Tuilux white paper

White Paper

Janeiro de 2011

INTELIGÊNCIA EM RECOMENDAÇÃO

COPYRIGHT © 2011 NATLUX Informática e Consultoria LTDA Todos os direitos reservados. A informação contida neste documento é proprietária da empresa NATLUX Informática e Consultoria LTDA. Qualquer forma de divulgação, reprodução, distribuição ou ação, integral ou parcial, relacionada com esta proposta sem o devido aviso prévio e autorização por escrito está proibida e será considerada ilegal.

ww

w.t

uilu

x.c

om

.br

inteligenciaem recomendacao

TUILUX: Inteligência em Recomendação

1 INTRODUÇÃO E BENEFÍCIOS .......................................................... 1

2 TIPOS DE SISTEMAS DE RECOMENDAÇÃO ........................................ 3

3 TIPOS DE RECOMENDAÇÃO ............................................................ 5

4 A IMPORTÂNCIA DA INTELIGÊNCIA NA RECOMENDAÇÃO ................... 6

5 O QUE É O TUILUX? ....................................................................... 8

5.1 FUNCIONALIDADES ................................................................. 9

5.2 O PROCESSO DE INTEGRAÇÃO ................................................. 10

5.3 UM MODELO DE NEGÓCIOS INTELIGENTE ................................. 10

Resumo

Este white paper faz uma descrição sucinta do que é um serviço de recomendação, quais seus benefícios e tipos possíveis, discute a necessidade de se fazer recomendação de maneira inteligente e apresenta o TUILUX, o primeiro serviço de recomendação inteligente do Brasil, suas principais funcionalidades, processo de integração e modelo de negócios.

1 INTRODUÇÃO E BENEFÍCIOS

Os sistemas de recomendação aplicam técnicas de análise de dados e

recuperação de informação a um certo ambiente virtual (p. ex., e-

commerce, rede social, portal de conteúdo) com o objetivo de ajudar

usuários em processos de tomada de decisão, como a escolha de produtos a

serem comprados, serviços a serem contratados, viagens a serem feitas,

pessoas a serem adicionadas a sua rede de contatos, “looks” a serem

vistos, e muitas outras. A recomendação pode ser feita usando diferentes

técnicas e pode ser baseada apenas nos itens disponíveis mais similares

entre si, na distribuição demográfica dos usuários, nos itens mais

ww

w.t

uilu

x.c

om

.br


comercializados, no comportamento dos usuários, no hábito de consumo e

em inúmeras outras variáveis.

Dentre as principais vantagens dos sistemas de recomendação

destacam-se:

1. Entendimento do usuário individualmente;

2. Otimização da disposição de produtos, serviços ou outros itens no

ambiente virtual;

3. Possibilidade de oferta do item certo ao usuário certo;

4. Ampliação do alcance do marketing através da descoberta de redes;

5. Criação de campanhas relevantes e personalizadas;

6. Uso de informações anônimas e seguras, pois o processo de

descoberta de conhecimento não necessariamente utiliza informações

pessoais de seus usuários.

Estas vantagens trazem os seguintes benefícios diretos para as

empresas que adotam sistemas de recomendação:

1. Transformação de visitantes em usuários: um sistema de

recomendação pode ajudar o visitante a encontrar e escolher um

item de seu interesse. Em muitos casos um sistema de

recomendação permite que o visitante conheça produtos, serviços,

pessoas, etc. que ele não conheceria sem o auxílio de uma

ferramenta inteligente. Ao mesmo tempo, um sistema de

recomendação permite que o usuário navegue pelo ambiente

seguindo sua própria dinâmica de tempo e de pesquisa.

2. Estímulo às vendas-cruzadas: ofertar itens altamente relacionados

ao perfil do usuário aumenta a probabilidade de venda conjunta,

elevando dessa forma o valor do ticket médio. Além disso,

recomendar itens normalmente comprados ou visualizados em

conjunto mostra as tendências de compra mais relevantes.

3. Fidelização de usuários: o relacionamento personalizado é de

extrema importância para o aumento da fidelidade. A fidelidade tem

ww

w.t

uilu

x.c

om

.br


efeito sobre a lucratividade na medida em que tem influência direta

sobre o fluxo futuro de usuários. Atualmente, é destacada a forte

tendência das empresas em unir estratégias baseadas em satisfação

a estratégias orientadas à fidelização, pois são evidentes os

resultados positivos financeiros quando se tem uma base de clientes

fiéis.

4. Melhor experiência no ambiente virtual: o fato de tratar os

usuários de forma personalizada melhora o relacionamento entre o

usuário e o ambiente, assim como a experiência dele no ambiente.

