Partindo da análise dos dados de um sistema de faturação, vamos ver como é possível prever com rigor que produtos têm mais probabilidade de serem vendidos em conjunto. Esta informação é muito útil para compreender os hábitos dos consumidores a partir do seu histórico de compras e desenvolver ações de marketing que ajudem a aumentar as vendas de produtos complementares ou para ajudar a prever o que irá o consumidor comprar a seguir. 

Recolha e tratamento dos dados

O primeiro passo para executar este tipo de análise, também conhecida como lift, é recolher e limpar os dados para que seja possível analisá-los devidamente. Nem sempre os sistemas informáticos permitem analisar os dados “as-is”, ou seja, em muitos casos, teremos de ter o trabalho de os editar de modo a que a sua estrutura corresponda à análise que pretendemos desenvolver.

Uma vez feito este trabalho de edição, é possível manter os dados sincronizados e em permanente atualização.

No exemplo que veremos a seguir, que foi adaptado de uma empresa de vendas online, utilizamos o Power BI para nos ligarmos diretamente à base de dados onde ficam armazenados os dados das vendas. Por defeito, os dados estão organizados em três colunas, do seguinte modo:

• nome_do_produto,valor_líquido,user_email

Que queremos transpor em:

Os valores desta tabela indicam 1 quando o cliente comprou determinado produto e 0 quando não comprou. Então, por exemplo, o cliente 1 comprou o produto D e o cliente 12 comprou simultaneamente o produto A e o produto F.

Como definimos Lift ou a probabilidade de dois produtos serem vendidos em conjunto?

A partir desta tabela já devidamente limpa, podemos definir o Lift como a probabilidade de dois produtos serem vendidos em conjunto. Ou por outras palavras, quando dois produtos têm mais probabilidade de serem vendidos em conjunto do que separadamente, diremos que têm mais Lift.

Deste modo, é possível exprimir esta ideia a partir de uma fórmula:

Se o resultado desta fórmula for superior a 100%, é mais provável que o Produto A e o Produto B sejam comprados em conjunto do que separadamente. É precisamente esta informação que pretendemos obter.

No numerador vamos contar o número de clientes em que ocorrem vendas do Produto A e B em simultâneo e no denominador teremos de calcular primeiro as proporções de clientes que compraram cada um dos produtos independentemente que multiplicaremos pelo número total de clientes.

Ora, como a empresa em questão tem 48 produtos disponíveis (aqui simplificamos para incluir apenas 6), seria um pouco difícil encontrar a combinação de dois produtos que se vendem mais em conjunto do que separadamente.

Assim, precisamos de um modelo que permita calcular rapidamente o Lift para qualquer combinação de dois produtos e recorremos às tabelas de dados do Excel para analisar todas as combinações possíveis de uma só vez.

O resultado foi o seguinte:

Como pode verificar, as combinações de produtos com maior probabilidade de serem comprados em conjunto são:

• o Produto A com o Produto B (150%)
• o Produto C com o Produto F (142%)

Com esta informação, a empresa está a testar a venda cruzada destas duas combinações de produtos para averiguar se o consumidor responde a incentivos à compra dos produtos em causa em simultâneo.

Está também a estudar a possibilidade de travar o declínio na venda de alguns produtos através da oferta de produtos complementares e do desenvolvimento de novos produtos que correspondam aos desejos dos seus clientes.

Como vê, os dados guardados nos sistemas de pontos de venda, no SAFT ou em ERP não devem servir apenas para análise descritiva. Com as ferramentas de gestão certas, poderão ser um poderoso instrumento de marketing.