Hence Analytics

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:

Baixa conversão dos leads no WhatsApp;
Desconhecimento sobre quais campanhas traziam melhor retorno;
Necessidade de ampliar o mix de produtos vendidos pelo canal.

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:

Como Funciona:

Principais Resultados Alcançados (em 5 meses):

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:

Grande volume de contas inativas;
Necessidade de aumentar o uso de produtos financeiros pelos cooperados ativos;

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:

Resultados Alcançados:

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:

Análise de carteira imobiliária:

Avaliação completa de CRIs, considerando volume, composição, duration, taxas, inadimplência, LTV e fluxo de caixa;

Diligência financeira:

Extração e cruzamento de dados de confissão de dívida com sistemas de contas a receber;

Concessão de crédito:

Desenvolvimento de modelo de score para avaliação de risco em crédito imobiliário.

Resultados

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:

Análise multidimensional

para identificar causas de falhas

Modelagem estatística

para priorizar variáveis críticas

Algoritmo preditivo

para defeitos

Dashboard interativo

para simulações e ajustes

Resultados

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:

Modelagem estatística

para avaliar conformidade e prever defeitos em 7 estágios de soldagem;

Algoritmo de ML

para otimizar parâmetros e propor ajustes;

Dashboard interativo

para simulação em tempo real.

Resultados