Latest / Product Guru's : Produto | Negócios | Carreira / Os 3 erros que derrubam conversão no checkout

Transcript

Os 3 erros que derrubam conversão no checkout · Product Guru's : Produto | Negócios | Carreira

0:00
Depois de uma série de testes, AB, o quanto a conversão
0:02
melhorou? Então aquilo ali foi um negócio
0:05
que arregalou o nosso olho. A gente percebeu que, olha, tem
0:08
muito dinheiro na mesa, o check out, ele é tratado como um
0:12
calcanhar de Aquiles. É por ter um potencial de se
0:17
quebra, não acontece venda. Muitas vezes acaba se optando
0:21
por não mexer no check out. Em detrimento de buscar ali
0:25
melhoria contínua, né, como a gente faz muitas vezes em outros
0:28
pedaços do site? Oi, tudo bem com você?
0:39
Meu nome é Paulo chiodi. Sejam bem vindos à prática
0:41
grosso, o podcast que vai por trás dos produtos.
0:44
E comigo hoje eu recebo Mário marcotia, é isso o sobrenome.
0:51
Acertei o sobrenome. Italiano.
0:53
Quando a gente fala de Ah, no check out, muita gente imagina
0:56
algo que quase automático, como que se fosse o check out,
1:01
tomando decisões sozinhas, aquelas demos bonitas do
1:05
ChatGPT, né? O que a pessoa coa aí acham que
1:08
o check out é aquilo, aquela magia toda.
1:11
Mas não é isso, né, Mario? Não, de forma alguma.
1:14
Eu acho que check out é muito procurar eficiência em pequenas
1:20
coisas. E na somatória disso, ter uma
1:23
experiência que seja o mais fluída possível.
1:26
Qual foi o insight que fez você perceber isso aqui no e Commerce
1:33
brasileiro é porque Oo check out aqui no nas lojas do Brasil.
1:37
É meio poluída, não é? É muito extenso Romário, não.
1:40
Assim, Paula, uma coisa que a gente aprendeu ao longo dos anos
1:43
é que acaba que check out. Ele é super regionalizado, tem
1:47
muita coisa que é cultural no check out.
1:50
Tanto que se você comparar como é um check out nos Estados
1:55
Unidos, um check out aqui, muito provavelmente ele é muito
1:58
diferente. Falando especificamente aqui do
2:00
Brasil, a gente percebeu que tinha uma oportunidade muito
2:04
grande de melhorar a experiência, a jornada de check
2:08
out das pessoas, depois de fazer ponta a ponta, a reformulação de
2:13
check out de um e Commerce, uma food tech aqui no Brasil.
2:17
E vê na prática, depois de uma série de testes ABSO, quanto a
2:21
conversão melhorou? Então aquilo ali foi um negócio
2:24
que arregalou o nosso olho. A gente percebeu que, olha, tem
2:28
muito dinheiro na mesa, é igual você falou.
2:32
O check out. Ele é tratado como um calcanhar
2:33
de Aquiles. É por ter um potencial de se
2:38
quebra, não acontece venda. Muitas vezes acaba se optando
2:43
por não mexer no check out, reterimento de buscar ali
2:45
melhoria contínua, né? Como a gente faz muitas vezes em
2:48
outros pedaços do site e olhando aquela oportunidade, vendo o
2:52
tamanho da oportunidade, a gente chegou à conclusão que de fato
2:57
valia a pena encarar OOO possível ônus ali.
3:01
Então ter claro que olhar muito pra estabilidade, olhar muito
3:04
pra testagem, mais uma vez que a gente olhasse pra isso.
3:10
Conseguir colher esse aumento de conversão e levar para vários
3:13
sites é Brasil. Afora aí, para quem deu plano
3:17
esse episódio e não conhece, não te conhece o Mário?
3:21
Conte pra gente quem é Mario marcottia?
3:24
Bem. Sou um Pinheiro apaixonado por
3:26
tecnologia, que gosto muito de. Melhorar EE, otimizar diferentes
3:32
processos. Tive passagem por startups,
3:35
consultoria, empreendendo também.
3:37
Falando mais especificamente da compra rápida.
3:39
É por que que a gente está falando de check out hoje é há
3:42
mais ou menos 5 anos. A gente vem trabalhando
3:46
otimização EE de forma bem profunda, entrando muito nos
3:51
detalhes. É de cada aresta, cada cantinho
3:55
de check out. E trabalhando junto aí de
3:57
algumas das principais marcas de e Commerce do Brasil é pra
4:00
trazer aumento de conversão, utilidade na hora de comprar e
4:05
fazer com que é as pessoas tenham que passar pelo mínimo
4:09
possível de tempo na hora de comprar e ter um bem que você
4:14
tanto deseja indo pra tua casa. E aí vem o ponto.
