Modelos de Propensão para Geração de Missões e Desafios
Estruturação de dados em larga escala e modelos de propensão para orientar decisões comerciais por PDV.
Contexto
A Mondelez buscava ampliar sua inteligência comercial para entender melhor sua rede de distribuidores e pontos de venda (PDVs), com foco em expandir o portfólio, fidelizar clientes e aumentar o faturamento por PDV. Para isso, era necessário identificar, de forma ágil e confiável, quais PDVs tinham maior potencial de compra por produto e direcionar esforços comerciais de forma estratégica.
Desafio
A empresa enfrentava problemas clássicos de projetos orientados por dados: bases fragmentadas, baixa qualidade e estruturas desconectadas que dificultavam análises consistentes. As informações vinham de múltiplas origens, com campos e nomenclaturas inconsistentes, elevando o esforço de preparação dos dados.
Necessidade de decisões estratégicas
O volume da base ultrapassava 150 milhões de linhas, o que tornava inviável o processamento em ferramentas tradicionais e exigia um ambiente robusto para suportar análise em larga escala. Por fim, manter a performance de modelos de propensão com alta granularidade era desafiador, pois o aumento de variáveis impactava a velocidade de execução sem necessariamente melhorar a precisão.
Esses desafios impactariam a capacidade da empresa de tomar decisões estratégicas confiáveis, podendo gerar subestimação ou superestimação do potencial real dos PDVs.
Nossa estratégia
1
Consolidamos e tratamos mais de 150 milhões de registros em um ambiente analítico adequado, realizando limpeza e padronização para garantir consistência e eliminar ruídos que poderiam comprometer os resultados.
2
Desenvolvemos modelos de machine learning em Python para estimar a probabilidade de compra por PDV, com validação rigorosa e seleção das melhores variáveis preditivas para a construção de uma matriz de propensão por PDV e nível.
3
- A partir das probabilidades estimadas, criamos regras de negócio baseadas na média e no desvio padrão do faturamento de distribuidores selecionados para definir missões e desafios de atuação comercial, considerando propensão, valor (R$) ou quantidade (unidades), além de limites mínimo e máximo por desafio.
4
- Implementamos um processo de atualização mensal dos dados, dos modelos e da geração de missões e desafios, garantindo que as recomendações refletissem o comportamento mais recente dos PDVs.
Impactos e Resultados Mensuráveis
Modelos de propensão atualizados mensalmente, capazes de identificar os PDVs com maior probabilidade de compra por produto.
Ações estratégicas orientadas por dados que contribuíram para o aumento do faturamento dos PDVs selecionados.
Comprovação da eficácia da solução e reforço do valor da tomada de decisão baseada em dados.
Disponibilização de um dashboard interativo para que times comerciais possam criar missões e desafios personalizados, selecionar produtos e priorizar PDVs.
