Empresas | Demanda por Crédito

Variação acumulada no ano 8,6%

Variação mensal -13,7%

Consumidor | Demanda por Crédito

Variação acumulada no ano 12,6%

Variação mensal -11,8%

Empresas | Recuperação de Crédito

Percentual médio no ano 38,7%

Percentual no mês 37,2%

Consumidor | Recuperação de Crédito

Percentual médio no ano 57,2%

Percentual no mês 53,7%

Cartão de Crédito | Cadastro Positivo

Ticket Médio R$ 1.391,05

Pontualidade do pagamento 76,8%

Empréstimo Pessoal | Cadastro Positivo

Ticket Médio R$ 389,03

Pontualidade do pagamento 82,8%

Veículos | Cadastro Positivo

Ticket Médio R$ 1.448,68

Pontualidade do pagamento 81,3%

Consignado | Cadastro Positivo

Ticket Médio R$ 293,85

Pontualidade do pagamento 91,2%

Tentativas de Fraudes

Acumulado no ano (em milhões) 10,89

No mês (em milhões) 1,02

Empresas | Inadimplência

Variação Anual 14,8%

No mês (em milhões) 9,2

MPEs | Inadimplência

Variação Anual 15,2%

No mês (em milhões) 8,7

Consumidor | Inadimplência

Percentual da população adulta 51,0%

No mês (em milhões) 84,0

Atividade do Comércio

Variação acumulada no ano 1,9%

Variação mensal 0,6%

Falência Requerida

CNPJs no ano 277

Processos no ano 269

Recuperação Judicial Requerida

CNPJs no ano 878

Processos no ano 346

Empresas | Demanda por Crédito

Variação acumulada no ano 8,6%

Variação mensal -13,7%

Consumidor | Demanda por Crédito

Variação acumulada no ano 12,6%

Variação mensal -11,8%

Empresas | Recuperação de Crédito

Percentual médio no ano 38,7%

Percentual no mês 37,2%

Consumidor | Recuperação de Crédito

Percentual médio no ano 57,2%

Percentual no mês 53,7%

Cartão de Crédito | Cadastro Positivo

Ticket Médio R$ 1.391,05

Pontualidade do pagamento 76,8%

Empréstimo Pessoal | Cadastro Positivo

Ticket Médio R$ 389,03

Pontualidade do pagamento 82,8%

Veículos | Cadastro Positivo

Ticket Médio R$ 1.448,68

Pontualidade do pagamento 81,3%

Consignado | Cadastro Positivo

Ticket Médio R$ 293,85

Pontualidade do pagamento 91,2%

Tentativas de Fraudes

Acumulado no ano (em milhões) 10,89

No mês (em milhões) 1,02

Empresas | Inadimplência

Variação Anual 14,8%

No mês (em milhões) 9,2

MPEs | Inadimplência

Variação Anual 15,2%

No mês (em milhões) 8,7

Consumidor | Inadimplência

Percentual da população adulta 51,0%

No mês (em milhões) 84,0

Atividade do Comércio

Variação acumulada no ano 1,9%

Variação mensal 0,6%

Falência Requerida

CNPJs no ano 277

Processos no ano 269

Recuperação Judicial Requerida

CNPJs no ano 878

Processos no ano 346

Marketing

DataLab cria solução para mapear comportamento em lojas físicas

DataLab cria solução para mapear comportamento em lojas físicas... Saiba mais!

Imagem de capa

Hoje em dia, já é possível que uma loja saiba qual o perfil do consumidor que passa pelo seu ponto comercial por meio de aplicações avançadas como o Insights Hub da Serasa Experian. Uma empresa é capaz de, por exemplo, identificar dados demográficos detalhados (como capacidade de pagamento, estilo de vida, Scores e nível socioeconômico) das pessoas que costumam frequentar a região ou bairro, onde e com o que trabalham, e qual a frequência com que visitam uma loja. Mas imagine uma tecnologia que dá um zoom nessas ações e consegue identificar como cada cliente se comporta dentro do ponto comercial? E mais, ainda é capaz de determinar qual a composição de produtos que devem ser apresentados em prateleiras ou displays para aumentar vendas, tudo isso baseado em dados integrados de diversas fontes. Esse tipo de monitoramento foi um conceito apresentado pelo DataLab, unidade focada em dados, inteligência artificial e inovação da Serasa Experian, durante o evento P&G Innovation Summit, na cidade do Panamá, e foi batizado de Ambient Intelligence. O objetivo é entender como caracterizar o ponto de venda, e a disposição de produtos de modo a afetar positivamente as vendas.

