Em apresentação no bloco de inteligência de mercado, Eduardo Zylberstajn, CEO da Kognita, detalhou ferramentas para definir onde abrir lojas, quanto pagar de aluguel e quanto cada ponto deve faturar
Inteligência artificial e dados granulares já permitem ao varejo escolher com mais segurança onde abrir novas lojas, quanto pagar de aluguel e quanto cada ponto deve faturar. A avaliação é de Eduardo Zylberstajn, CEO da Kognita, empresa de inteligência artificial, que apresentou o tema “Menos erro por metro quadrado: IA na expansão do varejo” no evento “O Varejo e o Mercado Imobiliário na Nova Economia”, promovido pelo Secovi-SP nesta quinta-feira (15), no Centro de Convenções Milenium, em São Paulo.
Economista de formação, Eduardo destacou o papel da entidade na produção de informação sobre o setor. “Falar de dados, de inteligência, aqui no Secovi é uma gigante responsabilidade. Os economistas acham que, para o mercado funcionar bem, quem participa dele precisa ter informação. Quem vai à feira todo dia sabe se a banana está no preço. Quem compra ações vê as ofertas de compra e venda e sabe se está pagando o preço justo. O imóvel é mais difícil, porque cada imóvel é único, e ter informações sobre o mercado imobiliário é muito mais complicado. O Secovi é pioneiro nisso: desde o começo dos anos 2000, acho que tem a primeira pesquisa sistemática e organizada e uma das séries mais longas do mercado imobiliário. É um serviço para o mercado, não só para os associados, pela crença de que, se o mercado funciona bem, isso é bom para todo mundo”, afirmou.
Segundo ele, o objetivo de buscar dados é errar menos. “Errar a gente sempre erra, faz parte, mas, se pudermos conhecer a nossa margem de erro e controlá-la, é melhor, porque conseguimos operar e tomar decisão de forma mais segura e mais precisa”, disse. Ele ressalvou que os exemplos apresentados refletem o que existe hoje no mercado, com alternativas disponíveis, e não representam recomendação de uma solução específica.
Eduardo organizou a apresentação em torno das perguntas mais frequentes de quem cuida da expansão de uma rede. “Onde eu abro a próxima loja? Se escolhi um lugar, quanto tenho que pagar? Se eu abrir aqui, o meu cliente vai estar aqui? E, finalmente, quanto vou faturar naquele ponto? A inteligência artificial não muda essas perguntas, que acompanham o varejo desde sempre. O que muda é que hoje temos condições de respondê-las de forma muito mais rápida, ágil e precisa”, explicou.
O executivo lembrou o peso da decisão. “Abrir um ponto significa gastar dezenas, centenas de milhares de reais e deixar de abrir em outro lugar que poderia ser mais rentável. Mesmo para uma rede média, é uma decisão de milhões de reais”, afirmou. Ele fez questão de dizer que não critica o feeling de corretores e consultores. “A inteligência artificial tenta aprender o feeling, usa os dados para sistematizá-lo. Grandes empresários do mercado imobiliário construíram suas carreiras há 20, 30 anos, sem inteligência artificial e sem dados, e sabiam o que estavam fazendo. O problema é que o trabalho do corretor ou do consultor termina quando ele traz o ponto: se dá certo ou errado, não conseguimos condicionar nenhum resultado àquilo. O que conseguimos trazer é a possibilidade de saber, de antemão, qual é a margem de erro da decisão que se está tomando”, declarou.
Sobre onde abrir, Eduardo observou que poucos profissionais conhecem em detalhe todas as cidades em que a rede atua. “Se você conhece muito bem São Paulo, mas não conhece tão bem o Rio ou Curitiba, conforme a rede vai crescendo esse conhecimento não é tão forte. E não existe a rua certa: existe a quadra certa, o meio da quadra, a esquina certa. Hoje é possível granularizar os dados e saber, não no bairro, na área de ponderação ou na rua, mas no ponto, o que cabe ali. Qual é a melhor ocupação para um imóvel específico? Varejo pessoal, serviços financeiros, algo para o automotivo? Num exemplo real, numa mesma rua, em um ponto o perfil ideal é vestuário ou varejo pessoal e, um pouco mais abaixo, o que cabe melhor são serviços financeiros. Essa é a realidade de muitas ruas”, disse. Para ele, a análise vale para a cidade toda e permite planejar a ocupação de um território, e não apenas o ponto que está em estudo.
