Israel Nacaxe é COO e co-fundador da Propz

Uma das grandes tendências do varejo para os próximos anos é a aceleração do uso de Inteligência Artificial para que as marcas entendam melhor seus clientes, desenvolvam as melhores experiências de consumo e aumentem a produtividade de suas operações. Conforme estudo global realizado pela Zebra Technologies, o Retail Vision Study (2017), mais de 70% dos varejistas pretendem investir em algum tipo de tecnologia nos próximos dois anos, o que mostra que temos, como big data, passarão a fazer parte do cotidiano do setor.

Algumas empresas mais inovadoras já estão avançando, passado do machine learning para sua derivação, o deep learning. Isso porque enquanto o primeiro tem apenas a capacidade de desenvolver sistemas que realizam ações sem ser programadas, o segundo é construído a partir de redes neurais, que usam dados não-estruturados (como imagens e comentários em redes sociais) na tomada de decisões, ajudando os lojistas a ganharem mais eficiência.

Uma das suas principais aplicações hoje é o reconhecimento de imagens, que permite usar a visão computacional (Realidade Aumentada e Realidade Virtual) e processamento de linguagem natural (assistentes de voz, como o Amazon Alexa) para resolver os problemas.

Por isso, o uso de deep learning nos próximos anos irá se expandir para diversas outras aplicações com um grande impacto sobre as operações nesse mercado. Entre elas, podemos destacar:

Previsão de demanda e otimização de estoques – Prever qual será a demanda de milhares de produtos do estoque é uma tarefa muito complexa. Cada um tem suas próprias características, mas a interação com outros itens também exerce um efeito importante de cross-selling (técnica que estimula o cliente a concluir a sua compra inicial levando produtos que a complementam). Por isso, a solução auxilia a antever necessidades, principalmente em datas sazonais, otimizando assim o seu estoque.

Otimização de lucros – A correta precificação e a definição do melhor momento de realizar promoções (e que desconto oferecer) é outra área que pode ter um grande impacto com a utilização de deep learning. Com isso, é possível encontrar o equilíbrio correto entre preço e demanda para otimizar os lucros, determinando a margem ideal de cada produto em cada momento, proporcionando um aumento da rentabilidade da loja.

Aumento da eficiência logística – O uso de sistemas de IA ajuda a identificar padrões na cadeia de suprimentos e os fatores que mais impactam o processo logístico, proporcionando melhorias na roteirização, nos processos internos dos Centros de Distribuição e na própria armazenagem de produtos. O benefício do uso da ferramenta é a geração de um grande impacto sobre as margens do negócio, preço no PDV e a percepção que o cliente tem sobre sua marca.

Personalização de ofertas – A entrega de ofertas personalizadas e extremamente relevantes para cada cliente, no momento exato em que ele tem mais possibilidade de conversão, melhora a experiência de consumo e o faturamento do varejista. No e-commerce, a tecnologia também facilita a criação de páginas personalizadas para cada consumidor de acordo com suas preferências e as necessidades de negócios.

Detecção de fraudes — Na loja física, o deep learning pode identificar padrões de comportamento suspeitos e reduzir os furtos no PDV e no ambiente digital consegue identificar com mais precisão transações fraudadas. Tanto online quanto offline, o resultado é oferecer segurança no fluxo de caixa e um menor volume de perdas.

Expansão de lojas – A escolha do local para abrir uma nova loja (ou a decisão de quando não faz mais sentido ter um PDV aberto) se torna mais precisa com o uso da solução, que pode processar informações internas do varejista, aliando-as com dados de geomarketing, de forma mais rápida e com mais segurança.

Diante desse cenário, podemos concluir que nos próximos anos, o uso dessa tecnologia fará com que o varejo aumente a performance de suas lojas, pois permitirá que os profissionais tomem melhores decisões de negócios e possam prever situações importantes.