Transformadores prevêem comportamento do cliente com machine learning

São Paulo — InkDesign News —

Pesquisadores do Robert H. Smith School of Business, da Universidade de Maryland, desenvolveram um modelo baseado em machine learning que promete prever o comportamento digital do consumidor, superando métodos tradicionais em precisão e retorno sobre investimento (ROI).

Contexto da pesquisa

No estudo publicado no Journal of Marketing Research, o artigo “AI for Customer Journeys: A Transformer Approach” aplica modelos baseados em transformer—originalmente desenvolvidos para processamento de linguagem—para analisar sequências complexas de interações do consumidor em múltiplos canais.

Método proposto

Os pesquisadores, P.K. Kannan e Zipei Lu, afirmam que “transformers nos oferecem a capacidade de ver a jornada como um todo, não apenas como uma série de interações isoladas” (“Transformers give us the ability to see the journey as a whole, not just as a series of isolated interactions”). Este método se diferencia dos modelos tradicionais como LSTMs, e Processos de Markov Ocultos, capturando tanto o tempo quanto a natureza de cada ponto de contato, sendo ideal para ambientes de marketing fragmentados.

Uma contribuição central do artigo é a integração da heterogeneidade ao nível do cliente dentro da arquitetura transformer, permitindo que o modelo forneça insights individualizados sobre como diferentes consumidores respondem às ações de marketing ao longo do tempo.

Resultados e impacto

Os autores utilizaram dados detalhados de jornada de um grande firm de hospitalidade, abrangendo mais de 92.000 usuários e 500.000 pontos de contato. O modelo “não apenas indica quem é mais propenso a converter. Ele revela por que e, mais importante, quando agir” (“doesn’t just tell us who’s likely to convert. It tells us why, and more importantly, when to act”), afirma Lu.

• Distinguir entre pontos de contato iniciados pela empresa e pelo cliente;
• Identificar uma janela ótima para intervenção de marketing;
• Habilitar perfis latentes para distinguir padrões de comportamento, como reservas de última hora versus planejadores antecipados.

Essa pesquisa combina aprendizado profundo com interpretabilidade e personalização, avançando a análise de marketing rumo à tomada de decisões em tempo real e orientadas por dados, capacitando os gestores a maximizar ROI e engajamento do cliente em ecossistemas digitais cada vez mais complexos.

Possíveis aplicações incluem a otimização de intervenções, alocação de orçamentos e aumento das conversões. Este trabalho abre caminho para futuras investigações sobre como modelos de AI podem ser aplicados em diferentes setores.

Fonte: (TechXplore – Machine Learning & AI)