Cases
Conheça nosso trabalho por meio de cases de grandes empresas.
A Votorantim Cimentos enfrentava desafios importantes na conversão de leads em
vendas pelo canal WhatsApp. Além disso, havia pouco conhecimento sobre quais
ações e iniciativas eram mais eficazes nesse canal. Para resolver esses problemas,
implementamos o motor de recomendação hGoro, uma solução inovadora focada em
aumentar significativamente as vendas e o mix de produtos comercializados via
WhatsApp.
Principais Desafios:
Solução implementada
O motor de recomendação hGoro é uma tecnologia
inteligente que avalia constantemente o desempenho das campanhas no WhatsApp.
Ele prevê quais ações têm maior probabilidade de sucesso e se adapta continuamente
com base na resposta dos clientes.
Aplicações Práticas da Solução:
- Reativação de clientes inativos;
- Campanhas altamente personalizadas;
- Priorização de leads mais promissores;
- Nutrição e qualificação automatizada dos leads;
- Testes A/B frequentes para melhoria contínua.
Como Funciona:
- Os segmentos de clientes e as ações disponíveis são cadastrados em uma plataforma web.
- O motor hGoro calcula qual ação tem maior probabilidade de sucesso para cada grupo de clientes.
- Campanhas direcionadas são enviadas via WhatsApp com base nessas previsões
- Os clientes respondem (clicando ou não nas comunicações), e essas respostas são registradas.
- hGoro aprende com as respostas, ajustando automaticamente suas previsões para aumentar a eficácia das futuras campanhas.
Principais Resultados Alcançados (em 5 meses):
- Aumento de 9,47% no mix de produtos vendidos;
- Dobro do market share em comparação com o período anterior à implementação;
- Redução no tempo necessário para conversão dos leads;
- Otimização dos recursos e redução do custo de aquisição de novos clientes (CAC)
Com isso, o motor de recomendação hGoro se estabeleceu como uma solução
poderosa não apenas para aumentar a conversão geral, mas especialmente para
otimizar o mix de produtos e gerar uma receita incremental significativa para a
Votorantim Cimentos.
Este modelo pode ser aplicado de maneira eficaz em outras empresas que buscam
melhorar suas campanhas, aumentar as vendas e otimizar o retorno dos investimentos
em marketing digital via WhatsApp.
A Nossacoop, uma cooperativa financeira, enfrentava um grande desafio: como
reativar contas inativas e aumentar a principalidade dos seus cooperados — ou seja,
torná-los mais engajados e presentes no uso dos produtos e serviços da instituição.
Para resolver esse problema, foi implementado o modelo de recomendação de
produtos financeiros, uma solução baseada em inteligência artificial desenvolvida para
personalizar ofertas e recomendações financeiras com alta precisão.
O Desafio:
A Solução:
o modelo de recomendação de produtos financeiros utilizou técnicas de
aprendizado de máquina (machine learning) para identificar o melhor produto a ser
ofertado a cada cooperado, com base em dois pilares:
- Características do produto;
- Perfil do cooperado.
Resultados Alcançados:
- Em campanhas específicas de consórcio, algumas agências da Nossacoop registraram aumento de até 23% nas vendas;
- Maior reativação de contas inativas, com retorno de cooperados ao ecossistema financeiro da cooperativa;
- Elevação da principalidade, com aumento do número de produtos por cooperado;
- Melhoria na produtividade da equipe de vendas, que passou a atuar com foco e prioridade baseada em dados;
- Aumento na satisfação e fidelização dos cooperados, que passaram a receber ofertas relevantes e no momento certo.
Este modelo pode ser reaplicado por outras instituições financeiras que buscam
reativar clientes, melhorar engajamento e aumentar o uso dos seus produtos de
maneira mais eficiente e orientada por dados.
A Direto, uma proptech financeira, busca unir expertise imobiliária com inovação e tecnologia para oferecer soluções autônomas e eficientes no mercado de crédito e gestão imobiliária.
O que fizemos:
Avaliação completa de CRIs, considerando volume, composição, duration, taxas, inadimplência, LTV e fluxo de caixa;
Extração e cruzamento de dados de confissão de dívida com sistemas de contas a receber;
Desenvolvimento de modelo de score para avaliação de risco em crédito imobiliário.
Resultados
- Maior precisão na gestão de carteiras;
- Confiabilidade no processo de crédito;
- Eficiência nas análises financeiras e decisórias.
A Vallourec, líder mundial em soluções tubulares premium, buscava melhorar a qualidade da produção utilizando machine learning para prever defeitos e otimizar processos.
O que fizemos:
para identificar causas de falhas
para priorizar variáveis críticas
para defeitos
para simulações e ajustes
Resultados
- Previsão de defeitos: 66,7% (mín.) a 83,6% (máx.);
- Priorização de variáveis críticas e ações corretivas otimizadas.
A empresa buscava melhorar a qualidade da soldagem na produção de tubulações petroquímicas, prevendo defeitos, identificando variáveis críticas e otimizando o processo para redução de custos e maior eficiência.
O que fizemos:
para avaliar conformidade e prever defeitos em 7 estágios de soldagem;
para otimizar parâmetros e propor ajustes;
para simulação em tempo real.
Resultados
- Antecipação de 50% dos defeitos com base em 3 variáveis-chave;
- Redução de 10% dos defeitos no primeiro mês;
- Decisões rápidas com base em cenários de probabilidade.