4:19
Porque, mesmo com lojas virtuais cada vez mais sofisticada, uma a
4:23
taxa de abandono de carrinho ainda é tão alta.
4:27
Qual que é o papel da flexão nesse processo?
4:29
É, é muita. É porque a gente se preocupa
4:31
muito com a home antes, com a vitrine, e isso polui.
4:36
Aí AA pessoa vai colocando coisa no carrinho e depois esquece.
4:40
Não, né? Acho que assim existe 11 grupo
4:43
pequeno de lojas. Onde isso acontece?
4:47
E as pessoas usam o carrinho como uma lista de compras.
4:50
Mas isso não é a regra. Via de regra, em na grande
4:54
maioria das lojas é e a grande maioria dos públicos.
4:58
A pessoa que chegou no carrinho, ela tem total intenção de levar
5:02
aquele produto para casa. Então, a menos que alguma coisa
5:05
aconteça que quebre a expectativa daquela pessoa, é a
5:09
tendência que ela compre. E aí entrando um pouco mais
5:13
nessa tua pergunta. Quais são os principais
5:17
ofensores, né? O que que faz as pessoas
5:19
abandonarem o processo numa etapa que elas já deveriam ter
5:22
decidido comprar ou pelo menos ter 90% da decisão tomada?
5:27
O primeiro e o maior é uma surpresa na hora de você
5:32
calcular o teu frete. Então isso de fato é uma coisa
5:36
que ainda não é tão bem trabalhada.
5:39
Muitos sites que é um frete muito caro em ação ao valor
5:43
total da cesta. Então isso é, é, é o maior, é o
5:46
primeiro fator. Quando a gente pega várias
5:49
pesquisas, não só no Brasil, mas no mundo todo, Oo frete surpresa
5:53
ali é o maior ofensor dessa taxa de conversão do carrinho pra
5:58
frente. Mas tirando esse fator, que é um
6:02
fator que tem muito mais a ver com logística do que com
6:04
experiência, propriamente todos os subsequentes, e a gente está
6:08
falando de 4 ou 5 fatores, sequência tem a ver ou com a
6:14
experiência. Na hora de comprar ou com como
6:19
ela está desenhada. E aí eu vou entrar aqui um pouco
6:22
mais no detalhe, mas dando alguns exemplos, né?
6:26
Todo e qualquer fator que afete tua compreensão na hora de
6:30
comprar. Então, exemplo, você quer
6:33
aplicar um cupom porque recebeu uma campanha de e-mail que te dá
6:36
um cupom que dá uma condição super especial e isso que te
6:40
moveu lá no começo a buscar aquele site.
6:42
Se você chega num checkout onde você não encontra esse cupom ou
6:47
onde você aplica, e talvez por não entender que aquele não é o
6:50
campo certo para aplicar aquele cupom e ele vai dar como um
6:54
cupom inválido, isso vai gerar uma frustração.
6:58
Muito provavelmente você vai abandonar.
7:01
É de forma análoga você colocar o teu CEP, por exemplo, e não
7:04
encontrar o seu CEP ou ter algum tipo de problema no cálculo é do
7:09
teu frete. Naturalmente, isso vai tirar
7:13
você ali da experiência. Então, tudo o que tange falta de
7:17
compreensão, seja porque EOXI está mal desenhada, mal
7:22
desenhada, seja porque você teve algum problema com a
7:28
experiência, isso já é um primeiro fator muito grande que
7:32
vai criar ali. Defensor para tua venda.
7:35
Então o primeiro fator aqui colocando, vou separar 3
7:39
principais. O primeiro é a experiência, tem
7:42
que estar bem desenhada para que seja fácil de compreender de
7:46
ponto a ponto. Então tudo o que tem de
7:49
compreensão vai afetar diretamente a conversão.
7:53
Segundo fator, esse fator está muito relacionado à agilidade.
7:58
Ele ele pode ir tanto num sentido de volume de cliques.
8:03
Então você tem que dar uma série de cliques desnecessários,
8:06
preencher dados desnecessários ou ainda você ter páginas onde a
8:11
carga mental é muito concentrada.
8:15
Isso também vai afetar e vai trazer.
8:18
É abandono de carrinho, então é o tempo de carregamento, por
8:24
exemplo. Ele, é essencial você conseguir
8:29
traduzir experiência de uma forma que ela seja rápida.
