Fique por dentro do mundo da economia!


CADASTRE-SE AQUI

Big Data: Como a Target descobriu uma gravidez antes da família?

tags Iniciante

A utilização de grande quantidade de dados de compras, registros de vendas e características dos clientes – e futuros consumidores – tem sido uma constante no mundo do Business Analytics (BI) e mais recentemente do Big Data. Além do nome bonito, as técnicas buscam identificar padrões de consumo e de compra que, obviamente, tenham o potencial de aumentar as vendas de determinada empresa. Um caso que ocorreu com a varejista Target em meados de 2012 ilustra bem a utilização dessas técnicas para fidelizar o cliente a aumentar as vendas.

A equipe de analytics da Target, uma das maiores varejistas dos Estados Unidos, notou que havia certo padrão de consumo no evento de uma gravidez, como por exemplo a compra de loções sem essência, sabonetes sem cheiro específico, além de suplementos alimentares como cálcio, magnésio e zinco. Na realidade, para ser mais preciso, a equipe de estatísticos da Target definiu uma cesta de 25 produtos que mulheres grávidas costumam comprar. Dessa forma, era possível até estimar a probabilidade de gravidez (de 0 a 100%) e, inclusive, o estágio da gravidez que a mulher se encontrava (em semanas).

Com isso em mãos, a Target enviava as “potenciais mamães” cupons de descontos e ofertas já personalizadas para o período da gravidez em que ela estava, tendo em vista o modelo preditivo construído. Foi tudo muito bem, até que um homem enfurecido entrou em uma loja da rede varejista, próximo a Minneapolis, querendo explicações para o envio de cupons de desconto de produtos relacionados à gravidez para sua filha adolescente. Segundo o pai, a filha, que ainda estava no ensino médio, sequer precisava daqueles produtos e esse tipo de oferta poderia incentivar a gravidez precoce.

O gerente da loja desconheceu o fato e buscou acalmar o homem. Conferiu junto à Sede da Target e apurou que de fato houve o envio de cupons relacionadas a roupas para gestantes, móveis para recém-nascidos e fotos de bebês sorridentes. O gerente se prontificou a ligar para o cliente enfurecido e pedir desculpas em nome da empresa.

Contudo, pouco tempo depois, foi a vez do pai ligar para a loja em Minneapolis e pedir desculpas sinceras. Segundo ele, “ocorreram eventos em sua casa envolvendo sua filha que ele desconhecia” e que o nascimento do neto estava previsto para o mês seguinte. Dessa forma, meio que sem a intenção declarada, a Target criou um modelo estatístico que previa com bastante acurácia a gravidez, mas que, por outro lado, poderia gerar desconfortos em algumas famílias.

Por isso, a Target mudou de maneira bastante inteligente a estratégia de direcionamento de produtos e descontos. A varejista começou a misturar os produtos que de fato tinham relação com o período de vida do cliente (ex. gravidez) com outros que não tinham nenhum vínculo com aquele momento. No caso das grávidas, a oferta de suplementos alimentares, por exemplo, ficava misturado com um desconto agressivo na compra de um cortador de grama. Com isso, a Target percebeu uma maior intenção de compra dos artigos. Segundo sua equipe de estatísticos, isso poderia ser resultado de o cliente achar que não está sendo espionado, uma vez que os resultados de cupons e descontos estaria sendo feito de forma aleatória.

Com mais de US$73 bilhões de receita por ano, a Target utiliza os padrões de consumo de seus clientes para melhorar seu resultado financeiro. Obviamente, essa iniciativa não é só da Target. As empresas que demoram a investir em áreas de análise e modelagem preditiva podem ficar para trás em um mercado cada vez mais competitivo e dinâmico.

Da próxima vez que se deparar com ofertas sem sentido em um app de compras que você costuma usar, você vai se lembrar deste artigo.

Terraco Econômico Terraco Econômico

Parceiro Guide

Hoje o maior blog independente de economia do Brasil, foi criado por 4 amigos em 2014, o motivo? Fornecer análises claras e independentes sobre economia e finanças, sempre com a missão de informar o leitor.

1239 visualizações

relacionados

Bitnami