Entenda como a maior empresa de vinhos e tecnologia do mundo utiliza dados para alavancar seu crescimento
Maior marketplace on-line de vinhos e o aplicativo de vinhos mais baixado do mundo, a Vivino utiliza de forma ampla o Big Data gerado por seus usuários, inclusive evidenciando isso na parte institucional de seu site, onde diz: “a experiência exclusiva de compra de vinhos no Vivino usa dados da comunidade para sugerir recomendações personalizadas, fazendo com que a compra e descoberta de vinhos seja divertida, acessível e fácil para todos que curtem um bom vinho”.
Sediado em San Francisco, nos EUA, e com escritórios também na Irlanda, Dinamarca, Ucrânia e India, a Vivino foi fundada em 2010. O funcionamento básico é assim: ao tirar uma foto de uma garrafa de vinho, o aplicativo reconhece o produto pelo rótulo e o usuário pode ver imediatamente as avaliações e comentários de outros usuários sobre ele, verificar os preços praticados e até mesmo comprá-lo. Ele pode ser utilizado em mercados e restaurantes, por exemplo, atuando como um sommelier digital que ajuda a tomar a melhor decisão sobre qual vinho escolher.
Em entrevista à Bernard Marr, publicada na Forbes, o CEO Heini Zachariassen falou que:
“A verdadeira virada de jogo para nós é que já conhecemos todos esses vinhos. Temos 1,5 bilhão de fotos de rótulos de vinhos, 200 milhões de classificações e 10 milhões de vinhos no banco de dados. 200 milhões de classificações. Os dados são a chave para nossa empresa, e nenhuma outra empresa pode competir conosco porque temos essas informações e 50 milhões de usuários nos ajudando a mantê-las”.
A empresa anunciou recentemente, em maio de 2021, o lançamento de um novo mecanismo de recomendação baseado em Inteligência Artificial. O Match for You utiliza Machine Learning e os dados cada usuário para dar a cada um deles uma pontuação de correspondência exclusiva para cada vinho. Até então, o que estava em operação era um mecanismo chamado de Vivino Rating, um sistema de classificação de vinhos que aproveitava a sabedoria da multidão para mostrar a pontuação medida de um vinho.
O Match For You funciona a partir da avaliação de cinco vinhos por usuário no aplicativo e sua previsão se torna melhor conforme você avalia mais vinhos. Afinal, um vinho 5 estrelas para uma pessoa pode não ser igual ao gosto de outra pessoa. Assim, a recomendação é dividida em três grupos principais de forma exclusiva:
-
70% – 100% – Excelente Combinação: Estes são vinhos que certamente agradarão e provavelmente serão avaliados com quatro estrelas ou mais;
-
40% – 70% – Correspondência média: Esses vinhos podem não ser favoritos absolutos, mas vale a pena experimentar;
-
0- 40 Low Match: – Com base nos dados de Vivino, é improvável que estes vinhos sejam apreciados.
Heini Zachariassen também disse à Forbes que:
“Até eu estou surpreso com o quão preciso é. O aplicativo sabe coisas sobre mim que eu nem percebi. Por exemplo, adoro champanhe. Alguns champanhes são baseados no Pinot Noir e outros no Chardonnay. O algoritmo Vivino realmente reconheceu que os champanhes que eu não gostava eram todos baseados em Chardonnay. Eu não fazia ideia”.
Enquanto a empresa não fornece mais detalhes sobre como funciona seu novo sistema de recomendação com IA, podemos olhar pra trás e perceber que mesmo a Vivino não tinha dados suficientes há poucos anos para rodar um bom modelo de Machine Learning. Somente nos últimos dois anos, e especialmente com o alto volume de vendas durante a pandemia, foi possível um ciclo de feedback – compras e análises das garrafas – que foi estável o suficiente para permitir recomendações assertivas.
