i6 Decision Suite — início

Relevance

Cada interação, a decisão certa.

O Relevance decide o que apresentar em cada interação a partir do seu catálogo, do comportamento observado e do contexto do momento. A decisão sai pronta para ser executada pelos seus canais.

Contrate agoraAgende uma demoVer como funciona

Modelo

Um modelo que entende o seu negócio, sob medida para o seu catálogo

Antes de recomendar qualquer coisa, o Relevance precisa saber em que mercado sua operação atua. Essa escolha define o vocabulário, as categorias e a forma como o catálogo é interpretado — o mesmo produto lê uma operação de moda de um jeito e uma de bens de consumo de outro.
  • Cada domínio, um vocabulário diferente
  • Uma escolha só, vale pra empresa inteira
  • O mesmo catálogo, lido de outro jeito
Escolha do modelo
  • Modacoleção, grade, estiloselecionado
  • Bens de consumomarca, embalagem, giro
  • Eletrônicosespecificação, geração
  • Supermercadocesta, recorrência
Ilustração do produto. Não representa dados de nenhuma operação.

Entrada de dados

Do catálogo à primeira recomendação, sem fricção

O catálogo entra por arquivo ou integração e é validado campo a campo antes de valer para as decisões. Você vê a cobertura de cada campo, os avisos de qualidade e uma prévia de como o Relevance interpretou o conteúdo enviado.
  • sem histórico obrigatório
  • arquivo não armazenado
  • Validado antes de virar recomendação
  • Você vê como foi interpretado, antes de confirmar
Validação do catálogo
  • 12.480registros recebidos
  • 12.206válidos
  • 274com aviso
Cobertura ilustrativa por campo do catálogo.
campocobertura%
title99%
category94%
description81%
attributes.color72%
Ilustração do produto. Não representa dados de nenhuma operação.

Integração

Uma chamada de API, resultado em produção

A operação consome as decisões por API, SDK ou servidor a servidor. A jornada de implementação vem descrita passo a passo, com exemplos de chamada e referência técnica publicada.
  • Um passo de cada vez, sem adivinhação
  • Uma chamada, resposta em produção
Jornada de implementação
  1. Credenciaischave por ambiente, sem segredo no cliente
  2. Primeira chamadadecisão em uma requisição
  3. Retorno de resultadoeventos observados voltam ao modelo
# exemplo de chamada
POST /v1/decisions
{ "session": "s_9281", "placement": "pdp" }
# → 200 · decisão pronta para o canal
Ilustração do produto. Não representa dados de nenhuma operação.

Medição

Você não precisa confiar — você mede

O produto mostra o que está acontecendo com as decisões que entrega: volume, resposta, quanto do catálogo é alcançado e como o modelo se comporta tecnicamente. Sem caixa-preta.
  • Receita, pedidos, ticket — sempre à vista
  • Onde a jornada perde força
  • Rigor técnico, não só resultado
Painel de medição
  • R$ 1,8Mreceita influenciada+12%
  • 4.214pedidos influenciados+9%
  • R$ 427ticket médio influenciado+3%
  • 68%cobertura de catálogo+5 p.p.
  • expostos · 100%
  • cliques · 35%
  • carrinho · 18%
  • compra · 10%

Diferença observada

Diferença entre o ritmo normal do site e o ritmo de engajamento com o Relevance.

  • Clique+34,6%
  • Adição ao carrinho+18,1%
  • Compra+22,7%
Ilustração do produto. Não representa dados de nenhuma operação.

Insights

A parte do negócio que ninguém está olhando

Além de decidir, o Relevance devolve o que observou: padrões de comportamento priorizados, itens muito expostos com pouca resposta, itens quase invisíveis com boa resposta e partes do catálogo que quase nunca aparecem. Cada achado descreve um comportamento medido, não uma causa.
  • Um achado, com evidência
  • Oportunidade que ninguém tinha pedido
Achados priorizados
  • Muita exposição, pouca respostaalta

    Um grupo de itens aparece com frequência e converte abaixo do esperado para a categoria.

  • Afinidade entre itensmédia

    Dois grupos aparecem juntos na mesma sessão com frequência acima da média.

  • Catálogo quase invisívelmédia

    Parte do catálogo raramente é apresentada, mesmo com resposta positiva quando aparece.

Ilustração do produto. Não representa dados de nenhuma operação.

Aprendizado

O modelo nunca para de aprender

Por trás das recomendações está um modelo proprietário pré-treinado com bilhões de sinais comportamentais e calibrado para o seu catálogo. A arquitetura combina representação de produtos, sequência de jornada e sinais de contexto — e tudo isso evolui continuamente.

Cada interação e cada resultado observado retornam ao modelo. A decisão de amanhã já considera o que aconteceu hoje, sem ciclo manual de reprocessamento.

Ciclo de aprendizado
  • interações do controle
  • interações com o modelo
  • resultado com o modelo
  • resultado do controle
  • 4,7×resultado vs. controle
  • +54%interações adicionais
  • 23,8%Long-tail Contribution
Ilustração do produto. Não representa dados de nenhuma operação.

Pare de recomendar no escuro

Veja o Relevance decidindo sobre um catálogo real, com medição e insights desde a primeira semana.

Contrate agoraAgende uma demo