Neste conteúdo você vai ler (Clique no conteúdo para seguir)

O que é a Ambient Intelligence?

O projeto do DataLab na verdade é um conjunto de tecnologias que mapeia o comportamento e interação das pessoas dentro de um ponto comercial, assim como e-commerces fazem dentro de seus sites analisando as preferências dos visitantes ajustando vitrines, organização e indicação de produtos. "Nós identificamos métricas que os e-commerces estão aplicando bem no meio digital, e pensamos em uma forma de fazer isso em lojas físicas", diz Darlan Farias, Data Engineer do DataLab da Serasa Experian Para fazer isso o Ambient Intelligence conta com quatro módulos: localização Wi-Fi, assistente de voz, captura e reconhecimento de imagens e o Núcleo. Com a  localização Wi-Fi, é possível capturar informações dos aparelhos celulares para identificá-los unicamente e localizá-los, sem a necessidade de que estejam conectados à rede local (o Wi-Fi do aparelho só precisa estar ligado). O assistente de voz usa o processamento de linguagem natural para reconhecer cada cliente por um sistema biométrico de voz. Com as câmeras, é possível identificar o rosto das pessoas e acompanhar o movimento de suas cabeças para saber ao que elas estão dedicando mais atenção — em que ponto ou em que produto — analisando o que gera mais interesse. Além disso, um sistema de processamento de imagens é capaz de identificar produtos a partir de uma foto da prateleira, reconhecendo a composição de produtos nesse local para possibilitar a otimização de layouts e aumentar as vendas. Por último, o Núcleo, um sistema que recebe e agrega informações de todos esses componentes e os associa a cada usuário, disponibilizando para análise. Assim a loja pode organizar o espaço e disposição de produtos de modo a potencializar suas vendas.

O futuro das vendas e machine learning

A Ambient Intelligence é uma solução experimental que ainda está passando por vários testes e se beneficia do machine learning: cujo mecanismos usam um algoritmo que vai aprendendo, tornando-os mais complexos com cada nova informação capturada. No futuro, a Ambient Intelligence será capaz de analisar em tempo real as ações de uma pessoa dentro de uma loja e oferecer descontos específicos — e mesmo outros benefícios estratégicos que ainda não conseguimos imaginar — de acordo com preferências e comportamento no ponto de vendas. Com soluções como essa, lojas físicas irão, muito em breve, equiparar-se com e-commerces em capacidade de análise comportamental de seus clientes.

Feedback do Artigo

Este conteúdo foi útil

Fique por dentro das novidades!

Inscreva-se e receba novidades sobre os assuntos que mais te interessam.

Leia também

Antifraude end-to-end para split bancário em marketplaces

Antifraude end-to-end para split bancário em marketplaces

Entenda como proteger pagamentos digitais com split bancário: critérios, riscos e as soluções antifraude da Serasa Experian do onboarding à transação.

Compra contestada em loja virtual: quem paga o chargeback e quais plataformas ajudam a reduzir perdas

Compra contestada em loja virtual: quem paga o chargeback e quais plataformas ajudam a reduzir perdas

Quem paga a compra contestada? Entenda o chargeback e veja como reduzir perdas em loja virtual com antifraude em camadas da Serasa Experian.

Reforma Tributária na prática: o que sua empresa precisa revisar agora

Reforma Tributária na prática: o que sua empresa precisa revisar agora

Veja como a Reforma Tributária pode afetar preços, margens, caixa, sistemas e relações comerciais e saiba o que sua empresa precisa revisar.

Métodos de autenticação digital mais seguros para grandes empresas no Brasil: como se proteger de deepfake de voz e vídeo

Métodos de autenticação digital mais seguros para grandes empresas no Brasil: como se proteger de deepfake de voz e vídeo

Descubra quais são os métodos de autenticação digital mais seguros para grandes empresas no Brasil e como se proteger de deepfake de voz e vídeo.

O que é um Data Lake? Diferença entre Data Lake e Data Warehouse e o papel na prevenção à fraude

O que é um Data Lake? Diferença entre Data Lake e Data Warehouse e o papel na prevenção à fraude

Entenda o que é data lake, a diferença para o data warehouse e como dados e soluções antifraude da Serasa Experian ajudam a prevenir fraudes.

Recrutamento preditivo: como usar dados históricos para prever o sucesso de uma contratação

Recrutamento preditivo: como usar dados históricos para prever o sucesso de uma contratação

Entenda o que é o recrutamento preditivo e saiba como a análise de dados históricos ajuda a prever o sucesso de novas contratações.