Ao tratar do valor do aluguel, retomou o custo de ocupação citado por Stephany Matsuda, diretora do Secovi-SP e diretora da Binswanger Brazil. “Temos uma ideia do percentual de custo de ocupação, mas, na prática, será que o que o proprietário está me pedindo é isso mesmo? Há espaço para negociação, ou quanto eu deveria oferecer? Algumas prefeituras disponibilizam dados de ITBI e há um pouco mais de informação de cartórios, mas, seja pelas consultorias, seja por modelos estatísticos, é possível ter uma estimativa de preço. Esse é um mapa nosso para São Paulo, com a estimativa do valor do aluguel comercial em qualquer ponto da cidade. É verdade absoluta? Claro que não. Se há urgência e você quer pagar um pouco acima do mercado para garantir o ponto, ótimo. Se o imóvel precisa de reforma, isso entra no preço. Mas, em condições normais, temos condições de saber qual deve ser o valor do aluguel”, afirmou.
Ele recomendou o uso de modelos de preço antes da assinatura de qualquer contrato. “No mercado comercial, às vezes não há imóveis semelhantes no entorno nem transação recente para consultar, e é aí que entra o modelo estatístico. Esses modelos olham para as transações, mas também para a vacância: se houve transações no entorno, mas a vacância está alta, isso impacta a dinâmica de preço. A vocação do quarteirão e o que se pretende abrir também pesam na negociação. Se um banco senta para negociar um ponto, o proprietário que conhece um pouco da dinâmica de mercado já chega com um pedido. Se for uma papelaria no mesmo ponto, ele provavelmente chega com outra cabeça”, explicou.
Outro eixo da apresentação foi o fluxo de pessoas. “É uma novidade que existe hoje porque todo mundo anda com um dispositivo móvel no bolso. A contagem feita por uma pessoa, que fica 15 minutos na porta do ponto, não é que não funcione, mas não é escalável, não tem padrão e depende de quem conta. Na Kognita, temos uma base com 100 milhões de celulares no Brasil, da qual recebemos todo dia a posição do aparelho ao longo do dia. É só a posição: não sabemos quem é, não sabemos o CPF e não interagimos com o celular”, disse. Segundo ele, a informação é anonimizada, mas indica se o aparelho é Android ou iPhone e onde o celular passa a noite, o que serve como aproximação de renda por setor censitário. “Temos métricas de fluxo de pessoas em qualquer rua do Brasil e também em shoppings”, completou.
Eduardo citou como exemplo dados reais de sexta-feira em três shoppings de São Paulo. “O pico do Shopping Iguatemi São Paulo é às 18h. O Shopping JK Iguatemi é equilibrado, com um público quase dividido, e tem pico à tarde, muito parecido com a hora do almoço. No Shopping Vila Olímpia, o pico é na hora do almoço. Quando você vai abrir uma loja voltada para o público de escritório, o Vila Olímpia talvez seja uma boa opção, mas o perfil de fluxo é diferente. Esse tipo de informação existe para qualquer shopping do Brasil, até em Roraima”, afirmou. Para uma rede pequena, ele sugeriu olhar o fluxo das lojas que vão melhor e buscar pontos parecidos, nos segmentos em que o fluxo é relevante.
O CEO da Kognita também apresentou um comparativo entre franquias e lojas próprias, com base em dados de cerca de 1.500 unidades de redes que operam os dois modelos. “Franquia e loja própria têm dinâmicas bastante diferentes. Os dados mostram que as franquias maturam mais rápido do que as lojas próprias, que têm um movimento mais linear até o faturamento estacionário. Se vou fazer uma projeção de fluxo de caixa de um ponto novo para os primeiros 24 meses, saber se é franquia ou loja própria é uma informação importante. Em faturamento, as lojas próprias, em geral, têm média maior. Na pandemia, a diferença ficou muito grande e, em condição mais normal, fica entre 20% e 27%. Em geral, o investidor que faz um investimento em franquia busca um ponto menor, não quer tomar um risco grande no valor do aluguel e procura um ponto com aluguel mais baixo, que, portanto, tem menos fluxo de pessoas”, afirmou.
