Rastreamento de marcas no varejo de FMCG com aprendizado de máquina

O varejo de FMCG é caracterizado por uma dinâmica rápida e concorrência agressiva. Varejistas e marcas de CPG que se esforçam para manter uma posição única no mercado devem estar constantemente atentos ao desempenho de sua marca. Mas apenas entre os iogurtes, existem cerca de 1500 produtos diferentes em alguns mercados; é quase impossível acompanhar todos eles apenas usando pesquisa em painel ou análise manual de dados. Nosso estudo em 147 supermercados na Alemanha prova que o aprendizado de máquina pode ajudar.

Se os varejistas encontrarem uma maneira de aproveitar a grande abundância de dados transacionais que possuem sobre os clientes, eles poderão oferecer às marcas uma compreensão abrangente de sua posição no mercado. Além disso, os varejistas também podem usar esses dados para otimizar melhor suas categorias, sortimentos de lojas e ofertas promocionais.

Você já deve ter ouvido falar da análise de estruturas de mercado product-to-vec (P2V). Essa abordagem de aprendizado de máquina oferece aos varejistas e marcas uma maneira totalmente nova de trabalhar com dados. O trabalho de pesquisa por trás dessa abordagem do Dr. Sebastian Gabel, impulsionado por nosso SO1 Engine, ganhou o EHI Retail Science Award 2020 deste ano e foi publicado no Journal of Marketing Research.

A abordagem – baseada em redes neurais profundas – usa dados de compras do varejista e analisa a co-ocorrência de milhares de produtos em milhões de cestas de compras. Isso permite mapear todos os produtos em 800 vetores diferentes e colocá-los em um mapa visual onde cada produto do portfólio do varejista é representado como um único ponto:

A primeira coisa a notar é que os produtos são agrupados de forma que os clientes os compram, e não os varejistas os colocam nas prateleiras. Exemplos de tais clusters são comida italiana, churrasco, panificação, café da manhã, vegetarianos e até mesmo produtos infantis (por exemplo, caixinhas de suco, lanches para a escola, lanches na forma de ursinhos de pelúcia ou iogurte Disney). Também podemos ver quais produtos desses grupos são complementares (por exemplo, massas + molho de tomate) e quais substitutos (dois tipos diferentes de massas).

O mapa acima vem de uma grande rede de supermercados alemã e é derivado de 73 milhões de cestas de compras. A análise funciona de forma totalmente autônoma, usando apenas dados brutos de compras de sistemas POS e programas de fidelidade. Vejamos alguns exemplos de como as marcas podem se beneficiar dessa visão imparcial das estruturas de mercado.

Descobrindo a substituição

Os varejistas querem descobrir a substituição para se livrar de marcas redundantes ou negociar melhores condições com elas. As marcas precisam de insights sobre seus concorrentes mais próximos e quão bem eles se diferenciam deles para evitar a substituição em primeiro lugar.

Para ver como essa análise pode ajudar, vamos ampliar o subgrupo de chocolate amargo:

Vemos que os produtos Lindt (considerados uma marca de chocolate premium na Alemanha) com porcentagens semelhantes de cacau, variedades 'suave' e 'regular', são muito próximos. As marcas Zetti e Sarotti (marcas mais regionais e de baixo preço) estão localizadas longe da Lindt, mas muito próximas, indicando forte relação substitutiva. No canto inferior direito, vemos uma subcategoria de barras de chocolate amargo com ingredientes adicionais (laranja, pimenta, sal marinho…), indicando que eles possuem uma posição única no mercado.

Isso dá às marcas alguns insights importantes. Primeiro, a Lindt está se diferenciando fortemente de outras marcas, mas a versão Mild não é claramente reconhecida pelos clientes. Lindt pode querer comunicar melhor a diferença entre os dois na embalagem ou no anúncio.

As marcas Zetti e Sarotti parecem ser fortes substitutas uma da outra. Os clientes provavelmente não os diferenciam muito bem e não se importariam em mudar se uma das marcas estivesse em promoção, fora de estoque ou completamente ausente. Uma mudança na estratégia de marketing pode ser necessária para diferenciar melhor os dois.

O que impulsiona a diferenciação

Então, já sabemos quais produtos são substitutos e quais estão posicionados de forma única, mas o que exatamente impulsiona essa diferenciação? Olhando para o subgrupo de chocolate amargo, podemos ver duas tendências – o preço está diminuindo de baixo para cima (com Lindt por 2€ e Zetti/Sarotti por 1,29€), e a porcentagem de cacau da esquerda para a direita. Esses dois atributos, portanto, parecem ser os principais diferenciais, a menos que os chocolates sejam aromatizados.

Para Zetti e Sarotti, isso pode significar uma oportunidade de apresentar uma versão com sabor de seu chocolate. Com preços mais baixos e como marca regional, esse novo produto pode ser um concorrente dos chocolates com sabor Lindt.

Vamos ampliar outro cluster, desta vez vinho. Vemos que o primeiro e principal diferencial é se é um espumante (“Sekt”) ou um vinho padrão. Pequenas garrafas de vinho e espumantes de 0,25 l mantêm a sua posição bastante distante das outras.

À direita, ampliamos o conjunto de vinho de 0,7 l. O preço parece ser o diferencial mais forte aqui, muito mais do que o tipo real de vinho (por exemplo, Chatou, Sauvignon, Riesling…). Quando os produtos são separados claramente por preço, estamos falando de um mercado altamente comoditizado que o vinho parece ser. Isso sugere que essa categoria é impulsionada principalmente por preços e promoções, mas ainda há espaço para diferenciação, por exemplo, por marcas mais fortes ou origens regionais.

Posicionamento de produto

A abordagem também pode ser usada para determinar o posicionamento de determinados produtos. Por exemplo, uma marca de biscoitos CPG nos procurou para descobrir se os consumidores percebem seus produtos mais como um lanche ou como um produto de café da manhã. Olhando para o mapa, rapidamente reconhecemos que os produtos de biscoito desta marca estavam localizados entre os produtos de pequeno-almoço, muito longe de outros biscoitos e snacks.

Esse insight foi usado para fortalecer ainda mais esse posicionamento de “café da manhã” da marca por meio de publicidade e embalagem, iniciar parcerias com marcas que produzam categorias complementares de café da manhã, como cereais ou geleias, e até expandir para algumas dessas categorias também.

A linha de fundo

Os principais benefícios dessa abordagem são simplicidade, objetividade e automação. Como a abordagem usa apenas dados brutos de compras e reflete o verdadeiro comportamento do consumidor, não há vieses que geralmente ocorrem em outras abordagens. E como toda a análise é automatizada, ela pode ser repetida quantas vezes forem necessárias com dados novos ou filtrados para avaliar a eficácia das campanhas de marketing, introdução de novos produtos ou influências sazonais e regionais. Para entender melhor a abordagem P2V, dê uma olhada no artigo completo do Dr. Sebastian Gabel.

A tecnologia usada nesta pesquisa – o SO1 Engine – também é usada em nosso avançado mecanismo de personalização. Com base nos insights obtidos nesse processo, ele permite que os varejistas recomendem de forma autônoma os produtos certos pelo preço e tempo certos para cada cliente individual – tudo com os objetivos de negócios dos varejistas e das marcas em mente.