Quantas vezes você já entrou em uma loja, física ou online, procurando comprar um presente ou algo para si e, mesmo diante de centenas ou milhares de produtos, não viu nada interessante e saiu decepcionado? Ou então, por falta de tempo, comprou um produto que não era bem o que procurava e depois ficou arrependido? Algumas vezes, isso acontece porque as lojas de fato não têm o que você estava querendo. Em outros casos, porém, elas simplesmente não souberam o que te oferecer.
Como já sabemos, companhias do mundo todo optaram por diversificar seus portfólios e oferecer mais opções para atrair consumidores que antes não compravam seus produtos, ou para aumentar o tíquete médio de seus públicos habituais. O grande problema é que, muitas vezes, a gigantesca oferta de produtos pode causar confusões no consumidor, fazendo com que ele desista da compra, principalmente no meio virtual, onde é possível visitar dezenas de lojas diferentes com poucos cliques.
Figura 1 – Tantas opções, tantos produtos… o que escolher?
Fonte: Netshoes, Submarino, Americanas.com, Saraiva
Conhecendo esse problema, lojas e prestadores de serviços têm procurado direcionar parte de seu portfólio para cada cliente, a fim de proporcionar uma melhor experiência de compra, elaborando sistemas de recomendação de produtos com base no perfil do comprador. Um dos exemplos mais emblemáticos é o da gigante do streaming Netflix, que enxerga o seu sistema de recomendação como um pilar importante para a satisfação do usuário.
A companhia tem o desafio de oferecer uma grande variedade de títulos a seus assinantes, mas cada conteúdo oferecido tem um custo de manutenção do licenciamento (pense nisso como um custo de estoque). Portanto, adicionar mais e mais filmes e séries para agradar a todas as pessoas simplesmente pelo alto volume pode ser prejudicial à lucratividade do negócio. É mais vantajoso direcionar de forma eficiente um portfólio mais enxuto. A empresa ainda mede o desempenho de seu sistema de recomendação através de indicadores que medem a aceitação das sugestões (chamado take rate) e o número de títulos relevantes em função do total disponível (o Effective Catalog Size). Seu antigo vice-presidente de inovações publicou um artigo em 2016, no qual descreve melhor o sistema altamente personalizado, seus indicadores e algoritmos, e como ele ajuda a Netflix a economizar mais de US$ 1 bilhão por ano, através da redução da necessidade de investimentos para conseguir novos clientes.
Figura 2 – Exemplo de interface personalizada do Netflix
Fonte: Netflix
O exemplo da Netflix pode muito bem propor reflexões para enxergar o que sua empresa está fazendo para potencializar a venda de todo seu portfólio, e gerar mais valor aos clientes, com sugestões de produtos que aumentem sua satisfação. Assim como faz a gigante de streaming, um sistema de recomendação pode ser usado para diminuir a necessidade de ter inúmeros SKUs disponíveis ou mesmo para aumentar o giro dos seus produtos, reduzindo desperdícios e melhorando o atendimento e fidelização dos clientes.
Fica a nossa recomendação.
Referências
Carlos A. Gomez-Uribe and Neil Hunt. 2015. The Netflix recommender system: Algorithms, business value, and innovation. ACM Trans. Manage. Inf. Syst. 6, 4, Article 13 (December 2015), 19 pages.
Fernando Chalréo
Atua há 5 anos em projetos de consultoria em Logística e Supply Chain, possui experiências em empresas dos setores de bens de consumo, varejo e de alimentos e bebidas. Tipos de projetos já realizados: Sales & Operations Planning, Gestão de Estoques, Planejamento de Redes, Revisão de processos comerciais, Indicadores de logística e Gestão de transportes
