades de tr\u00eas milh\u00f5es de clientes e recomendar os produtos mais relevantes de um cat\u00e1logo com 42.000 refer\u00eancias?<\/li>\n<li>Como propor apenas os produtos que est\u00e3o em estoque, em promo\u00e7\u00e3o e que ainda n\u00e3o foram sugeridos aos clientes?<\/li>\n<li>Como operar e manter a solu\u00e7\u00e3o t\u00e9cnica com facilidade?<\/li>\n<\/ul>\n<h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\">Economizar o tempo dos consumidores e aumentar a produtividade dos neg\u00f3cios<\/h2>\n<p>Ao usar algoritmos de aprendizado de m\u00e1quina para analisar o data do usu\u00e1rio, como prefer\u00eancias, hist\u00f3rico de compras e comportamento on-line, a recomenda\u00e7\u00e3o 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 reten\u00e7\u00e3o de clientes.<\/p>\n<p>Um dos principais benef\u00edcios dessa solu\u00e7\u00e3o \u00e9 que ela economiza o tempo dos clientes. Em vez de percorrer in\u00fameras p\u00e1ginas de produtos para encontrar o que est\u00e3o procurando, os clientes podem acessar rapidamente uma sele\u00e7\u00e3o de produtos recomendados que atendem especificamente \u00e0s suas necessidades. <strong>A recomenda\u00e7\u00e3o de produtos baseada em IA pode aprimorar a experi\u00eancia de compras on-line<\/strong> e incentivar os clientes a retornarem para mais compras. Uma vantagem estrat\u00e9gica, j\u00e1 que 72% dos consumidores s\u00f3 interagem com mensagens de marketing personalizadas e adaptadas aos seus interesses.<\/p>\n<p>Al\u00e9m disso, <strong>A recomenda\u00e7\u00e3o de produtos baseada em IA pode aumentar a produtividade dos neg\u00f3cios<\/strong>Os algoritmos de aprendizado de m\u00e1quina podem analisar grandes quantidades de data em tempo real, permitindo que as empresas monitorem continuamente as tend\u00eancias e o comportamento de compra dos clientes. Isso pode ajudar as organiza\u00e7\u00f5es a entender melhor os desejos dos clientes e adaptar rapidamente suas ofertas de produtos de acordo com eles. Tamb\u00e9m 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.<\/p>\n<p>Por fim, a recomenda\u00e7\u00e3o de produtos baseada em IA pode oferecer benef\u00edcios comerciais significativos. Ao sugerir produtos relevantes e personalizados aos clientes, as empresas podem melhorar sua taxa de convers\u00e3o, aumentar as vendas e fortalecer a imagem da marca. Do ponto de vista do mercado, foi demonstrado que a recomenda\u00e7\u00e3o de produtos com base em IA proporciona um crescimento incremental de +2,5%.<\/p>\n<h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\">Um primeiro caso de uso focado na personaliza\u00e7\u00e3o de campanhas de e-mail<\/h2>\n<p>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 identifica\u00e7\u00e3o dos oito produtos com maior probabilidade de interessar a tr\u00eas milh\u00f5es de clientes, cada um dos quais com interesses exclusivos. Todo esse tempo gasto na an\u00e1lise do data poderia ter sido empregado em atividades mais estrat\u00e9gicas, como a cria\u00e7\u00e3o de conte\u00fado editorial para esses e-mails.<\/p>\n<p>Hoje, todas as ter\u00e7as-feiras, um e-mail \u00e9 enviado a todos os clientes da Conforama com oito recomenda\u00e7\u00f5es de produtos. Mas essas recomenda\u00e7\u00f5es s\u00e3o personalizadas de acordo com o hist\u00f3rico de compras e filtradas exclusivamente para produtos que est\u00e3o em promo\u00e7\u00e3o, dispon\u00edveis nas lojas e que n\u00e3o foram apresentados em ativa\u00e7\u00f5es anteriores.<\/p>\n<p><strong>A solu\u00e7\u00e3o de IA implementada inclui 4 etapas principais de processamento do data:<\/strong><\/p>\n<ul>\n<li>Coleta de hist\u00f3ricos de transa\u00e7\u00f5es, refer\u00eancias de clientes e produtos e, em seguida, prepara\u00e7\u00e3o do data;<\/li>\n<li>Cria\u00e7\u00e3o do modelo \u201cCollaborative Filtering\u201d para calcular o apetite do cliente pelo cat\u00e1logo de produtos;<\/li>\n<li>Filtragem de produtos com base no estoque dispon\u00edvel, not\u00edcias comerciais (vendas, promo\u00e7\u00f5es, etc.), ativa\u00e7\u00f5es e compras anteriores;<\/li>\n<li>Enriquecimento do produto data (fotos, pre\u00e7os, descri\u00e7\u00f5es, etc.) para ativa\u00e7\u00e3o.