8:32
Fluida, com poucos cliques vai ter impacto direto na tua
8:37
conversão? É, o Google chegou a mensurar
8:39
isso, o quanto o tempo de carregamento da tua página vai
8:42
influenciar na conversão da tua compra.
8:44
E assim é direto, poucos segundos fazem com que a tua
8:49
taxa de abandono aumente muito. Pô, no momento que você já
8:52
decidiu comprar é que você já gastou campanha de marketing pro
8:55
teu cliente chegar ali, você perder ele por tempo de
8:59
carregamento? É, é, é totalmente.
9:02
É, é evitável e deveria ser pensado com carinho.
9:07
E por último, eu colocaria a do da comodidade.
9:11
Um é o ponto de você ter ou não um cadastro numa loja, por
9:15
exemplo, impacta diretamente na tua propensão a concluir
9:19
usuários que já possuem cadastro, que são o que a gente
9:22
chama aqui de usuário de recompra interface é porque não
9:26
necessariamente é um usuário de recompra, mas que tem ali já um
9:29
cadastro. Eles são muito mais propensos a
9:32
concluir aquela compra. A gente, inclusive já fez
9:34
pesquisas com usuários aqui onde eles afirmam, eu toparia a pagar
9:39
de 10 a 15% mais num produto para comprar numa Amazon no
9:45
Mercado Livre, onde eu já tenho conta, simplesmente porque eu
9:49
não quero ter que me recadastrar numa loja.
9:52
É EE colocar todos os meus dados de novo, então ninguém aguenta
9:56
esse processo. Ainda que exista alto complite,
9:58
isso é um problema, é porque nem sempre alto complite vai é
10:02
atingir certinho todos os Campos.
10:05
Muitas vezes os Campos nem são projetados para outro complit,
10:07
que é é outra questão nas vezes que funciona, às vezes você tem
10:11
que dar diversos cliques para outro complit pegar, editar
10:14
coisas do teu outro complit que está errada.
10:15
Então toda essa fricção de ter que se recadastrar.
10:19
É é um terceiro fator que com certeza impacta e gera abandono
10:23
de carrinho. No No começo você falou sobre
10:27
testes ABS, é? E no último episódio aqui do do
10:31
podcast, eu conversei com o Luiz gattaza staff, Pretty manager do
10:35
iFood, onde ele é conta sobre a plataforma é de experimentação
10:41
do iFood, que é absurdo. E você?
10:47
Pelo que eu já pesquisei aqui e li, você defende muito essa
10:50
cultura de experimentação e ajuste, como essa mentalidade de
10:54
growf o que é uma mentalidade de growf se aplica ao
10:58
desenvolvimento de um produto tão crítico quanto o check out?
11:01
De ponto aqui é, é. A gente leva muito em conta e
11:06
acho que assim, isso é uma coisa que é muito batida dentro de
11:10
produto, né? A gente fala, ó, a gente tem que
11:11
coletar dados e a gente tem que coletar o qualicante e tomar
11:15
essas decisões. Na prática é Oo.
11:19
Acho que o ponto aqui é conseguir filtrar o que de fato
11:24
é ruído e o que que é sinal. É acho que um ponto que que a
11:30
gente leva muito em consideração é cruzar sempre todos os dados
11:35
que a gente pega no check out. Então, por exemplo, clique falso
11:38
é está acontecendo 1 o volume relevante de cliques num lugar
11:40
que não deveria acontecer. Cruzar isso primeiro com
11:44
entrevistas quali. Fazer as pessoas navegarem e ver
11:49
por que que aquele clique está acontecendo, perguntar por que
11:51
que ele está acontecendo. Mas também, principalmente, uma
11:54
coisa que eu vejo muito pouco no mercado é cruzar isso com os
11:58
feedbacks do check out. Então nós temos dentro da nossa
12:02
experiência. É 11 interface muito simples
12:06
para que as pessoas deixem feedback do o que aconteceu, o
12:08
que deu errado e conseguir cruzar.
12:11
Isso traz muito insight para tua operação.
12:15
Porque você valida aquilo com um usuário que de fato está
12:17
passando pela experiência, que muitas vezes é, pode ter dilema
12:21
ou até conseguiu concluir a compra, mas teve uma micro
12:24
frustração na hora que estava comprando.
12:27
E você consegue entender o que que motivou é com o qual ele,
12:32
né? A resposta por por extenso e as
12:34
entrevistas. O que que motivou aquele erro
12:37
pra conseguir priorizar quais testes serão feitos, né?
12:40
Acho que diferente de outros produtos que são menos críticos.
12:44
A gente tem que escolher muito bem quais testes fazer.