5. Consolidação da marca: a personalização na interação ambiente-

usuário torna-se uma característica de grande relevância e é

incorporada ao DNA da marca, contribuindo dessa forma à

consolidação da mesma na mente dos usuários.

6. Elevadas oportunidades de propaganda e comunicação: uma

vez que muitos usuários utilizam o serviço, o número de interações

aumenta e, com isso, as oportunidades de comunicação e

propaganda, podendo estas ainda ser personalizadas.

7. Melhor posicionamento em sistemas de busca: quanto maior a

participação e contribuição dos usuários, mais conteúdo existirá em

determinada aplicação. Com isso, maior é a probabilidade de ser

localizada por sistemas de busca.

2 TIPOS DE SISTEMAS DE RECOMENDAÇÃO

Os sistemas de recomendação podem ser classificados de diversas formas.

Por exemplo, há taxonomias baseadas na interface e nas propriedades da

interação do usuário com o sistema. É possível pensar em duas dimensões

nessa taxonomia, que são o grau de automação e o grau de persistência

das recomendações.

No eixo da automação, as recomendações podem ser automáticas ou

manuais, sendo que automática significa que a recomendação é gerada sem

ww

w.t

uilu

x.c

om

.br


um esforço explícito de algum administrador do ambiente virtual, enquanto

a manual requer alguma entrada de dados por parte deste administrador.

Para que o processo de recomendação seja eficiente e assertivo, é preciso

automatizá-lo de maneira inteligente. Não basta que um administrador

escolha os itens a serem recomendados de acordo com a percepção dele do

negócio, é preciso que uma ferramenta inteligente determine

automaticamente a recomendação a ser colocada em cada parte do site.

Mais adiante discutiremos algumas das possíveis técnicas de automatização

das recomendações.

No eixo da persistência, a recomendação pode ser efêmera ou

persistente, sendo que uma recomendação efêmera é feita com base em

uma única seção ou visita de um usuário. Nota-se, portanto, que uma

recomendação persistente requer um histórico do usuário (p. ex.,

navegação ou compras). Além disso, na recomendação persistente é preciso

saber os hábitos de consumo, comportamento e outros de cada cliente,

permitindo uma maior personalização do serviço. Note que a persistência

não implica em recomendação estática, mas sim numa capacidade de

entender melhor o perfil de cada usuário individualmente e coletivamente, e

usar esse conhecimento para personalizar a recomendação.

Em relação à forma como as recomendações são feitas, os sistemas de

recomendação pode ser divididos em:

• Baseados em conteúdo: a recomendação é feita através da

sugestão de itens (p. ex., produtos, serviços, pessoas, comunidades,

estabelecimentos, etc.) similares àqueles que o usuário procura ou

que ele adquiriu ou preferiu anteriormente.

• Colaborativos: a recomendação é feita através da sugestão de

itens que usuários com gostos e preferências similares aos do

usuário ativo avaliaram anteriormente. Este tipo de recomendação

requer dados sobre o histórico de consumo do(s) usuário(s).

ww

w.t

uilu

x.c

om

.br


• Híbridos: combinam os métodos baseados em conteúdo com os

métodos colaborativos.

3 TIPOS DE RECOMENDAÇÃO

Há vários tipos possíveis de recomendação, que dependem dos dados

utilizados e do que se deseja exibir. A recomendação pode ser de produtos

em um comércio eletrônico, pessoas em uma rede social, conteúdo em um

portal de conteúdo, dentre outras. Abaixo estão listados alguns tipos

comuns de recomendação em comércio eletrônico:

1. Itens similares: exibe itens similares aqueles sendo vistos. Essa

similaridade é calculada utilizando técnicas que consideram

diferentes parâmetros, como preço, descrição, categoria,

disponibilidade em estoque e outros.

2. O que os clientes normalmente compram após comprar este

item: este é um tipo comum de recomendação que ajuda a fazer

vendas casadas (cross-sell), pois apresenta sugestões de itens

comprados em conjunto.

3. Itens mais comercializados (visualizados): exibe uma lista dos

itens mais vendidos (ou visualizados) da loja.

