Por Mac Giovanni

Imagine que você acabou de assistir a um episódio de House of Cards, na Netflix, e o sistema automaticamente indica Requiem for the American Dream, um documentário com o cientista político Noam Chomsky. É bem possível que ache a dica interessante ao mesmo tempo em que se pergunta como é que a Netflix sabe desse seu gosto. E a resposta certamente é mais simples que suas suposições: por causa de seus robustos sistemas de recomendação de produto.

Capazes de identificar os prováveis gostos de um usuário e indicar produtos ou serviços específicos para ele, tais sistemas de recomendação de produto não são (ao contrário do que muitos podem pensar) exclusividade de sistemas de streaming. Nada disso! Grandes e-commerces também têm aproveitado esse tipo de ferramenta para aumentar seus lucros, sabia? Gostou da ideia? Quer saber como esse sistema de recomendação de produto funciona? Então confira agora mesmo nosso post!

A recomendação de produtos nos e-commerces

Para resumir todo o lado técnico, podemos dizer que um sistema de recomendação de produto pega o histórico de buscas e compras do dispositivo usado (computador ou celular, por exemplo) para entender quais tipos de produtos podem ser mais úteis para aquele usuário. O detalhe é que, como a tendência é realizarmos diversos tipos de buscas na web (de ideias para presente para um amigo até receitas de bolo de cenoura), pode ser preciso configurar o sistema para que siga um determinado padrão:

  • Personalizado: baseando-se no histórico de comportamento do usuário;
  • Social: embasando-se no perfil de comportamento de usuários com gostos afins;
  • Por item: recomendando produtos semelhantes aos que o usuário já busca.

Mas além desses 3 tipos ainda existe um outro que mistura um pouco de cada um deles a fim de proporcionar uma indicação ainda mais exata. E esse tipo de recomendação pede que o e-commerce tenha um bom sistema de machine learning para entender melhor os gostos pessoais do usuário.

Usados para aperfeiçoar ainda mais a inteligência artificial de computadores, os estudos demachine learning têm sido cada vez mais aplicados em servidores de e-commerces para que seu sistema de recomendação de produto se torne mais e mais elaborado. É o que acontece, por exemplo, na Amazon: seus algoritmos testam diversas indicações com milhões de usuários, aprendem quais funcionam melhor com cada um deles e assim vão gerando milhões de outros tipos de indicações para cada cliente.

A personalização das sugestões

O problema é que, em uma internet cada vez mais pessoal, apenas indicar um produto já não resolve tanto. É preciso personalizar essa indicação. De acordo com um estudo realizado pela universidade do Texas, existem pelo menos 2 fatores que levam a personalização dos sistemas de recomendação a funcionarem melhor que aqueles que mostram a mesma mensagem para todo usuário. Devem ser levados em conta, então:

  1. Desejo por controle: quando o usuário sabe que aquela recomendação foi feita exclusivamente para ele, automaticamente é tocado por um sentimento de que é diferente das outras pessoas, criando assim uma ideia de controle;
  2. Necessidade de pesquisar: quando uma indicação vem de maneira personalizada, o usuário não sente tanta necessidade de fazer pesquisas extras a respeito daquele produto antes de se decidir por comprá-lo.

O efeito cauda longa em seu sistema de recomendações

Por fim, segundo uma matéria do The Wall Street Journal, quando você resolve adotar um sistema de recomendação de produto e o configura para movimentar mais produtos e serviços de cauda longa (de nichos), além de economizar com o uso de Big Data, é possível aumentar os lucros com mercadorias que às vezes ficariam mais tempo paradas. O que acha de intensificar o movimento do seu funil de vendas? Aí, como dá para imaginar, o vento (e os números) tende a soprar a seu favor!

Viu como um sistema de recomendação de produto pode ajudá-lo a aumentar os lucros do seu negócio? Pois agora que você já sabe como eles funcionam, que tal fazer como a Netflix e a Amazon e começar a usá-los agora mesmo em sua loja virtual? Ficou ainda com alguma dúvida sobre o tema? Então aproveite para comentar! Participe da conversa!

Comentários