12:47
A gente sempre tem que estar testando, mas a definição desses
12:51
testes tem que passar por um crivo maior, justamente por
12:54
conta da criticidade, da necessidade de 11 série de
12:57
testagens de segurança. Antes de qualquer coisa aí pra
13:00
produção, eu elencaria que acho que o ponto forte aqui da nossa
13:04
metodologia está muito em torno de fazer esse filtro com
13:08
diversas camadas. Então não é.
13:10
Tivemos um insight quali isolado?
13:14
A gente vai testar. Não vamos cruzar isso aqui com o
13:17
Kant, vamos cruzar isso aqui com outro outros tipos de input,
13:21
quali. E aí sim a gente, entendendo o
13:25
porquê que aquele dado está acontecendo, refinar se hipótese
13:28
e ir para a etapa de teste abrir e.
13:30
Isso serve tanto para OAO pequeno, né?
13:36
Quanto para o grande, né, Mário? Essa mentalidade, né?
13:39
Acho que até mais fácil para o pequeno, né?
13:41
Devido à velocidade. E a quantidade de clientes ali,
13:45
não com. Certeza, com certeza.
13:46
Acho que a grande diferença aqui é que com volume de de dados e
13:53
volume de acessos, a gente consegue chegar à relevância
13:56
estatística muito mais rápido. Então isso facilita testar
14:00
diversas hipóteses, né? Imagino, como você falou aí do
14:03
exemplo do iFood, com volume muito grande, eles conseguem
14:06
pegar ali 1% meio por cento do fluxo e conseguir relevância
14:10
estatística em alguns casos, então.
14:13
Acho que esse é o poder do volume, mas a conclusão ela
14:16
tende é a ser análoga tanto para o pequeno, que tem menor, quanto
14:23
para o gigantesco que tem n super relevante.
14:26
No fim, a metodologia tem que ser a mesma.
14:28
A gente sempre vai ter que respeitar os tempos de de de
14:32
rodagem do teste AB para chegar em relevância estatística.
14:36
E continuar cruzando isso com com quali, com entrevistas, com
14:40
feedback para entender se a causa da raiz foi resolvida.
14:44
Mas um ponto importante aqui é é, é é que a metodologia esteja
14:50
muito enraizada no processo, né? Tanto para o pequeno quanto para
14:54
o grande. Vai ser exatamente o mesmo, a
14:57
mesma forma de operar. A gente não tem como a gente
14:59
escapar da IA, né? Hoje?
15:02
Tudo que a gente vai falar vai consumir.
15:06
Tem a no meio, onde que na prática?
15:09
Onde que AIA entra no check out, entra mais como diagnóstico do
15:13
que está dando errado, como recomendação de melhoria ou como
15:16
automação de decisão? O Mário?
15:18
Acho que eu eu consigo citar 3 casos de uso bem legais aqui com
15:24
IAE. Vão ser casos de uso bem
15:26
diferentes, tá? Eu vou citar um primeiro.
15:29
Que é na ajuda de coleta de dado, então AIA consegue em
15:32
escala fazer análise de sentimento, por exemplo, desses
15:36
feedbacks. É é por extenso que eu mencionei
15:40
e te ajudar a entender o que que tá acontecendo em cada loja.
15:44
Então ajudar, por exemplo, a tirar em sites de features, é,
15:48
tem um exemplo bem legal que eu consigo dar em uma loja?
15:52
É, a gente tava operando com diversos comentários que a
15:56
percepção do frete era cara. Só que comparando a lojas
16:01
análogas, a percepção do frete não era Oo frete em si, não
16:05
tinha uma tabela muito superior. Era era bem em linha, né?
16:09
E na prática, o que acontecia? Depois de fazer um estudo mais
16:12
aprofundado, a gente viu que aquela loja tinha uma divisão
16:15
muito grande das entregas entre n franqueados que ficavam,
16:21
tinham entregas avançadas e na interface essas entregas estavam
16:24
sendo somadas e não tinham visibilidade pro cliente final.
16:27
E aí entendendo isso com aí, ajudando a fazer uma análise de
16:30
sentimento e identificando o que a causa raiz era essa
16:35
insatisfação com o frete, ainda que o número não dissesse isso,
16:38
é num primeiro momento. A gente alterou isso na
16:41
interface, fez um teste AB dando essa visibilidade, permitindo,
16:45
por exemplo, que se retirasse duto que isoladamente tinha um
16:47
frete. É como percentual do volume do
16:52
produto alto. E isso aumentou muito a
16:55
conversão. Além de aumentar o NPS e reduzir
16:58
esses comentários negativos sobre frete.