4. Itens melhor avaliados: exibe aqueles itens melhor avaliados.

É importante perceber que muitas outras formas de recomendação podem

existir e as apresentadas acima são uma pequena amostragem do universo

de possibilidades. Na verdade, o objetivo principal de uma ferramenta

inteligente de recomendação é encontrar o conjunto de itens mais adequado

a cada usuário do site e o tipo de recomendação a ser exibido deve ser

discutido em conjunto com o site, caso a caso, sempre para maximizar os

resultados.

ww

w.t

uilu

x.c

om

.br


4 A IMPORTÂNCIA DA INTELIGÊNCIA NA RECOMENDAÇÃO

Um serviço de recomendação eficaz requer o uso de técnicas avançadas de

computação, engenharia, matemática e estatística para a geração das

recomendações. Ao contrário do que poderia ser o senso comum,

recomendar itens não se resume a buscar aqueles da mesma categoria ou

escolher aleatoriamente a partir da base de dados e postá-los em uma área

específica do site. É preciso executar tarefas como categorização,

classificação, estimação e associação entre os itens e/ou suas

características. Por exemplo, se o cliente de uma loja virtual clica em uma

bolsa de couro, não necessariamente oferecer outras bolsas de couro seria

a recomendação mais eficaz, há outros itens possivelmente diferentes desse

que podem ser de interesse. Quais produtos normalmente são comprados

após a compra de uma bolsa de couro? Quais são vistos? Há relações entre

bolsas de couro e outros itens do estoque da loja? É possível descobrir a

faixa de preço que o cliente está disposto a pagar com base no seu perfil de

consumo e navegação? Quais as preferências do cliente?

Para que a recomendação seja eficaz, todas essas análises e muitas

outras precisam ser feitas. O conhecimento técnico-científico necessário

para a realização dessas análises faz parte de áreas como matemática,

estatística, data mining, inteligência artificial e computação natural. Abaixo

descreveremos sucintamente cada uma das principais tarefas de análise de

dados que podem ser usadas em um sistema inteligente de recomendação.

A tarefa de categorização permite segmentar ou clusterizar uma base

de dados não categorizados em diferentes categorias que expressam

relações intrínsecas dos dados permitindo, por exemplo, identificar quais

produtos, pessoas, estabelecimentos, etc., são similares entre si. O

importante aqui é que as categorias não são conhecidas a priori, a

ferramenta é capaz de propor categorias para a base de dados utilizando as

informações da própria base. Essas categorias futuramente podem ser

utilizadas para recomendar itens similares.

ww

w.t

uilu

x.c

om

.br


A tarefa de classificação se diferencia da categorização, pois ela assume

que as categorias, nesse caso chamadas de classes, são conhecidas a priori.

O objetivo, portanto, é aprender, ou seja, extrair conhecimento, a partir

desses dados para predizer a classe de novos dados cujas classes não são

conhecidas. Com isso conseguimos responder perguntas como “Que tipo de

produto um determinado usuário gostaria de ver?” Uma vez que o serviço

de recomendação já aprendeu, a partir de dados históricos, a categorizar

cada usuário e item, ele é utilizado para classificá-los e fornecer aquele item

de maior interesse do usuário.

Estimar algo significa predizer seu valor a partir de algum conhecimento

obtido a priori. No contexto de recomendação para ambientes virtuais é

muito comum termos redes sociais nas quais os usuários atribuem notas a

filmes, livros e outros produtos; também vemos muitos ambientes nos

quais um usuário pode Curtir (Like) um post ou informação. Em lojas

virtuais também vemos atribuições de notas (estrelas, submarinos, etc.) a

produtos. Essas avaliações podem ser usadas para recomendar itens a um

usuário dentro de um ambiente virtual qualquer. Por exemplo, quando você

entra em uma livraria virtual e começa a buscar um livro sobre

“recomendação”, seria muito útil se a livraria fosse capaz de estimar que

nota você daria para aquele livro. Mas como a livraria poderia fazer isso? A

resposta é através de um serviço inteligente de recomendação que é capaz

de analisar seu perfil e também todo o histórico de consumo dentro da

livraria para estimar que nota você daria para cada livro do catálogo e

recomendar-lhe aqueles que receberiam a maior nota por você. Esso

processo garantiria uma maior probabilidade de conversão, maior

assertividade.

Para explicar a associação, pensemos no exemplo cotidiano de compras

de supermercado através de uma loja virtual. Você entra na loja, pega seu

carrinho de compras e começa a colocar aqueles itens de seu interesse.

Hoje você compra pão, leite, manteiga, carne, carvão e cerveja. Na semana

ww

w.t

uilu

x.c

om

.br


que vem você compra frutas, legumes, iogurte e cereais. Ao mesmo tempo

outras pessoas estão comprando diversos itens em conjunto; em cada

carrinho de compras há uma coleção de produtos selecionados pelos

clientes. Essas informações permitem descobrir associações entre produtos,

no sentido de saber quais produtos são normalmente comprados em

conjunto e quais não são. Com esse tipo de análise podemos gerar

recomendações inteligentes de produtos que podem promover vendas

casadas (cross-sell), aumento do tíquete de cada carrinho e outros

benefícios. Claro, essa análise também permite identificar quais

estabelecimentos são visitados em sequência numa rede social e muitas

outras aplicações.

