GHOST INTERVIEW #48 | Quem tirou a Nike da Amazon?

A Nike saiu da Amazon na semana passada. Sozinha, essa notícia pode até chocar. Por isso, o Ghost Interview de hoje foi atrás de quem pode dar contexto ao ocorrido: o COO da companhia, Eric Sprunk e John Andrews, o CEO da Celect, empresa de Big Data comprada pela Nike em agosto.

Sim, os sinais falam bem alto. Num espaço de 11 meses, a Nike contratou um CIO, pela primeira vez na história; lançou um serviço de assinatura para compra de sapatos infantis; comprou uma empresa de análise de Big Data para entender os usuários e trocou de CEO, nomeando o ex-eBay John Donahoe. Se isso tudo significa? Sprunk e Andrews que nos digam:

Eric, começamos com você, a gente fala muito de estratégia Direct to Consumer (D2C) por aqui, mas às vezes isso fica pouco tangibilizado. Por isso perguntamos para você: como imagina a Nike do futuro?

Eric: No futuro, eu imagino que o nosso cliente vai comprar um produto nosso pelo Nike.com ou pelos nossos aplicativos e a gente vai conseguir entregá-lo no mesmo dia nas principais cidades no mundo. Se o time favorito dessa pessoa ganhar o campeonato, em poucos dias, a gente vai conseguir criar o design, produzir e entregar algo completamente distinto, inovador, direto na porta do fã desse time. E isso não deve acontecer para apenas alguns produtos selecionados, mas para todos os nossos produtos.

(Apresentação no IR Day da Nike em 25 de outubro de 2017)

Nesse sentido, pensando em todas as iniciativas da Nike no mundo digital, por que decidiram comprar a Celect, em agosto deste ano?

Eric: Com a aquisição da Celect, a Nike acelera bastante a vantagem digital, adicionando uma plataforma desenvolvida por cientistas de dados de classe mundial. O crescimento da demanda pelos nossos produtos traz a necessidade da gente se tornar insight-driven, otimizado por dados e hiper-focado no comportamento do consumidor. Essa é a maneira da gente servir os usuários em escala. (Comunicado à imprensa em 6 de agosto de 2019)

Eric: A questão é que a gente precisa antecipar a demanda. Nós não temos mais seis meses para fazer isso. Temos apenas 30 minutos.

Nós optamos por adquirir a Celect no lugar de passar dois ou três anos tentando recriar a mesma plataforma internamente. É realmente muito difícil trabalhar na previsão de padrões de comportamento [de usuários] do varejo, bem como os seus padrões de consumo. (Entrevista à CNBC em 6 de agosto de 2019)

Agora da parte da Celect: a gente sabe que vocês são uma empresa de Big Data, que foram criados em 2013 pelos professores do MIT que inventaram o conceito dos algoritmos de recomendação da Netflix.  Mas o que vocês fazem, exatamente e, principalmente, como fazem?

John Andrews: O que fazemos é, basicamente, análise preditiva e otimização de inventários e estoques a partir do comportamento do usuário, utilizando inteligência artificial e machine learning. A gente junta as pontas do consumidor e do inventário, ajudando os varejistas a entenderem quais produtos deve comprar, quanto desse produto comprar e como espalhar ele em vários prontos exatamente onde a demanda dele está. 

Quando a gente pensa em estoque e inventário, é a tarefa mais fundamental que alguém do varejo precisa criar. Entender quais produtos precisa ter e como é a demanda por eles. O jeito que é feito hoje é usando : instinto e tabelas de excel, tudo isso feito com bases de números de vendas que já aconteceram. 

O que a gente faz é se basear em entendimento das escolhas do usuário e do contexto dele, assim a gente consegue prever a demanda real dos produtos.

Como? A gente cruza  informações da compra do usuário com dados sobre o que estava disponível para ele comprar naquele momento. Olhamos e analisamos o que eles não compraram ao escolher esse produto. Com isso, a gente consegue usar um modelo e entender: o que a pessoa preferiu comprar dada a escolha ?

Ao entender as escolhas,  conseguimos criar um modelo para prever demanda num espaço localizado.  

Hoje em dia, uma parte dos varejistas está optando por enviar os produtos comprados online a partir da loja física, o problema é: como você decide qual produto deixar no estoque de cada loja, afinal, você não pode tirar ele da demanda física. Não é uma questão fácil de resolver.

O omnichannel deixou tudo mais desafiador ainda para os varejistas, porque se você pensa no que tem na loja: um cliente pode estar procurando o produto nessa loja pelo celular, entra no espaço físico – porque está próximo dessa loja – e não acha. Por isso o varejista precisa entender muito a demanda local para fazer isso funcionar. Isso sem contar nos modelos: existem as lojas que enviam os produtos para quem compra online, existem aquelas que pedem para o usuário ir lá buscar. 

A parte positiva é, uma vez tendo o entendimento do usuário e das demandas, a loja física se torna um ativo ainda mais rico, já que vira um centro para distribuir produtos e para a experiência dos usuários. (Entrevista ao podcast Commerce Tomorrow em 12 de março de 2019)

Falando em varejo, Big Data e recomendação, é difícil não pensar na Amazon. Como você acha que as marcas e empresas podem competir com a Amazon?

John: A verdade é que não é necessária essa quantidade de granularidade para entender os sinais da preferência dos usuários. Só o dado transacional, todo mundo usa. Ao cruzar o estoque e o inventário com essa informação transacional, a gente tem mais entendimento muito melhor do usuário e de seu comportamento. 

Todo mundo do varejo está de olho no que a Amazon faz. E o maior benefício que eles têm: é que eles tem uma quantidade gigante de dados. Outros varejistas têm muito menos informações e, por mais que eles tenham muitos dados sobre o usuário, a questão maior é que eles precisam  trabalhar com os ‘dados esparsos’ sobre um indivíduo e produtos individuais, e como é a interação. A realidade, precisam tirar sinais de dados esparsos. Por isso é difícil!(Entrevista a Nathan Latka em 2 de janeiro de 2018)

Pense nisso!

Já pensou em usar insights gerados através de dados de smartphones para ajudar a entender e prever demanda? Fale com a Hands e saiba como podemos ajudar. Conheça nossos cases e soluções.