<\/li>\n<\/ul>\n<p>Essa solu\u00e7\u00e3o \u00e9 baseada em 16 tabelas data, 25 etapas de transforma\u00e7\u00e3o e modelagem e 40 testes de qualidade automatizados. Dezenas de itera\u00e7\u00f5es do modelo possibilitaram a escolha da abordagem mais eficiente com base no hist\u00f3rico de transa\u00e7\u00f5es. <strong>Gra\u00e7as a essa solu\u00e7\u00e3o, a Conforama agora gera v\u00e1rios milh\u00f5es de recomenda\u00e7\u00f5es por semana em 45 minutos, a um custo de 50 euros por semana.<\/strong><\/p>\n<p>Em outras palavras, se o senhor contabilizar os custos de desenvolvimento e opera\u00e7\u00e3o, bem como as vendas incrementais, o ponto de equil\u00edbrio do projeto \u00e9 alcan\u00e7ado em uma semana, com uma solu\u00e7\u00e3o automatizada e confi\u00e1vel.<\/p>\n<blockquote><p>\u201cEconomia de tempo, sim, mas, acima de tudo, um benef\u00edcio comercial para nossas equipes de CRM. Porque, gra\u00e7as a essa personaliza\u00e7\u00e3o, os clientes clicam mais e, portanto, compram mais. Ganhamos 15% da taxa de cliques ap\u00f3s a personaliza\u00e7\u00e3o desses e-mails, o que representa v\u00e1rios milh\u00f5es em vendas incrementais.\u201d<br \/>\nM\u00e9lodie Charles, Diretora de Marketing da Conforama<\/p><\/blockquote>\n<h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\">Uma transi\u00e7\u00e3o tranquila para a IA: li\u00e7\u00f5es da hist\u00f3ria de sucesso da Conforama<\/h2>\n<div class=\"fusion-text fusion-text-9\">\n<p>Para muitos jogadores, h\u00e1 tr\u00eas desafios relacionados ao seu n\u00edvel de maturidade:<\/p>\n<\/div>\n<ul>\n<li>N\u00edvel 1: personaliza\u00e7\u00e3o de um ponto de contato atualmente baseado em regras usando uma abordagem algor\u00edtmica de IA;<\/li>\n<li>N\u00edvel 2: estender a recomenda\u00e7\u00e3o personalizada baseada em IA por toda a jornada do cliente (produtos semelhantes\/produtos complementares\/sugest\u00e3o baseada no hist\u00f3rico de compras);<\/li>\n<li>N\u00edvel 3: Otimiza\u00e7\u00e3o da orquestra\u00e7\u00e3o de recomenda\u00e7\u00f5es em todos os canais para garantir uma experi\u00eancia omnichannel.<\/li>\n<\/ul>\n<p>O n\u00edvel 1 costuma ser o mais dif\u00edcil, pois exige o estabelecimento das bases para quatro dimens\u00f5es distintas: vis\u00e3o do alvo, experi\u00eancia do usu\u00e1rio e prioridades; fontes de data; ferramentas tecnol\u00f3gicas; equipe do projeto e m\u00e9todo de trabalho.<\/p>\n<p>O exemplo da Conforama oferece li\u00e7\u00f5es valiosas sobre essas quatro dimens\u00f5es:<\/p>\n<ul>\n<li>Selecione um primeiro caso de uso e funcionalidades que possam ser implementados e medidos rapidamente para colocar a organiza\u00e7\u00e3o no caminho do sucesso. Por exemplo, essa vit\u00f3ria inicial significa que a Conforama agora pode planejar a implementa\u00e7\u00e3o de recomenda\u00e7\u00f5es de produtos nas lojas ou o aprimoramento de seu algoritmo gra\u00e7as \u00e0 navega\u00e7\u00e3o no data.<\/li>\n<li>Certifique-se de que o data seja confi\u00e1vel. Uma boa modelagem de data depende, antes de tudo, de um data de boa qualidade. Para a Conforama, foram realizadas an\u00e1lises explorat\u00f3rias em mais de 50 tabelas para selecionar fontes de data em \u00e1reas como conhecimento do cliente, reposit\u00f3rios de produtos e transa\u00e7\u00f5es.<\/li>\n<li>Utilizar tecnologias que permitam \u00e0s equipes implementar uma solu\u00e7\u00e3o t\u00e9cnica de forma r\u00e1pida 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.<\/li>\n<li>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\/neg\u00f3cios da Conforama, e foi adotada uma abordagem de sprint de duas semanas.<\/li>\n<\/ul>","protected":false},"excerpt":{"rendered":"<p>A Conforama faz uma transi\u00e7\u00e3o bem-sucedida para uma estrat\u00e9gia entre canais mais simplificada e eficiente, integrando uma solu\u00e7\u00e3o de IA para ...<\/p>","protected":false},"featured_media":69798,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"categories":[91],"class_list":["post-69268","cases","type-cases","status-publish","has-post-thumbnail","hentry","category-retail"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/cases\/69268","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/cases"}],"about":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/types\/cases"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media\/69798"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media?parent=69268"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/categories?post=69268"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}