Portanto, recomendação inteligente vai muito além da apresentação de

itens em um site. Ela requer uma análise detalhada de tudo que acontece

dentro do site, seja ele um e-commerce, uma rede social ou um portal de

conteúdo, envolve também o entendimento da preferência de cada usuário,

a personalização, o conhecimento profundo do catálogo de itens do estoque,

dentro outros, e o uso dessas informações para gerar conhecimento

(recomendações) que sejam úteis e assertivas.

5 O QUE É O TUILUX?

O TUILUX é o primeiro Serviço de Recomendação do Brasil que pode ser

aplicado em diversos tipos de ambientes virtuais gerando as recomendações

mais efetivas para o seu negócio. Ele utiliza técnicas baseadas em

Computação Natural, Estatística, Inteligência Artificial e Mineração de Dados

para extrair conhecimentos úteis e relevantes e gerar as melhores

recomendações para o seu negócio.

A operação do TUILUX é feita

de alto poder de processamento e escalabilidade

hospedados nos Estados Unidos, garant

operação 24x7, com estabilidade e o mínimo

tempo de resposta. Pode operar

plataformas, não demanda

licenciamento e nem hardware adicional.

5.1 FUNCIONALIDADES

O TUILUX possui duas funcionalidades principais:

1. Recomendações: a geração das

recomendações propriamente dita

diferentes possibilidades de

site e em outras ações

2. Gestão do serviço:

Admin, uma ferramenta

do serviço.

A principal funcionalidade do TUILUX é gerar um

conjunto de recomendações

seu negócio. Essa recomendação pode ser

apresentada no site de muitas formas, como, por

exemplo:

• Itens relacionados;

• Quem comprou X comprou

• Itens mais vendidos;

• Itens mais vistos;

• Etc.

Além disso, as recomendações do TUILUX

gerar e-mails segmentados a serem usados em campanhas publicitárias e

marketing direcionado e para uma gestão mais estratégica do seu negócio.


A operação do TUILUX é feita em servidores

de alto poder de processamento e escalabilidade

hospedados nos Estados Unidos, garantindo

operação 24x7, com estabilidade e o mínimo

Pode operar em múltiplas

dando instalação on-site,

hardware adicional.

O TUILUX possui duas funcionalidades principais:

a geração das

recomendações propriamente dita, com

diferentes possibilidades de aplicação no

site e em outras ações; e

: através do TUILUX

uma ferramenta on-line de gestão

A principal funcionalidade do TUILUX é gerar um

recomendações inteligentes para o

seu negócio. Essa recomendação pode ser

apresentada no site de muitas formas, como, por

comprou Y;

Itens mais vendidos;

Além disso, as recomendações do TUILUX podem ser empregadas

mails segmentados a serem usados em campanhas publicitárias e

e para uma gestão mais estratégica do seu negócio.

ww

w.t

uilu

x.c

om

.br

em recomendacao

empregadas para

mails segmentados a serem usados em campanhas publicitárias e

e para uma gestão mais estratégica do seu negócio.

ww

w.t

uilu

x.c

om

.br


O TUILUX Admin é uma ferramenta de administração on-line do

serviço que permite cada um de nossos clientes gerenciar e avaliar o

serviço de maneira rápida e efetiva. O Admin oferece, dentre outras, as

seguintes funcionalidades:

• Perfil: Atualizar seus dados de perfil no serviço

• Catálogo: Atualizar seu catálogo de produtos no serviço e agendar o

processamento das recomendações

• Analytics: Extrair relatórios gerenciais sobre o desempenho do

serviço (p. ex., itens mais visualizados, itens mais vendidos, itens

vendidos através de recomendação, itens vendidos em conjunto,

aumento de vendas devido à recomendação, etc.)

5.2 O PROCESSO DE INTEGRAÇÃO

O processo de integração do serviço é bastante simples, sendo concluído

em apenas três passos:

1. Importação: importação inicial do catálogo de produtos.

2. Configuração: parametrização do serviço para que as

recomendações sejam apresentadas e o comportamento dos usuários

monitorados.

3. Testes: testes e validação dos processos de consumo das

recomendações e monitoramento dos usuários.

Concluídos esses passos o serviço está pronto para ser utilizado e disponível

para todos os usuários.

5.3 UM MODELO DE NEGÓCIOS INTELIGENTE

Até o modelo de negócios do TULUX é inteligente. Há duas possibilidades,

uma tabela de investimento fixo mensal proporcional a quantidade de page

views do seu site e um modelo baseado em cliques em recomendação mais

share das vendas recomendadas, tornando o serviço totalmente dependente

de sua própria performance.

Technology

Tuilux white paper