Cleber Fonseca Pinto, head de BI, SEO e digital analytics da Arezzo&Co.
A Arezzo&Co, empresa líder no setor de calçados, bolsas e acessórios femininos, está apostando nas soluções de machine learning e inteligência artificial da Amazon Web Services (AWS).
Durante o evento AWS Summit 2020, que está acontecendo de forma virtual neste ano, a companhia compartilhou sua experiência, que começou em 2019 — quando a Arezzo criou um algoritmo que reconhece os produtos através de fotos em alta definição.
No projeto, foram configurados 13 atributos que antes somente seres humanos eram capazes de classificar em um processo manual. Agora, o algoritmo consegue entender o que é um sapato e quais são as suas características.
Ele atribui informações como categoria de produto, subcategoria, estilo, cor, além de distinguir o material, diferenciando o couro legítimo de um material sintético, por exemplo.
Com a classificação feita por pessoas, o grau de assertividade era de 80% e o processo ainda passava por uma segunda etapa de validação. Com o algoritmo, o índice chega a quase 95%.
Para criar o produto mínimo viável (MVP, na sigla em inglês) desse projeto, a empresa tinha três meses e então, abriu concorrência em busca de um fornecedor. No processo, a AWS pediu dois meses para a execução, enquanto outros dois players globais pediram seis e oito meses.
A companhia da Amazon mandou, então, dois especialistas para a sede da Arezzo, em Campo Bom, no Rio Grande do Sul, e a primeira versão do MVP foi realizada em menos de uma semana, com um custo mínimo muito baixo, de acordo com a calçadista.
“Depois dessa primeira grande parceria, a gente não teve dúvidas sobre quem seria nosso grande parceiro daqui para frente em tudo que for ligado a machine learning, data science e IA. A gente viu que o nosso parceiro seria realmente a AWS”, conta Cleber Fonseca Pinto, head de BI, SEO e digital analytics da Arezzo&Co.
Em 2020, a Arezzo criou uma segunda ferramenta, que calcula qual é o potencial de venda de um produto nunca antes vendido com base neste algoritmo e no histórico.
Possuindo a imagem do novo produto, procura-se por itens muito similares a ele que tenham sido vendidos recentemente e, com base na curva de vendas anteriores, é possível estimar e enriquecer o modelo de forecast para ter uma projeção mais assertiva do potencial de venda do lançamento.