Nota aos leitores: Shai Frank, GM Américas e SVP Produto da Optimove, e Sam Zerfoss, VP Sucesso do Cliente da Optimove, subiram ao palco da CRMC 2026 com uma mensagem direta para os profissionais de marketing de CRM no varejo. A tomada de decisão de jornada e oferta está aqui; elas são atingíveis, e os resultados já estão documentados. Como eles disseram, isso não é um projeto ambicioso. Está ao nosso alcance. Este post recapitula a sessão deles para ajudar as equipes de CRM no varejo a entender o que são essas capacidades, o que elas entregam e como começar.
Entre na maioria das equipes de CRM de varejo hoje e você encontrará a mesma infraestrutura: modelos de e-mail dinâmicos, carrosséis de recomendação de produtos, gatilhos comportamentais, variantes de conteúdo em nível de segmento. As ferramentas são maduras, o playbook está estabelecido e o conteúdo personalizado se tornou a expectativa básica, e não o diferencial.
A receita deixada na mesa não está no conteúdo. Está nas decisões acima dele.
Qual campanha cada cliente deve receber quando ele é elegível para várias ao mesmo tempo? Qual nível de oferta realmente o move a converter, sem ceder margem a clientes que comprariam de qualquer maneira? Essas são as perguntas que a personalização de conteúdo nunca foi projetada para responder. E é onde a lacuna entre um programa de CRM sólido e um de alto desempenho reside silenciosamente.
Onde a Maioria das Equipes de CRM no Varejo Está Hoje
A maioria das organizações de CRM no varejo se encontra no mesmo ponto da curva de maturidade. Elas já passaram do envio em massa e das promoções 'tamanho único'. Jornadas acionadas estão em execução. As recomendações de produtos são personalizadas em nível de segmento. Testes A/B determinam qual variante de conteúdo tem melhor desempenho.
Isso é o que a Optimove chama de nível Acelerando: gatilhos e recomendações, personalização de conteúdo, lógica de jornada básica. É uma melhoria real em relação ao CRM manual da era de transmissão. É também onde a maioria das equipes platô.
O nível Cruising -- Tomada de Decisão de IA em camadas em audiência, jornada, oferta e conteúdo, tudo otimizado em conjunto em tempo real -- parece uma categoria diferente de capacidade. Para muitos líderes de CRM, parece uma infraestrutura aspiracional: o tipo de coisa que grandes empresas com grandes equipes de ciência de dados eventualmente alcançam.
Os resultados dos varejistas abaixo mostram que não é. O caminho está definido, os resultados são documentados, e a lacuna entre Acelerando e Cruising é mais estreita do que parece por fora.
O Teto da Personalização de Conteúdo
A personalização de conteúdo responde a uma pergunta: dado que um cliente está recebendo esta campanha, o que a mensagem deve dizer? Essa é uma pergunta significativa. É também uma pergunta secundária.
As perguntas primárias são mais difíceis e mais valiosas:
A primeira é a tomada de decisão de jornada. As equipes de CRM no varejo rotineiramente executam de 10 a 20 campanhas simultâneas. Programas promocionais em diversas categorias, gatilhos de ciclo de vida, jornadas de cross-sell, sequências de reativação. A maioria dos clientes é elegível para várias ao mesmo tempo. A resolução típica é uma regra de prioridade definida pelo profissional de marketing: a campanha A vence a campanha B quando há conflito. Isso é determinístico, gerenciável e errado para uma parcela significativa da base de clientes, porque a campanha que vence a regra de prioridade nem sempre é a campanha que teria o maior impacto sobre aquele cliente individual.
A segunda é a tomada de decisão de oferta. Os testes A/B tradicionais identificam uma variante de oferta vencedora e a aplicam a todos. Um varejista que testa um desconto de 15% versus 20% descobrirá que 20% vence em nível de grupo. O que esse resultado oculta é que um segmento significativo de clientes teria convertido com 15%, mas recebeu um desconto extra de 5% à toa. Em uma grande base de clientes, essa perda de margem se acumula em um número considerável.
Os orçamentos de marketing diminuíram 9,1% em 2023 e 7,7% em 2024, de acordo com o Gartner. A eficiência da oferta não é um luxo nesse ambiente. É uma questão de sobrevivência do orçamento.