17:00
Então, primeiro exemplo e a como coleta de de análise de
17:04
sentimento, segundo exemplo e a como conversacional o checkout
17:08
agente e um terceiro, e aí pensando aqui, pode ser de forma
17:12
ampla para diversos times de produto, mas AEA como auxílio,
17:18
por exemplo, na automação e criação da tua cobertura de
17:21
teste, é? Você consegue acelerar muito uma
17:26
série de testes em escala para garantir que teu código está
17:30
muito bem coberto e evitar. É até antes de um ambiente de
17:35
staing, por exemplo, que código possivelmente problemático vá
17:39
pra pra testagem. Então, tendo já essa cobertura
17:44
de teste, você nem precisa muitas vezes onerar o time com
17:47
testes manuais ou com testes em twenty e garantir que está tudo
17:51
redondo. Então eu colocaria essas 3
17:53
aplicações, acho que AIA consegue ajudar em diversos
17:57
pontos em check out. E aí, especificamente, análise
18:01
de sentimento e cobertura de testes são pontos que são
18:04
aplicáveis até outras verticais mais distantes de check out
18:09
possa fazer. Com que as pessoas entendam o
18:12
que é personalização. Virou moda a gente falar sobre
18:16
hiper personalização. Ah, é tudo hiper personalizar.
18:19
É tudo hipersonalizar, tal não sei o quê.
18:22
É antes da gente abordar o lance do check out.
18:25
Antes de ir para personalizar, a gente precisa personalizar.
18:28
E antes de personalizar a gente precisa de dados.
18:31
Como que você vê as empresas em relação à governança de dados?
18:35
Porque me parece que mesmo com AEA.
18:39
As empresas? Ainda estão cometendo os mesmos
18:41
problemas de não olhar de forma estruturada para os seus dados.
18:47
Você você percebe isso também? Acho que que isso é uma.
18:51
Assim, uma coisa que acontece muito no mercado, né?
18:54
Claro. A gente vê movimento muito
18:56
grande das empresas tentando com AIA, né?
19:02
Arrumar os dados dentro de casa para conseguir utilizar.
19:06
É esses dados? É na prática.
19:10
Eu eu vejo alguns cases de empresas que estão fazendo isso
19:14
muito bem, pelo menos olhando de fora.
19:16
Mas por outro lado, a gente ainda vê muitas empresas que.
19:20
É, acabam deixando isso de lado, tem muito dado na mão,
19:24
conseguiriam tirar diversas conclusões EE resolver diversos
19:29
problemas que tem dentro de casa, mas muitas vezes não
19:34
trabalham esses dados da melhor forma.
19:36
É, às vezes nem nem os armazenam, como deveriam.
19:40
E aí acontece exatamente o que você falou, né?
19:43
Sem o dado organizado, estruturado, limpo, você não
19:47
consegue tirar muitas conclusões dele.
19:50
É EE, consequentemente é. Você não evolui o teu produto.
19:55
Acho que tem muito esse olhar de é é como você dá um passo atrás,
20:01
estruturar bem o teu Oo. O.
20:04
Teu air House ali pra aí sim você pensar em hiper
20:09
personalização ou ou até mesmo a personalização que é uma etapa
20:12
antes com esse tema. De personalização é, é alto como
20:17
que como que vocês usam AEA? EE os dados para priorizar o que
20:21
mexer no check out a gente entendeu sobre o teste AB tal
20:24
não sei o quê, mas com certeza deve ter alguns casos de
20:28
personalização baseado em dados e a, né?
20:32
Com certeza, com certeza. Acho que o ponto principal aqui
20:37
é, em escala, conseguir olhar para cada loja e entender as
20:44
peculiaridades dela. Então, o exemplo que eu dei, por
20:48
exemplo, da análise do frete, isso não seria possível em
20:52
outros momentos, a menos que a gente fosse uma agência, por
20:56
exemplo, que está com um time dedicado, olhando
20:59
especificamente para aquela loja, para geração de insight.
21:02
Mas uma vez que a gente tem aquele dado bem estruturado e
21:05
tem aí ajudando a interpretar ele, a gente consegue.
21:08
OPA, tem alguma coisa aqui, uma oportunidade.
