Maturidade digital leva Arezzo&Co a aumentar vendas durante pandemia

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.

“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.

Analytics para entrega de assertividade

De acordo com Ribeiro, o passo seguinte foi prever a demanda da coleção loja a loja utilizando a ciência de dados para apoiar as decisões de compra. Como caminho para a previsão de demanda, foi utilizado uma metodologia que compara a performance histórica de produtos com atributos iguais ou similares aos novos.

“Para viabilizar esse cruzamento, criamos um algoritmo de correlação que identifica os itens com similaridade e traz a performance histórica. Dentro desse conceito, fomos além para garantir uma previsão de demanda mais assertiva – uma vez que trabalhamos em um modelo de negócio no qual a disponibilidade do modelo/cor/numeração impacta nos resultados, precisávamos desenvolver um cálculo que contemplasse esse efeito, sem subestimar produtos em função da ruptura de numeração”, explica.

Nessa etapa do trabalho, a equipe de Ribeiro desenvolveu o conceito de potencial de venda, o qual consiste na venda média diária dos produtos enquanto durarem as numerações que têm a cobertura mais representativa do calce das clientes, baseado numa distribuição gaussiana. Outro ponto relevante era trazer uma orientação de compra por loja, nos canais de franquias e lojas próprias, e não mais por cluster, refletindo o comportamento de demanda granular das lojas e gerando um nível relevante de personalização da oferta e satisfação do cliente.

No entanto, a Arezzo&Co. tem uma rede de mais de 700 lojas, um nível de granularidade que não seria possível sem a construção de uma ferramenta de analytics. “O resultado final é uma sugestão de mix de produtos e volume mais assertivo por loja (física e on-line). Para aliarmos a visão histórica de dados com a intuitiva sobre as mudanças de tendências, contamos ainda com a apreciação ajuste fino do buyer”, diz.

Pandemia

A pandemia acelerou a transformação digital da empresa, a levando avançar em pontos que poderiam levar muito mais tempo se não fosse a pressão gerada pela Covid-19. Por um lado, a Arezzo sofreu com o fechamento das lojas físicas, por outro viu uma explosão no volume de transações no e-commerce.

“Se por um lado precisávamos ser mais assertivos na nossa compra para minimizar sobras e aumentar as vendas full price, passamos também a ter a necessidade de um estoque mais enxuto, pois o nosso centro de distribuição aumentou consideravelmente o volume de produtos. Portanto, ao mesmo tempo que o negócio se remodelou, fazendo lançamentos mais rápidos de coleções em intervalos menores, pilotamos o escopo inicial do projeto, passando a focar no e-commerce, e assim, já estamos rodando a ferramenta para as compras desde metade de junho”, conta.

Com uma jornada de transformação digital grande, a pandemia também acelerou a empresa a encontrar novos canais para atingir os clientes, no entanto ela já tinha uma base para atender suas clientes de forma digital.

“Nosso planejamento estratégico se mostrou eficiente com a pandemia. O celular faz a extensão do corpo da vendedora quando a loja fechou e ela pôde continuar a vender pelo app da vendedora e via WhatsApp… tivemos case de loja que vendeu 110% com a loja física fechada. Tudo que vínhamos construindo nos fortaleceu durante essa crise. Acelerar o e-commerce, a plataforma de moda, o modelo digital, vai dar jogo porque o mercado vai responder, vamos gerar experiências… isso fez com que a gente se transformasse com a crise e enxergasse as oportunidades”, diz Ribeiro.

Hoje, segundo Ribeiro, ainda existem batalhas a serem vencidas: continuar levantando o e-commerce, com integração de canais e o futuro do varejo; como unir a loja física com o e-commerce e o futuro do varejo a ponto de transformar as vendedoras de lojas; criação de uma plataforma de moda; modelo de revendedora digital; curadoria de moda, de forma a prestar serviços e oferecer uma plataforma de moda mais ampla e de orientação à cliente.

Pesquisa e desenvolvimento

Dentro do contexto de transformação digital da companhia, nasceu um hub com foco em inovação que foi dividido em squads, estruturado com base na metodologia agile. Dentre os squads constituídos, a coparticipação entre dois deles deu origem a esse projeto, um com foco em produto e outro com foco em big data.

Todos os insights gerados por machine learning nos diferentes processos da transformação digital, histórico de big data e leitura da demanda atual de mercado, fez com que a empresa fosse capaz de desenvolver uma coleção nova quinzenalmente, o que, segundo Ribeiro, tem sido um sucesso.

Para verificar a eficácia da ferramenta SmartBuyer, que os levou a desenvolver novos produtos mais assertivos, a empresa optou por uma prova conceito para tangibilizar os ganhos numa base em contexto mais comparável. A prova consiste em simular a decisão de compra de 2019, baseada na sugestão dada pela ferramenta utilizando os dados de 2018 e comparando com a tomada de decisão realizada em 2019 – de forma intuitiva. Ribeiro reforça que a otimização de processos também rendeu uma jornada digital de maior eficiência operacional e de toda a jornada de desenvolvimento do produto.

Finalistas da categoria Comércio Atacadista e Varejista

1º – Rodrigo Ribeiro – CIO, Arezzo&Co

2º – Adriano Bicalho – Gerente de TI, Manetoni Soluções Em Aço

3º – Osvaldo Keller – CIO, DPaschoal