A Fanatics lançou uma versão do Shop the Look que usa modelos da OpenAI para sugerir produtos coordenados e disponíveis em estoque. Em um teste com cerca de 30 mil itens da MLB, a nova experiência registrou engajamento 10 por cento maior que a anterior. O resultado oferece um roteiro prático para comércio eletrônico: enriquecer o catálogo, combinar regras de merchandising com IA, validar rapidamente com especialistas e medir além do clique.
Prepare o catálogo antes da recomendação
Os modelos usam dados enriquecidos de produto, equipe, estilo e estoque para montar combinações. Se cor, tamanho, categoria, disponibilidade ou relacionamento entre itens estiver incorreto, a recomendação também será. A primeira etapa é corrigir atributos, eliminar duplicidades e definir uma fonte confiável para preço e inventário.
Crie identificadores estáveis e registre quando cada atributo foi atualizado. Separe informação objetiva, como material e tamanho, de descrição editorial. Para empresas com lojas físicas, inclua localidade e prazo somente quando a disponibilidade puder ser confirmada no momento da exibição.
Combine IA com regras de merchandising
A Fanatics usa regras de merchandising para manter as seleções compatíveis e relevantes. A IA encontra relações e monta opções, enquanto as regras bloqueiam combinações incompatíveis, produtos indisponíveis e escolhas fora da estratégia comercial. Essa camada também permite respeitar margem, faixa de preço, coleção e restrições de marca.
Documente regras obrigatórias e preferências. Uma regra obrigatória pode impedir produto sem estoque; uma preferência pode favorecer variedade de categorias. Quando as duas entrarem em conflito, o sistema deve explicar a decisão ou deixar de mostrar a recomendação, em vez de preencher o espaço com uma opção fraca.
- Produto e variante disponíveis
- Compatibilidade de tamanho, cor e uso
- Faixa de preço adequada ao contexto
- Margem e prioridade comercial verificáveis
- Diversidade sem repetição artificial
Valide um conjunto pequeno em menos tempo
A equipe testou os primeiros 50 produtos em menos de 24 horas e aprovou o produto mínimo viável na mesma semana, após alguns dias de ajustes. O aprendizado está no ciclo curto entre geração, revisão de especialistas e correção. Um lote pequeno revela problemas de dados e regras antes que a experiência alcance milhares de páginas.
Escolha produtos com procura, estoque e combinações conhecidas. Peça a compradores, catálogo e atendimento para revisar utilidade, coerência e riscos. Registre motivos de rejeição, não apenas aprovação. Os padrões encontrados devem voltar para o catálogo ou para as regras, evitando corrigir manualmente cada sugestão.
Atualize recomendações conforme o estoque muda
Na experiência anunciada, as combinações são atualizadas diariamente. Essa frequência reduz a chance de recomendar um item esgotado, mas não substitui uma conferência de disponibilidade perto da compra. O intervalo ideal depende da velocidade do estoque, das promoções e do número de canais que usam o mesmo catálogo.
Defina validade para cada conjunto e retire automaticamente recomendações vencidas. Se preço ou estoque mudar durante a sessão, revalide antes de adicionar ao carrinho. Para itens raros ou campanhas de curta duração, uma atualização diária pode ser lenta; para catálogo estável, processamento contínuo pode aumentar custo sem benefício.
Meça engajamento, receita e qualidade
O aumento de 10 por cento em engajamento é um dado do teste da Fanatics, não uma promessa para qualquer loja. Engajamento pode significar interação sem compra. Acompanhe visualização, clique, adição ao carrinho, conversão, receita por sessão, margem, devolução e remoção de itens sugeridos.
Use teste controlado e mantenha o restante da página estável. Separe o efeito da IA do efeito de posição, design ou promoção. Revise também diversidade e adequação das combinações. Uma recomendação que aumenta cliques, mas eleva devoluções ou reduz margem, não melhorou o resultado do negócio.
Para levar daqui
O caso Fanatics mostra que recomendação útil nasce de catálogo confiável, regras comerciais, revisão rápida e atualização de estoque. O engajamento só importa quando melhora compra, margem e experiência.