Um estudo de caso do Google Cloud focado em Big Data da Vivino evidencia dois pontos principais que a evolução no uso de dados na empresa trouxe:
-
Mais de 50% da equipe do Vivino usa dados diariamente para tomar decisões;
-
Internamente, as equipes usam dados para fornecer a melhor experiência possível ao cliente, levando a um melhor suporte com um aumento de 20% na retenção de clientes e 30% no Net Promoter Score (NPS);
Nesta jornada data-driven, a Vivino implantou uma solução que permitiu às equipes interna obterem acesso mais direto aos dados do negócio, descentralizando isso de uma área específica como era até 2018, por exemplo. Isso permitiu a usuários não-técnicos fazerem consultas ao banco de dados da empresa sem depender de terceiros, recebendo formação para entender, interpretar e manipular esses dados. Essa dificuldade em lidar com dados para além das equipes de dados e tecnologia é uma realidade enfrentada por muitas empresas ainda.
William Moor, agora Director of Business Intelligence da Vivino, foi o responsável por promover essa mudança:
“Foi uma grande preocupação minha porque é importante que as pessoas confiem nos dados e, se você tiver duas pessoas de alto nível em equipes diferentes apresentando dados diferentes para a equipe executiva, então eles começam a sempre questionar os dados”, explica Moor.
Moor fez isso com o auxílio do Looker, comprada pelo Google em 2020 por 2,6 bilhões de dólares, com capacidade para fornecer métricas confiáveis em toda a organização, permitindo a cada departamento tomar melhores decisões. Com o LookML, a camada de modelagem do Looker, foi possível uma boa governança de dados e definições de métricas em conjuntos de dados e consultas, trazendo de volta a confiança aos dados e ao processo de tomada de decisão.
Utilizando a conexão nativa do Looker com Amazon Web Services (AWS) Redshift, o data warehouse de Vivino, a equipe de dados conseguiu alavancar o poder de processamento do Redshift, garantindo uma única fonte de verdade para todas as consultas. Ao armazenar todos os seus dados na AWS Redshift e analisando no Looker, a equipe da Vivino passou a visualizar os dados do uso do aplicativo, ferramentas de rastreamento e de gestão de relacionamento com o cliente em um só lugar, fornecendo uma mais abrangente de todo o negócio.
Essa descentralização de dados permitiu aumentar o seu potencial de escala, permitindo um maior uso dos milhões de pontos de dados coletados diariamente. Foi como destravar o valos dos dados. E isso inclui – e muito – olhar para a experiência dos clientes.
Além de usar o Looker para rastrear pedidos de vinho e remessas para clientes para entender as tendências em tempo de entrega e satisfação no Marketplace, a equipe de comércio eletrônico também tem alertas personalizados definidos para que possam ser notificados se surgir um problema de atendimento do pedido, relacionado à precisão ou ao tempo entrega de seus parceiros vinícolas. Como resultado, toda a equipe Vivino pode identificar e responder a problemas rapidamente e, em seguida, descobrir e padronizar processos que funcionam melhor.
No passado, um cliente pode ter recebido uma remessa de vinho que fez, não gostou e nunca mais fez outro pedido. A equipe agora pode identificar clientes insatisfeitos, entrar em contato a eles rapidamente para resolver suas preocupações e, finalmente, aumentar a fidelização. Usando um painel centralizado, a equipe de comércio eletrônico é capaz de visualziar como os usuários avaliam os vinhos depois de fazerem um pedido. Isso fornece uma imagem mais completa, compreendendo não apenas o processo de pedido, mas também a experiência de receber e desfrutar (ou não) um vinho específico. Esta equipe tem alertas personalizados configurados a partir deste painel para notificá-los quando um cliente fornece um pedido negativo por uma garrafa de vinho na remessa. Isso resultou no aumento de retenção de clientes em 20%.
Com os dados centralizados no Redshift, a Vivino deu um passo além e, usa processamento de linguagem natural, tratando dados não-estruturados na forma de linguagem humana (texto) e os renderizando no formato que um computador pode entender para permitir a análise de sentimento nas pesquisas de satisfação de clientes.
Para fazer isso mais fácil, eles usam o AWS Comprehend, um NLP baseado em aprendizado de máquina que permite traduzir texto e obter insights. Uma vez que a análise de sentimento é concluída, o sistema fornece rótulos de classificações de serviço (como “envio atrasado” ou “pedido incorreto”), permitindo à equipe agir sobre eles.
O resultado? Um aumento na pontuação NPS de Vivino (que já era alta) em 30%.
