Rik Chomko
Estamos entrando em uma nova era do varejo. Após um boom induzido pela pandemia, o comércio eletrônico não é mais o rei do setor de varejo, e as experiências de compras físicas estão impulsionando o crescimento do setor, à medida que os consumidores anseiam por experiências fora de suas próprias quatro paredes. As preferências dos clientes estão evoluindo em um ritmo vertiginoso, e entender seu comportamento de compra nunca foi tão crítico para o sucesso no setor de varejo.
À medida que os consumidores pressionam os varejistas a mesclar os benefícios das compras físicas e digitais, a tecnologia continuará a se tornar mais crítica para fornecer experiências de compras que mantenham os clientes voltando para mais. A queridinha da tecnologia do setor de varejo há muito tempo é a inteligência artificial (IA). Os melhores, mais brilhantes e maiores varejistas usaram a IA desde o início, evoluindo ao longo dos anos para contar com a IA para auxiliar em processos de missão crítica e tarefas voltadas para o cliente.
Basta olhar para o Walmart nos dias atuais – sua tecnologia de IA é infundida em todas as operações da cadeia de suprimentos; está presente em todas as pesquisas digitais, e os esforços de personalização são usados na tecnologia de provadores com inteligência artificial. O mais recente Text to Shop AI conversacional do Walmart permite que os clientes enviem mensagens de texto do que precisam, com o algoritmo de IA sugerindo produtos complementares aos clientes. Mas, apesar dos benefícios da IA, há uma grande desvantagem em seu uso para criar experiências sem atrito para os clientes: sua caixa preta.
O problema da “caixa preta” em sua essência é a falta de capacidade da IA para explicar por que chegou a uma determinada decisão ou para expandir os fatores que influenciaram um resultado final. Por exemplo, a IA pode facilmente fazer previsões sobre a rotatividade de clientes. No entanto, sem saber por que o algoritmo está prevendo a perda de clientes, é impossível agir para tentar reter o cliente.
Os sistemas de IA que realmente permitem que os varejistas não apenas acompanhem as mudanças nas preferências dos consumidores, mas também fiquem à frente deles são os sistemas que têm explicabilidade incorporada, permitindo que os líderes analisem os fatores ponderados que impulsionam os resultados de qualquer algoritmo. Ao usar a explicabilidade da IA para entender melhor o consumidor, os varejistas de qualquer tamanho podem avançar na personalização, reter melhor os clientes, redefinir o processo de devoluções e aumentar a aposta em relação aos concorrentes. Aqui estão algumas das principais maneiras pelas quais a explicação da IA pode não apenas criar experiências aprimoradas e sem atritos para os consumidores, mas também ajudar os varejistas a entender melhor seus clientes a longo prazo.
A explicabilidade da IA, ou a capacidade de analisar quais fatores levam à decisão de um algoritmo, é fundamental para entender o comportamento de compra e, por sua vez, produzir recomendações de produtos mais precisas por meio de compras on-line ou promoções por e-mail. De acordo com uma pesquisa recente da InRule com 1.000 consumidores dos EUA, 20% relataram que nunca compraram um produto de uma recomendação online.
Além disso, com 43% dos entrevistados relatando que às vezes compram um produto recomendado por um varejista durante a experiência de compra, é evidente que os consumidores comprarão se o produto certo for mostrado. A chave é garantir que os modelos de recomendação de IA/ML sejam orientados para os dados organizacionais e possam delinear para os trabalhadores do conhecimento que trabalham no circuito exatamente no que o cliente está interessado e por quê, para garantir a melhoria contínua em modelos que constroem a fidelidade do cliente .
As marcas precisam entender melhor por que os clientes têm uma certa preferência no tipo de produto que estão comprando e garantir que esses dados sejam realimentados no treinamento do modelo. O aprendizado de máquina pode facilmente fazer previsões sobre a rotatividade de clientes – há uma enorme diferença entre um algoritmo afirmando que há 90% de chance de que esse cliente não revisite o site por mais um ano e que há 90% de chance de o cliente não revisitar o site, a menos que receber 20 por cento de desconto em seu pedido. Nesse caso, o algoritmo não está apenas prevendo a perda de clientes, mas está usando dados para informar o varejista sobre a extrema sensibilidade ao preço e oferecer uma solução para levá-los de volta ao site mais cedo do que aconteceria naturalmente.
Para consumidores e varejistas, um retorno apresenta desafios de back-end e obstáculos. Afinal, 37% dos consumidores relataram que esperam que seu reembolso de devolução seja processado dentro de 48 horas, mas o prazo de reembolso padrão do setor é de três a cinco dias. Além disso, 26% dos consumidores afirmaram que são dissuadidos de fazer compras on-line se tiverem complicações com um processo de devolução anterior. Embora os varejistas possam ter descoberto melhores processos logísticos para itens físicos, o processamento de back-end pode ser simplificado com automação avançada apoiada por IA/ML que agiliza devoluções, explica por que um cliente fez uma devolução e fornece recomendações sobre como reter um cliente apesar da insatisfação com um produto.
A explicabilidade da IA não apenas ajudará os varejistas a entender melhor os clientes, mas também pode fazer recomendações sobre como agir quando os clientes correm o risco de se afastar da marca. Juntos, os varejistas que usam essa tecnologia podem criar programas de fidelidade e materiais promocionais de destaque. Embora a IA esteja sendo usada atualmente em esforços de personalização, retenção e retorno, a explicabilidade da IA é o diferencial competitivo para os varejistas superarem os concorrentes com sofisticação e compreensão do cliente recém-descobertas.
Rik Chomko cofundou a InRule Technology com Loren Goodman em 2002.
Observação: este artigo foi publicado anteriormente no Retail TouchPoints.