21:11
Vamos aí sim investigar, muito mais direcionado e aí você tira
21:15
em sites. Num volume numa velocidade muito
21:18
mais rápida do que você tiraria é a menos, como como eu falei,
21:23
se tivesse Quad por loja fazendo um trabalho super aprofundado de
21:28
estudo EE compreensão, então e essa pra mim é a é a maior
21:33
vantagem da IA é quando a gente fala de check out, pelo menos eu
21:38
ainda vejo algumas Barreiras pra gente hiper personalizar check
21:41
out a da segurança dada. É a questão de testagem e
21:46
garantir estabilidade de uma etapa que é extremamente
21:49
crítica. Mas ainda assim tem muita
21:52
oportunidade de ver tendências, ver comportamentos específicos
21:56
de cada loja e isso te ajudar a classterizar essas lojas e criar
22:00
features que desbloqueia um valor para cada uma delas ou
22:03
para um grupo de lojas. Eu vejo hoje muito aí a nos
22:06
auxiliando nesse lado, a perceber tendências em escala e
22:11
traduzir essas tendências em acionáveis.
22:14
De forma que a gente não conseguiria é a menos que
22:17
tivesse um Squad dedicado por longe, você falou?
22:20
Um lance que a gente vai ter que a banda Amanda, é porque o check
22:25
out que nem você falou. É uma linha.
22:29
Tênue se você facilita demais, aumenta o risco, se trava
22:33
demais, cai a conversão. Como que como que vocês
22:38
conseguem equilibrar isso? E quais são os sinais que vocês
22:42
observam de. De risco?
22:45
Sem travar demais o check out, eu acho que.
22:48
Aqui tem um lado que é muito é até que artesanal, de entender
22:55
caso a caso e fazer essa reflexão.
22:58
Sempre que vai fazer um teste Abi ou vai fazer uma mudança.
23:00
Qual que é o impacto real disso na segurança?
23:03
É EE. Tem algumas coisas que são
23:05
fundamentalmente é importantes pra gente olhar, então.
23:11
É o que você falou, Ah, vai facilitar a fraude.
23:14
Oo que não geral facilita. A fraude é eu poder assumir
23:18
identidade de outra pessoa, é eu poder editar dados sem estar
23:25
autenticado em cima de uma conta de outra pessoa.
23:28
Mas existem outras coisas que são tratadas muitas vezes como
23:33
possíveis coisas que geram fraude, mas que não são.
23:36
Então eu permiti, por exemplo, uma pessoa comprar.
23:39
Numa conta que ela já comprou no método de pagamento que ela já
23:43
utilizou. Numa numa loja que ela já
23:46
comprou, um método de pagamento que ela já utilizou é no
23:49
endereço que ela já recebeu um produto.
23:52
Será que é um problema? Se eu tiver teu e-mail, por
23:55
exemplo, eu e você, eu, eu ter a habilidade de gerar e pagar e
24:02
você receber um produto, isso não é necessariamente um
24:05
problema de um ponto de vista se você olha somente a ótica.
24:09
Da segurança. Às vezes você se prende em
24:12
alguns paradigmas que você gera fricção pra 99% dos usuários é
24:19
em um lugar que não precisa. Por outro lado, você não pode
24:22
esquecer aquele 1% que poderiam gerar problema.
24:27
Então você tem que colocar através.
24:29
Então, OOO, jeito que a gente olha é muito assim, um processo
24:33
artesanal mesmo, de entender o que que é o comportamento
24:37
padrão. O que que foge desse
24:39
comportamento padrão e tem que ser o que a gente vai travar e
24:42
vai bloquear, porque pode ser 11 potencial comportamento
24:46
fraudulento. É.
24:48
E aí sim, sabendo esses limites, trabalhar e testar algumas
24:52
hipóteses em cima deles. É que isso é uma coisa que eu
24:57
vejo no mercado, que é tratado com 8 e 80.
25:00
Então Ah, agora somos uma empresa segura, então a gente
25:04
vai colocar 3 verificações pra todo mundo que for comprar.
25:08
Vai ter que verificar OE mail ou o celular vai ter que verificar
25:12
tudo que colocar o nome da mãe. Então, no momento que você vai
25:15
do 8 pro 80 pum, exatamente o que você falou?
25:17
A conversão vai despencar. O ajuste fino aqui tá muito em
25:22
entender qual que é o comportamento padrão da pessoa
25:25
que tá comprando, a pessoa que tá numa recompra, por exemplo, o
25:30
que que é normal, o que que é atípico e dentro do atípico?
25:35
É tudo bem eu ser mais duro, tudo bem.
25:37
Eu pedi várias verificações, tudo bem, eu garanti que aquela
25:40
pessoa É Ela mesma, mas e os 99% de pessoas que não estão naquele
25:45
caso? Então eu eu diria que é não
25:47
generalizar. Às vezes eu vejo decisões de
25:51
produtos sendo tomadas com com dogmas de compliance ou ou algo
25:59
nessa linha, sem pensar de fato o que que é ou não problemático.
26:04
E sem envolver esses times na discussão de produto.
