Como a Grendene testou IA para apoiar a força de vendas da Melissa

O desafio era tornar a venda assistida mais inteligente, personalizada e consistente em centenas de pontos de contato. Em lojas de moda, o vendedor precisa entender rapidamente o estilo da cliente, o histórico de compra, o produto escolhido, os itens complementares e a disponibilidade de estoque.

Sem apoio digital, essa decisão depende muito da experiência individual do vendedor. A Grendene buscou testar se IA poderia ampliar a capacidade da equipe de loja, oferecendo recomendações mais relevantes e ajudando a transformar catálogo e dados de compra em argumento comercial.

O projeto mira os 403 clubes Melissa que operam no Brasil. Esse ambiente combina venda presencial, relacionamento com consumidoras, produtos com apelo de moda e oportunidade constante de cross-sell, como acessórios e itens complementares ao calçado escolhido.

Antes de um assistente inteligente, a equipe de vendas dependia de treinamento, conhecimento de coleção e consulta manual a informações de produto. A oportunidade era criar uma camada digital para apoiar o atendimento sem descaracterizar a venda humana e consultiva.

A Grendene iniciou a criação de um assistente virtual com IA generativa para apoiar a força de vendas da Melissa. A solução foi desenhada para analisar catálogo, histórico de compras e preferências individuais, gerando recomendações personalizadas para clientes.

O assistente também foi pensado para apoiar vendas complementares e cruzadas. Por exemplo, ao identificar um calçado escolhido, a IA pode sugerir acessórios ou outros produtos que melhorem a composição da compra, tornando a recomendação mais útil para a cliente e mais eficiente para o negócio.

O case menciona AWS e MadeinWeb como parceiros, com uso de Amazon Bedrock, Amazon SageMaker, Amazon S3 e Amazon EC2. O Amazon Bedrock fornece acesso a modelos fundacionais para IA generativa, enquanto SageMaker apoia recursos de machine learning e personalização.

A tecnologia não foi usada apenas para responder perguntas. O objetivo é criar inteligência comercial: entender preferências, analisar catálogo, recomendar combinações e identificar tendências que possam apoiar estoque e marketing.

Em uma venda, a equipe poderia consultar o assistente para obter recomendações com base no produto de interesse, no histórico da cliente ou nas preferências identificadas. A IA analisa informações disponíveis e sugere produtos, acessórios ou combinações que aumentem a relevância da abordagem.

O funcionamento ideal é complementar o vendedor, não substituí-lo. A IA fornece repertório, consistência e velocidade; o vendedor interpreta o momento da cliente, ajusta o tom da conversa e conduz a relação comercial.

O processo pode ser descrito como: entrada de contexto da venda, consulta ao catálogo e dados históricos, geração de recomendação personalizada, apresentação ao vendedor e uso da sugestão no atendimento. Em paralelo, dados agregados podem revelar tendências de demanda, produtos mais associados e oportunidades de estoque.

Esse modelo é relevante para varejo brasileiro porque integra dados de produto, relacionamento e operação de loja. Ele transforma IA em ferramenta prática para aumentar ticket médio, melhorar experiência e padronizar boas práticas comerciais.

• Projeto direcionado à experiência digital dos 403 clubes Melissa no Brasil.
• Potencial de recomendações altamente personalizadas para consumidoras.
• Apoio a vendas complementares e vendas cruzadas.
• Possibilidade de identificar tendências de estoque e estratégias comerciais a partir de padrões de compra.

Como o case está descrito como teste e iniciativa em desenvolvimento, os resultados são apresentados principalmente como benefícios esperados e capacidades implantadas, não como indicadores financeiros finais.

O aprendizado central é que IA no varejo físico deve apoiar o momento da venda, onde a decisão acontece. Recomendações precisam ser acionáveis, simples e contextualizadas, não apenas listas genéricas de produtos.

Outro ponto importante é a integração com estoque e catálogo. Uma recomendação boa, mas indisponível na loja, pode frustrar a experiência. Por isso, assistentes de venda com IA devem ser conectados à realidade operacional de cada ponto de venda.