Para responder se o cliente quer a loja no local, Eduardo apresentou as chamadas pessoas sintéticas. Ele lembrou que a pesquisa de rua dá trabalho e exige contratar empresas, e que poucas pessoas param para responder. “Você treina uma inteligência artificial, com uma sofisticação estatística bastante grande, e cria uma população sintética que responde à pesquisa que você quer fazer. Seleciona uma região, naquela região há 7.000 respondentes, faz a pergunta e obtém as respostas. Conseguimos até fazer as pessoas debaterem: colocar uma mulher de 35 anos para conversar com um homem de 50 sobre se o bairro deveria ter determinada loja. Juntamos modelos de linguagem com muitos dados, de votação, de celular, de concorrentes, tudo o que há no entorno, e o modelo aprende e cria essas personas”, explicou. Questionado por um participante, confirmou que os dados de smartphones e de consumo fazem parte da base.
Em exemplo apresentado, a pergunta “o que te atrai nesse bairro?” teve respostas diferentes. “No Jardim Paulistano, a localização aparece com 70% e os serviços com 17%. Na Vila Leopoldina, comércio e serviços ficam entre 50% e 60%, e o restante é localização e outros fatores. Isso já começa a substituir pesquisas qualitativas de incorporadores”, disse. Para validar o método, ele recomenda comparar. “Você roda as perguntas na população sintética, faz algumas com a população de verdade e compara. Se estiver batendo, é um indício de que a coisa vai bem. Roda em segundos, de forma super escalável, rápida e barata”, afirmou. “Meu ponto não é dizer que amanhã vocês contratem uma solução de pesquisa sintética, mas saibam que, daqui a cinco anos, vocês estarão usando. Quanto antes começarem, melhor, porque vão se habituar e saber o que é uma boa e uma má pesquisa”, completou.
Sobre o faturamento de cada ponto, o executivo disse que redes médias e grandes têm áreas de inteligência capazes de produzir boas estimativas, mas com limitações. “O problema é que demora, custa e, na prática, você não tem uma métrica de precisão: quantas vezes aquela estimativa está certa ou errada? Um modelo que erra 20% e diz isso, porque foi testado com o histórico, pode ser mais útil do que uma pesquisa da qual você não faz ideia se está certa ou errada. O nosso erro mediano é de 6% e, em geral, o modelo estatístico vai errar algo perto disso. Uma boa decisão é aquela que sabe qual é a probabilidade de errar. Se você abre cinco, dez lojas por ano, sabe que, estatisticamente, deve errar em uma ou duas”, declarou.
Eduardo explicou que a Kognita tem um modelo ultragranular de previsão de faturamento. “A cada 11 metros temos um ponto no Brasil inteiro. Para uma rede que sobe os dados de faturamento na nossa inteligência artificial, processamos e estimamos o faturamento esperado em qualquer ponto de qualquer rua do país. Se vocês não estão usando hoje, tudo bem, mas imaginem como será daqui a cinco anos”, disse. Segundo ele, os dados de celular também mostram de onde vêm as pessoas que chegam a uma unidade e qual é a área de cobertura dela, o que permite medir a canibalização entre lojas e avaliar se a rede precisa de outras unidades.
O executivo acrescentou que os dados servem também para avaliar desempenho. “Conseguimos decompor o que explica o crescimento de uma loja: se é a operação, o shopping, a marca ou o mercado em que ela atua. Se minha loja cresceu 5%, mas o faturamento do shopping cresceu 10%, estou bem ou mal? Cresci cinco, podia ter caído dois, mas não estou acompanhando o shopping. Isso já é possível hoje e vai ser cada vez mais natural”, afirmou.
Ao falar do futuro, Eduardo disse que o aparato será operado por agentes de inteligência artificial. “A geração de informação e o consumo ficarão cada vez mais fluidos, automáticos e naturais para a inteligência artificial, mas sempre um humano tem que tomar a decisão. Imaginem uma grande rede de farmácias abrindo 300 unidades por ano: a inteligência artificial decidir sozinha onde abrir não será daqui a dois anos. Mas, se você tem agentes trabalhando, precisa pelo menos saber auditar ou avaliar a recomendação e a decisão do agente. Quanto antes vocês se familiarizarem com a tecnologia, mais capacitados estarão para interagir, discutir e avaliar o que os agentes vão recomendar, porque isso vai acontecer”, declarou.
Ele encerrou com uma síntese. “A decisão continua sendo sua, mas a inteligência artificial muda se você toma a decisão mais ou menos informado, ou com toda a informação e toda a evidência que poderia ter”, afirmou.
Fonte:Secovi