Como usar Sistemas Híbridos para personalizar recomendações e aumentar vendas

Recomendações de filmes e séries da IMDb personalizadas e com alto grau de acerto, o que sinaliza que esta plataforma combina vários tipos de sistemas de recomendação para calcular a probabilidade de seus usuários aceitarem as suas sugestões.

O objetivo deste post é explicar, sucintamente e através de exemplos reais, como os sistemas híbridos de recomendações de produtos funcionam, como eles estão sendo usados para aumentar as vendas de quem já os implantou e o que você precisa saber e ter, antecipadamente, para poder usar esse tipo de solução.

Os sistemas híbridos de recomendações são ferramentas que combinam os modelos de recomendações explicados anteriormente neste blog: as recomendações baseadas em conteúdo, as recomendações usando filtros colaborativos e as análises de cestas de compras dos clientes. Dessa forma, os sistemas híbridos tiram vantagem do melhor de cada uma das técnicas e conseguem fazer sugestões altamente personalizadas para seus clientes e usuários.

Vejamos dois exemplos sobre o uso de sistemas híbridos de recomendação: o caso da Amazon, representando as empresas que já possuem dados de compras e de navegação de seus clientes; e o da Sephora, representando as situações em que usuários novos, cujo padrão de compras e navegação ainda não é conhecido pela empresa, acessam a plataforma de vendas e pesquisam por produtos.

Sistema de recomendação híbrido para clientes (cujo histórico de compras é conhecido)

Recomendações baseadas tanto em conteúdo como em usuários e itens similares (fonte: Amazon)

Na foto acima, "Descubra sua próxima leitura", eu mostro algumas recomendações feitas pela Amazon para mim, uma cliente com histórico de compras em seu e-commerce. Analisando a qualidade e relevância dessas sugestões, eu pude concluir que elas foram feitas usando filtros colaborativos (baseados tanto em itens que comprei e avaliei bem no passado como itens que usuários com gostos similares compraram e avaliaram bem) e filtros baseados em conteúdo (uma forma de garantir que os livros recomendados possuam características similares às de produtos que eu consumi antes).

Continuando minha navegação pela home da Amazon, eu também recebi a sugestão do filme Casa Gucci (2021) para assistir. Essa recomendação é altamente personalizada, pois é relevante para mim e foi baseada no meu histórico de navegação (e não de consumo anterior).

Recomendação de filme personalizada feita pela Amazon Prime Video.

A Amazon também fez recomendações baseadas na minha cesta de compras, sugerindo, por exemplo, tabuleiros de xadrez e garrafa de água (produtos bem diferentes das compras de livros que eu, normalmente, faço). Neste caso, esses produtos devem ser, frequentemente, vendidos juntos com o livro sobre xadrez que eu comprei recentemente. Para mim, fez sentido: o tabuleiro serve para colocar a leitura em prática e a garrafa de água, para usar durante o jogo, já que esse tipo de esporte demanda muitas horas de concentração e o jogador precisa se hidratar nesse período.

"Quem comprou o livro sobre xadrez X também comprou o tabuleiro de xadrez Y e a garrafa de água Z":

Os dois itens estavam, provavelmente, no carrinho de compras de muitos outros consumidores; pessoas, essas, que não precisam ter similaridade comigo em termos de gostos, mas que consumiram um item que é, com frequência, associado a outro.

Em suma, a Amazon aproveita e combina todas as oportunidades que tem para fazer recomendações de produtos que possam ser relevantes para os seus clientes, maximizando as chances deles serem comprados. Nem sempre, todavia, essas sugestões serão aceitas, mas a empresa cria possibilidades de vender um ou mais produtos adicionais relevantes para quem já é seu cliente. 

Sistema de recomendações para usuários novos (sem histórico de compras ou navegação anteriores)

Aqui, a Sephora não sabe quem foi a pessoa que entrou no site dela, por isso exibiu produtos baseados nas preferências da maioria dos seus clientes.

O que uma empresa pode fazer quando um usuário novo entra em seu site, loja virtual, aplicativo e ela não conhece os seus gostos e preferências? 

Uma estratégia comum é apresentar, na home do site, os produtos mais populares em termos de navegação ou de compras feitas pelos clientes. Não será uma recomendação personalizada, mas será um bom ponto de partida. 

Para ilustrar isso, usei o exemplo do e-commerce da Sephora (foto acima), do qual ainda não sou usuária cadastrada e tampouco forneci um histórico de navegação que ajudasse a empresa entender o meu padrão de pesquisa e me oferecer ofertas personalizadas (neste caso, em particular, eu adoro visitar as lojas físicas, pela possibilidade de testar os produtos e porque esses ambientes são muito cheirosos 😍).