26:08
E aí no fim, todo mundo sai perdendo.
26:10
É porque a empresa vai perder performance e, por consequência,
26:14
até o time de compliance vai sofrer.
26:16
É, é. Tem que ter essa união entre as
26:18
áreas e esse estudo de perfis na hora de tomar esse tipo de
26:22
decisão. Tem uma coisa na.
26:23
Na Na compra rápida, que é o check out headless, é pra quem
26:29
não é? É da área técnica, Mário, o que
26:31
isso significa e por que que essa arquitetura?
26:34
É fundamental para a performance a.
26:37
Arquitetura hedless, ela opera de forma que o front end nós
26:42
temos total controle sobre ele e a gente opera em cima da camada
26:47
pré existente daquele comércio. Então um comércio que tá
26:51
operando numa plataforma XPTOA gente vai consumir exatamente as
26:55
mesmas APIs é que aquele comércio já consumia no front
26:59
end inativo dele, pra que nada mude em termos de operação.
27:04
Então o método de pagamento, que é que ele comece usava, vai
27:08
continuar sendo acionado, não vai precisar ser alterado, a
27:11
opção de frete que ele utilizava vai continuar sendo utilizada, o
27:16
cupom, um sistema de de cuponeria ou de vales, por
27:20
exemplo, vai continuar sendo usado exatamente da mesma forma.
27:23
Então a arquitetura headles ela avisa muito entregar performance
27:28
no front end ao mesmo tempo que ela.
27:32
Não altera fundamentalmente como a roda gira.
27:35
Então a gente consegue adicionar camadas de lógica, mas Oo básico
27:40
da lógica que está por trás, ele não é alterado, por consequência
27:45
é Oo ícommerce. Não tem grandes preocupações,
27:49
como uma mudança de plataforma ou algo nessa magnitude.
27:53
É Oo que algo nessa magnitude poderia trazer pro pro negócio
27:58
dele. Então a ideia é casar um pouco
28:00
esse esses 2 mundos e ao mesmo tempo conseguir dar essa
28:04
Liberdade para a gente ter o máximo de performance em termos
28:08
de experiência, em termos de front end, além do.
28:11
Do do check out. Se a gente olhar para o funil é
28:16
de compra, qual a outra etapa do funil?
28:19
Você acredita que AEA ajuda a gerar 11 retorno a curto prazo?
28:25
O Mário? Ou é só no check out mesmo?
28:28
Eu acho que em. Todas tem muita oportunidade.
28:30
Uma que eu vejo vários experimentos bem sucedidos sendo
28:33
feitos é a própria home. Então, por exemplo, fazer testes
28:37
com iade banner é algo que banner é super importante para
28:41
qualquer e Commerce, ele ocupa uma fatia relevante da home.
28:47
Naquela fatia relevante leva geralmente para os teus produtos
28:51
curvar é ou produto que você quer.
28:55
Que mais toque de curva CED? Quando a gente pensa naquilo, às
29:01
vezes você coloca 11 banner e ele vai ficar ali por 1 mês sem
29:07
ser questionado. E a exatamente na tua home, onde
29:10
você tem o máximo de acessos. Então se você, por exemplo, cria
29:14
10 versões da mesma do mesmo banner que OEAE explica o fluxo
29:20
da tua home, você deveria conseguir ter.
29:23
Melhorias incrementais, relevantes.
29:27
É do teu fluxo dali para frente. Então, é uma etapa que eu
29:31
olharia com carinho. Se eu tivesse operando hoje, é é
29:34
um e Commerce meu, se você tivesse.
29:36
Que explicar para um time de e Commerce o que vocês fazem aí no
29:41
na compra rápida, mas sem usar a palavra e a essa é o desafio, o
29:47
Mário. Como que você explicaria sem a
29:50
palavra EAE, sem inteligência artificial e sem inteligente?
29:54
Perfeito. Perfeito bem a compra rápida.
29:57
Ela trabalha com os principais e commerces do Brasil, visando
30:02
melhorar a performance e melhorar a conversão na etapa de
30:06
check out. Então a ideia é simples, nós
30:10
fazemos um teste AB contra o teu check out nativo e opera o mesmo
30:15
fluxo em paralelo com as mesmas campanhas, mesmo tráfego, é
30:20
mesma sazonalidade? E em cima desse fluxo a gente
30:24
consegue medir quantas pessoas estão entrando e quantas estão
30:26
pagando pra e pra você ter uma visão clara de quanto a gente
30:30
consegue melhorar a tua performance.
30:32
O grande resumo aqui é compra rápida.
