Sistemas de recomendação fazem parte do nosso dia a dia e afetam algumas de nossas decisões de consumo.
Esse mecanismo está presente em sites como Amazon, Saraiva ou Lojas Americanas,e quando assistimos filmes e séries na Netflix, Prime ou HBOMax. Nosso perfil com nossas escolhas vai sendo construído e aos poucos as sugestões se tornam mais precisas. O que está por trás dessas indicações é o que chamamos de “Sistemas de Recomendação”.
Explicando de forma resumida, os Sistemas de Recomendação trabalham mais ou menos assim:
1.Identificam pessoas que têm interesses em comum.
2.Contabilizam as avaliações que essas pessoas fazem dos itens disponibilizados.
3.Utilizam cálculos estatísticos para descobrir quem são os pares, ou seja, pessoas que gostam das mesmas coisas ou que tem gostos opostos.
4.A partir dessas informações, recomendam itens para uma pessoa com base na avaliação de seus pares.
5.À medida que você dá um feedback para o sistema, dizendo se gostou ou não daquela recomendação, ele refaz os cálculos e ajustes necessários para aperfeiçoar as recomendações.
Existem alguns métodos de recomendação (implementados por algoritmos computacionais) que recebem tanto entradas dos usuários individualmente, quanto informações reunidas provenientes de todos os membros da comunidade que participam deste sistema. A partir destas informações, determinados métodos podem gerar sugestões, previsões, avaliações e revisões, que são apresentadas ao usuário como recomendações. O usuário, por sua vez, deve enviar um feedback ao sistema sobre a recomendação recebida, para que os resultados possam ser aprimorados continuamente.
Instituições financeiras têm investido na implementação de sistemas de recomendação, potencializando a oferta de produtos e serviços aos seus clientes. A partir de clusters bem definidos, em momentos de interação com o cliente, em qualquer de seus canais - rede de agências, internet banking e aplicativos mobile, há a oferta customizada de um produto ou serviço e a resposta do cliente à essa interação gera uma marcação e o comportamento (compra ou não) é replicado para o cluster que representa esse cliente. A recomendação para os demais clientes é feita a partir de marcação de itens. Itens com características próximas destas marcações são recomendados.
No entanto, se o cliente acabou de chegar na empresa e não interagiu o suficiente, tonra-se um pouco mais difícil identificar seus interesses. O único caminho é trabalhar com as recomendações não personalizadas, que também podem ser bastante eficientes. Elas apostam em gatilhos mentais, como a escassez e a aprovação social, mostrando as últimas ofertas ou os produtos/serviços mais vistos e/ou vendidos.
De um jeito ou de outro, há avanços significativos no uso de IA para potencializar negócios. A IA vem sendo aplicada nas instituições financeiras para comunicação (chatbots), divisão de um mercado alvo em segmento de consumidores, análise de comportamento de consumo dos clientes, apoiar a gestão de investimentos e gestão de portofólios, substituição de processos manuais em backoffice e gestão de risco e compliance. E muito está por vir!