Em sua Home, a Sephora apresenta uma série de produtos novos, outros com descontos, outros usados por uma celebridade | influenciadora famosa, até mostrar os seus produtos "Mais populares". Quando  você acessa uma categoria e subcategorias específicas, a empresa te dá a possibilidade de escolher se quer ver os produtos mais vendidos, os com menores|maiores preços, os que estão com desconto, os de determinada marca e assim por diante. As recomendações que recebi parecem ter sido feitas através da combinação de um sistema de recomendação baseado em conteúdo (características dos produtos) com a análise de cestas de compras (produtos vendidos, frequentemente, juntos).

Usando modelos de recomendação em seu negócio

Os exemplos que forneci acima foram para ajudar você, que deseja implantar um sistema de recomendação em sua empresa, a entender que, antes de tudo, você precisa de dados para fazer isso. 

A necessidade de dados

Dependendo dos dados que seu negócio possui, você poderá usar somente um ou mais tipos de sistemas de recomendações, combinando-os e tornando-os híbridos, conforme as estratégias abaixo:

Estratégia 1: Se, no começo, você só tiver os dados descritivos dos seus produtos, você poderá começar com um sistema de recomendações baseadas em conteúdo, fazendo sugestões de itens com características similares aos que forem pesquisados em seu site | loja virtual | plataforma.

Se o produto pesquisado não estiver cadastrado em sua base, você pode informar isso ao usuário e apresentar sugestões dos produtos mais populares do seu catálogo (a exemplo da Sephora) ou exibir aqueles que você quer promover e vender mais. Por não ser algo personalizado, isso significa que quem pesquisou pode não comprar a sua sugestão, mas, pelo menos, você tem algo para mostrar e aumentar as suas chances de vendas.

Estratégia 2: Se além dos dados descritivos dos produtos, você também tiver os dados transacionais de vendas (item adquirido, data da venda, preços, descontos, etc), mesmos que eles não identifiquem o comprador, você já pode combinar o sistema de recomendações baseadas em conteúdo com o de análise de cestas de compras. Ou seja, você pode recomendar tanto produtos similares aos pesquisados pelo usuário no seu site, como os mais vendidos juntos de cada categoria. Lembra do exemplo acima do jogo de xadrez?

Estratégia 3: Agora, se você já possui dados que identifiquem os clientes (compras feitas, avaliações de produtos, etc), além dos dados descritivos dos produtos e dos dados transacionais das vendas, você pode fazer uma combinação dos três modelos apresentados: recomendações baseadas em conteúdo, filtros colaborativos e análise de cestas de compras. Neste caso, as suas recomendações podem ser o mais personalizadas possível, aumentando suas chances de vender mais. Só um alerta: tem sites que oferecem tantos itens personalizados para os clientes que esses acabam saturados e não comprando nada. Sabe aquela máxima de que, às vezes, "menos é mais"? É bom considerar esse ponto para não só ser relevante, mas também efetivo.

A necessidade de ferramentas, equipe e governança

De posse dos dados, você também precisará resolver questões ligadas a ferramentas, equipes e governança de dados que são necessárias para implantar um sistema de recomendação, seja ele híbrido ou não. Considere os seguintes aspectos: 

• Ferramentas: entre as tantas disponíveis no mercado, quais são mais adequadas para a estratégia operacional e financeira do seu negócio? Por exemplo, um serviço na nuvem? Qual deles?
• Equipe qualificada: você vai usar uma equipe própria ou vai contratar terceiros para fazer as análises dos dados, a construção dos modelos e a implantação do(s) mais adequado(s) na sua loja?
• Governança e segurança: a sua empresa está preparada para garantir tanto a qualidade e confiabilidade como a segurança dos dados dos seus clientes e a atender às exigências da Lei Geral de Proteção de Dados (LGPD)?

Obviamente, existem outros pontos que influenciam as decisões sobre qual sistema de recomendação implantar numa empresa para aumentar as suas vendas, mas tudo começa com a atenção e o atendimento dos pontos essenciais exibidos acima.

Concluindo, por enquanto...

O tema sobre sistemas de recomendações é abrangente e envolve muitas questões tanto de negócios e produtos como técnicas (essas, geralmente, discutidas em conjunto com uma equipe de dados — gestor, analistas, cientistas, engenheiros). No entanto, o ponto de partida passa pela discussão sobre qual é o real objetivo de negócio a ser atingido com a implantação do sistema de recomendação e o que a empresa precisa fazer para colocar a solução para funcionar (considerando dados, ferramentas, equipes, governança). Isso a ajudará tanto a calcular, no futuro, o retorno sobre o investimento feito, como a começar da forma certa, ou seja, atendendo aos requisitos legais, impostos externamente, e às demandas de sua estratégia de crescimento.

Por hoje, fico por aqui. Mas, em breve, publicarei outros posts sobre este tema. Até lá, se você tiver alguma dúvida sobre este assunto, por gentileza, envie sua pergunta através do formulário que se encontra na barra lateral do blog, e nós trataremos de respondê-la o mais breve possível.

Boas reflexões e até o próximo post.