Quem passou pela 10ª edição do Fórum Digitalks 2019, principal evento de negócios digitais do País, realizada na capital paulista nos dias 28 e 29 de agosto, conferiu um case inédito do Google na América Latina: a integração, por meio de Machine Learning, de uma plataforma de CRM via Google Cloud e Search Ads 360. A ação, desenvolvida pela Reamp para a Movida, abrangeu 187 lojas da marca espalhadas pelo Brasil, influenciou positivamente campanhas de mídia e aumentou consideravelmente as receitas da empresa de aluguel de carros. Em bom português: a precificação rotativa com base em Machine Learning utilizou inteligência artificial para variar o valor do aluguel de veículos com base em variáveis como loja e disponibilidade de carros.
Em um ano, as locações de search da Movida cresceram 25%, e o custo por conversão reduziu 26%. O case foi apresentado na tarde do segundo dia do Fórum Digitalks pelo fundador e CEO da Reamp, David Reck, pelo CMO da Movida, Charles Sperandio, e pelo líder de Search MarTech do Google para a América Latina, Khalil Yaghi. A mediação foi feita por Josie Moraes, diretora de estratégia e planejamento da Reamp.
O intuito da integração da plataforma de CRM da Movida via Machine Learning era aumentar o número de reservas e gerar a efetivação de contratos nos canais digitais da empresa, tanto no site como no app. Entre os desafios estava manter a meta de custo por atividade (CPA) saudável, mesmo em épocas sazonais, como férias e feriados. Detalhe: sem prejudicar a busca por prazos contra os concorrentes, e gerenciando um banco de dados atualizado diariamente e que contempla informações confidenciais. “Era necessário crescer a receita de locação de carros obedecendo a relação entre demanda e taxa de ocupação das lojas”, destaca Charles Sperandio.
Partindo dessas premissas, os trabalhos integraram equipes e soluções de TI, CRM e Business Intelligence, com foco nos objetivos de negócios da Movida Aluguel de Carros. “O Search Ads 360 foi usado, basicamente, de três formas: na automação, com o uso de regras de acordo com o histórico de desempenho e lances inteligentes; na audiência, com base em dados de geolocalização por meio de Adaptive; e ainda na integração, valendo-se da informação sobre o volume da frota nas lojas para otimizar os lances”, explica David Reck. “Criamos uma regra para quando a loja apresenta falta de carro, reduzindo o lance nessa região”, completa Sperandio.
De acordo com Khalil Yaghi: “o sucesso envolveu a integração de dados da loja e utilização do Google Cloud para criar um feed atualizado do nível de estoque de carros por cidade, além de poder combinar o Machine Learning do Search Ads 360 e os dados do BigQuery para otimizar o processo com mais inteligência”, destaca.
