Fazer login no IT Mídia Redefinir senha
Bem-vindo de volta,
Digite seu e-mail e clique em enviar
Ainda não tem uma conta? Cadastre-se
Salvar em Nova pasta de favoritos

+

Criar pasta
Salvar Escolher Pasta
Ciência de dados impulsiona maturidade digital da Arezzo&Co
Home > Carreira

Ciência de dados impulsiona maturidade digital da Arezzo&Co

Com uso de analytics e machine learning, Rodrigo Ribeiro, CIO da Arezzo&Co, reestrutura jornada de produto no e-commerce de ponta a ponta

Karina Pizzini, especial para IT Forum 365

26/10/2020 às 11h01

Foto: Divulgação

O DNA de inovação da Arezzo&Co permitiu que a empresa saísse à frente quando milhares de lojas físicas fecharam as portas. Impulsionada pela crise da Covid-19, entretanto, a empresa pode fortalecer suas frentes de vendas on-line, chegando a triplicar as vendas entre abril e maio, em relação a 2019. Entre várias frentes desenvolvidas pela empresa nesse período, a reorganização de dados históricos da empresa, favoreceu diretamente o e-commerce, que respondeu de forma mais intuitiva aos clientes, desenvolvendo novas coleções a cada quinze dias durante a pandemia.

O desenvolvimento do projeto SmartBuyer, liderado por Rodrigo Ribeiro, CIO da Arezzo&Co., reestruturou a jornada do produto, de ponta a ponta, com o uso de machine learning e analytics, tornando as ofertas de produtos mais assertivas no e-commerce. Todo esse ciclo levou informações preciosas para a equipe de Pesquisa e Desenvolvimento da empresa que criou novos produtos quinzenalmente durante a pandemia, com uma resposta surpreendente dos seus clientes, o que também lhes rendeu o prêmio “As 100+Inovadoras no Uso de TI” na categoria Comércio Atacadista e Varejista.

Ciência de dados para entender dores do negócio

Segundo Ribeiro, a tomada de decisão de compra dos produtos, tanto na Arezzo&Co quanto no varejo de moda em geral, é feita de maneira muito intuitiva e operacional, seja pela maturidade do setor, seja pela complexidade gerada pela constante variação das tendências de moda. “Dentro desse contexto, e da relevância que essa etapa tem para os nossos resultados, mapeamos a oportunidade de aportar valor através da ciência de dados combinada à visão intuitiva do comprador, ponderando as tendências de moda, para gerar maior assertividade na compra – a ser revertida em ganho de vendas, redução de sobras e eficiência operacional”, explica.

Dentro da evolução do processo de transformação digital da empresa, um dos principais pontos priorizados pela Arezzo foi a frente de produtos, uma vez que é o core do negócio. O desenvolvimento de um produto passa por diferentes etapas, sendo uma delas a classificação quanto ao estilo, materiais, ocasião de uso, etc. Classificar esses produtos é a base de todas as análises de resultados e inputs para as compras.

CIO2503

E-book por:

“Como todas as empresas de origem industrial, essa classificação era constituída com um olhar mais técnico/fabril, que não refletia as variáveis percebidas pelo cliente final e impossibilitava cruzamentos avançados de dados, tanto para mapeamento dos desejos do consumidor quanto para uma visão mais aprofundada de CRM”, conta Ribeiro.

O executivo conta que a primeira etapa do projeto foi classificar os produtos da empresa. No entanto, havia o desafio de fazer essa classificação também em uma base de dados histórica de mais de 10.000 variações de modelos e cor que precisariam se enquadrar na nova árvore de hierarquia e atributos de classificação de produtos, com foco em combinar as necessidades industriais e a visão do consumidor. “Sem essa reclassificação dos produtos antigos ficaria impossível realizar análises históricas de dados, projetando os anseios futuros das consumidoras”, afirma.

Manualmente este processo seria inviável devido ao número de pessoas que precisariam estar envolvidas no processo, o tempo e a margem de erro da operação. “Outro aspecto importante é que classificar 16 atributos manualmente das novas coleções geraria um gargalo no cadastro e impactaria a produtividade do time de P&D, a menos que houvesse um aumento significativo de headcount”, diz.

Frente a esse desafio, a equipe de Ribeiro utilizou de deep learning e do XGboost para criar modelos matemáticos capazes de identificar cada uma das características dos produtos através de suas fotos. “Ao serem refinados suficientemente até atingir uma assertividade em torno de 90%, aplicamos o modelo de classificador para toda a base histórica. Igualmente, automatizamos o processo para novos produtos, através do envio automático das fotos para o processamento do algoritmo e posterior devolução para a nossa base de dados interna”, explica Ribeiro.

Para ler o case completo, acesse o IT Forum 365.

Tags
Vai um cookie?

A CIO usa cookies para personalizar conteúdo e anúncios, para melhorar sua experiência em nosso site. Ao continuar, você aceitará o uso. Para mais detalhes veja nossa Política de Privacidade.

Este anúncio desaparecerá em:

Fechar anúncio

15