Varejo
Cada interação é um sinal. Preço, recomendação e demanda leem o mesmo histórico de eventos e param de se contradizer.
aqui a entidade éum cliente, ou um SKUO que o modelo realmente lê
Sem agregação, sem feature engineering — os eventos que os seus sistemas já escrevem, na ordem em que aconteceram.
- visualizações e buscas
- eventos de carrinho
- compras e devoluções
- mudanças de preço e promoção
- movimentações de estoque
- contatos de atendimento
O que quebra com um modelo por problema
Segmentos estão sempre um passo atrás
Um cliente que mudou de comportamento nesta semana continua recebendo o segmento do trimestre passado. A sequência se atualiza sozinha.
Cauda longa, cold start, histórico esparso
Um modelo que aprendeu o comportamento do catálogo inteiro tem o que dizer sobre um SKU com quatro vendas.
Os picos quebram os pipelines
A Black Friday é exatamente quando os jobs de agregação atrasam. Ler eventos crus tira o job do caminho crítico.
Uma fundação, uma especialização por pergunta
Cada um destes é um head sobre o mesmo modelo treinado, não um projeto separado com o seu próprio pipeline.
Precificação dinâmica
Precifique contra demanda e elasticidade observadas por SKU, não contra uma tabela de regras mantida à mão.
Recomendações personalizadas
O próximo item decorre da sequência inteira da visita, não do último clique.
Previsão de demanda
Preveja por SKU por local a partir dos próprios eventos, inclusive os com quase nenhum histórico.
Inteligência de cesta
O que combina, para este cliente, agora — em vez do que combinava na média no ano passado.
O que podemos comprovar
personalização — uma ação por cliente, por interação
mais rápido na inferência sobre o catálogo
eventos processados em tempo real