30:34
Trabalha junto com os principais e Commerce do Brasil buscando
30:39
melhorar a performance na etapa de checkout.
30:41
Você? Mencionou aqui no nosso papo
30:43
sobre os agentes, né? De AO quão o quão próximo da
30:50
realidade a gente está. É naquelas demos do ChatGPT onde
30:56
você consegue comprar a shopify direto do do ChatGPT, porque
31:01
aqui no Brasil a gente começou aparentemente a gente começou AA
31:07
as grandes empresas a migrarem para o WhatsApp.
31:09
Hoje a gente tem AO halo do iFood, então você consegue fazer
31:14
um pedido pelo iFood diretamente do WhatsApp de maneira
31:17
personalizada. A do a região, o seu histórico.
31:21
Tem a Magazine Luiza, a magalu, que você compra é ali dentro do
31:27
do do WhatsApp. O futuro já virou presente,
31:30
Mario? Assim nos.
31:31
Estados Unidos a gente já vê isso operante, né?
31:34
Falando especificamente de GPT, sim, Oo futuro é difícil de
31:39
prever, né? O que você falou é sempre aqui.
31:42
A gente vai estar carregado de de juízo de valor e opiniões.
31:45
Minha visão particular do tema é que pra compras recorrentes.
31:51
Vai ser um espetáculo. Tanto compras recorrentes quanto
31:56
compras de baixo ticket, onde é AA sensibilidade de preço não é
32:01
um problema. Tudo que tem de experiência eu
32:05
sou um pouco mais cético. Então você escolher vestido com
32:08
uma estampa, florada é, eu acho que ainda tem muito chão pra
32:13
gente fazer esse tipo de compra, viajantes pra esse tipo de
32:17
compra, eu acho que agentes vão virar só mais um canal.
32:20
É que tende a sim ter uma fatia das vendas, mas uma fatia
32:24
pequena é quando a gente fala de compras recorrentes.
32:28
Então eu já sei o que eu quero, eu já comprei nessa loja, eles
32:32
já tem o meu cartão salvo. Aí sim, eu acho que o WhatsApp
32:36
ganha uma relevância assustadora.
32:39
Você fala, Ah, quero AA pizza de sempre no endereço de sempre.
32:45
Estou aqui com a família reunida, mandar 2 dessa.
32:48
Isso é uma experiência totalmente diferente de nunca
32:52
ouvi falar desse restaurante. Vou ter ali um bate-papo aí.
32:56
Eu sou um pouco mais cético. Acho que pra itens recorrentes,
33:00
suplementos é ração, por exemplo, itens pet.
33:04
No geral, Eu Acredito que o que o conversacional já é presente e
33:10
vai tomar uma fatia assustadora do mercado, muito maior do que a
33:13
gente acha agora. Tudo que ou tem um ticket maior.
33:18
Ou que a navegação vai fazer diferença?
33:21
Você vê os produtos, a experiência via WhatsApp, vendo
33:25
foto, et cetera. Ainda é muito ruim.
33:27
E eu não acho que ela traduz o que um site consegue traduzir.
33:30
Hoje eu posso queimar a língua em breve, mas eu Eu Acredito
33:34
muito mais que esse mercado vai se expandir em compras de baixo
33:38
ticket, onde a foto não importa, você só quer resolver um
33:42
problema rápido e barato ou compras recorrentes onde você já
33:46
conhece o que você quer. E vai só repetir algo que já foi
33:51
é estudado via outro canal. Ano passado esse foi o.
33:55
Episódio, mas na verdade é uma aula de check out e de e
33:59
Commerce com Mário Mário. Muito obrigado por por você ter
34:03
arrumado um tempo na sua agenda e por ter compartilhado a sua
34:06
experiência, principalmente da compra rápido, se as pessoas
34:09
quiserem, é te adicionar, é no LinkedIn mesmo, acesso o compra
34:14
rápido e marcam o papo. É isso, né?
34:17
É. Tudo LinkedIn super aberto.
34:18
Podem me mandar mensagem lá. É feliz de conversar, é isso.
34:24
Você que ouviu e assistiu até aqui, link do LinkedIn do Mário
34:29
está na destruição e o site do compra rápida pra você acessar
34:36
ver enfim, se você quer em 2026 dobrar a sua receita do seu e
34:44
Commerce compra rápida. Tá bom, é isso?
34:47
Eu meti 11 dobrar aqui aí, Mário, ó, o problema é seu,
34:50
Hein? Agora.
34:51
Sim, vamos lá que a gente entrega, cara, vamos, vamos
34:53
conversar, é isso. Acesse o link na descrição
34:57
beijos, tchau, fui.