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

Conforama é o segundo maior varejista de móveis domésticos da França e está presente em sete países, com 300 lojas, incluindo 200 na França. A empresa vende móveis e artigos de decoração em forma de kit e vendeu 1,7 bilhões 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 um plano de transformação para oferecer uma experiência omnichannel por meio dos sites data e AI. Uma auditoria inicial e a visão de marketing do data com Artefact identificou e priorizou 12 casos de uso e 25 capacitadores 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 enfrentados através deste 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 produtos atualmente em estoque, em promoção, e não sugeridos aos clientes?

  • Como operar e manter facilmente a solução técnica?

Economizando tempo dos consumidores, melhorando a produtividade empresarial

Ao usar algoritmos de aprendizado de máquina para analisar o usuário data, 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. AI A recomendação de produtos com base em dados pode aprimorar a experiência de compra on-line e incentivar os clientes a voltar para fazer 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 com base em AI pode aumentar a produtividade dos negócios: os 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 seu estoque oferecendo produtos com maior probabilidade de venda, o que pode reduzir os custos e maximizar os lucros.

Por fim, a recomendação de produtos com base no AI 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, a recomendação de produtos baseada em AI demonstrou proporcionar um crescimento incremental de +2,5%.

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

Antes desse projeto, todos os clientes da Conforama recebiam e-mails com os mesmos oito produtos selecionados a cada semana 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 deles com interesses exclusivos. Todo esse tempo gasto na análise do site data poderia ter sido empregado em atividades mais estratégicas, como a criação de conteúdo editorial para esses e-mails.

Hoje, um e-mail é enviado a cada cliente Conforama todas as terças-feiras contendo oito recomendações de produtos. Mas estas recomendações são personalizadas de acordo com o histórico de compras, e filtradas exclusivamente para produtos que estão à venda, estão disponíveis nas lojas, e que não foram apresentadas em ativações anteriores.

A solução AI implementada inclui quatro etapas principais de processamento do data :

  • Coleta de históricos de transações, referências de clientes e produtos e, em seguida, preparação do site data ;

  • Construção 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 passadas e compras;

  • Produto data enriquecimento (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 você contar os custos de desenvolvimento e operação, assim 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 esta personalização, os clientes clicam mais e, portanto, compram mais". Ganhamos 15% da taxa de cliques após a personalização destes e-mails, o que representa vários milhões em vendas incrementais".
Mélodie Charles, Diretora de Marketing Conforama

Uma transição tranquila para AI: lições da história de sucesso da Conforama

Para muitos jogadores, há três desafios ligados a seu nível de maturidade:

  • Nível 1: personalização de um ponto de contato atualmente baseado em regras usando uma abordagem algorítmica AI ;

  • Nível 2: estender a recomendação personalizada baseada em AI por toda a jornada do cliente (produtos similares / produtos complementares / sugestão baseada no histórico de compras);

  • Nível 3: Otimizar a orquestração de recomendações através dos 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; data fontes; ferramentas tecnológicas; equipe do projeto e método de trabalho.

O exemplo da Conforama oferece lições valiosas sobre estas 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 implantação de recomendações de produtos em lojas ou o aprimoramento de seu algoritmo graças à navegação data.

  • Certifique-se de que o data seja confiável. Uma boa modelagem data depende, antes de tudo, de uma boa qualidade data. 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.

  • Use 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.

  • Construir uma equipe dedicada capaz de lidar com todos os problemas potenciais, e adotar uma abordagem de teste e aprendizagem. Para fazer isto, foi formada uma equipe multidisciplinar de TI / Conforama e adotou-se uma abordagem de duas semanas de sprint.