O Que a Tomada de Decisão de Jornada por IA Realmente Resolve: Staples
A Staples executa campanhas promocionais em várias categorias de produtos simultaneamente: tecnologia, móveis, suprimentos de escritório, serviços de impressão e marketing. A maioria dos clientes é elegível para várias ao mesmo tempo. Antes da Tomada de Decisão de Jornada por IA, a solução era manual: regras complexas de exclusão e prioridades definidas pelo profissional de marketing determinavam qual campanha cada cliente recebia quando surgiam conflitos.
A pergunta que a Optimove fez à equipe: e se, em vez de os clientes receberem a campanha que vencesse a regra de prioridade, cada cliente recebesse a campanha com maior probabilidade de ter o maior impacto sobre ele individualmente?
A Tomada de Decisão de Jornada por IA substituiu a lógica de prioridade manual. Em vez de uma campanha vencer para todos em um conflito, a IA avalia todas as campanhas elegíveis para cada cliente e seleciona aquela que se prevê que gerará o maior impacto no valor vitalício daquele cliente. O resultado é uma campanha por cliente por semana - a certa, por pessoa.
Os resultados da resolução de conflitos de campanha com a Tomada de Decisão de Jornada por IA versus priorização manual:
- +37% de vendas incrementais da resolução de conflitos de campanha com a Tomada de Decisão de Jornada por IA versus priorização manual
- +19% de CLTV mais alto para clientes segmentados com campanhas de Tomada de Decisão de Jornada versus aqueles sem
- 300 horas economizadas anualmente pela eliminação do trabalho manual de priorização de campanhas
A cifra de +37% merece ser examinada de perto. Não é a receita das campanhas em si, que já estavam em execução. É a receita adicional gerada pela melhor resolução dos mesmos conflitos. As campanhas não mudaram. A tomada de decisão mudou.
O Que a Tomada de Decisão de Oferta por IA Realmente Resolve: Varejista de Beleza Empresarial
Um varejista de beleza empresarial estava executando uma jornada de cross-sell para mover clientes existentes para produtos de cuidados capilares. A configuração de seus testes A/B: 15% de desconto versus 20% de desconto. A variante de 20% venceu. O próximo passo padrão é estender o vencedor para todos.
O problema com esse passo: um teste que produz um vencedor para o grupo completo oculta uma distribuição de respostas subjacentes. Alguns clientes convertem facilmente com 15%. Outros precisam de 25%. Outros respondem a 30%. Quando a variante de 20% vence, os clientes que precisavam de apenas 15% recebem um desconto extra de 5% à toa, e os clientes que precisavam de 25% ou 30% podem não converter de forma alguma. A variante vencedora está errada para ambos os grupos.
A Optimove introduziu a Tomada de Decisão de Oferta por IA em quatro níveis de desconto: 15%, 20%, 25% e 30%. Em vez de escolher um vencedor para o grupo, a IA identificou o nível de desconto ideal para cada cliente individual dentro da campanha, otimizando para receita líquida em vez de vendas brutas.
Resultados da campanha de cross-sell de 6 semanas:
- +84% de benefício incremental de otimização de receita líquida versus uma campanha não otimizada executando as mesmas ofertas
- $212.000 de aumento de receita líquida e $331.000 de aumento total de pedidos em toda a campanha
- Entrega quase uniforme em todos os quatro níveis de desconto (16%/16%/16%/14%), confirmando que não havia um único vencedor e que diferentes clientes realmente respondiam a diferentes níveis de oferta
A distribuição quase uniforme entre os níveis é significativa. Quando nenhuma variante domina claramente, o modelo de teste A/B de 'vencedor leva tudo' é estruturalmente inadequado para a situação. Diferentes segmentos de clientes responderam a diferentes ofertas. A IA encontrou esses segmentos. Um teste A/B padrão os teria perdido.
O Caminho de Acelerando para Cruising
A Staples e o varejista de beleza empresarial não são anomalias excepcionais. São equipes de CRM no varejo que identificaram um próximo passo definido e o deram.
O caminho que a Optimove usa com os clientes segue três estágios. No nível Launch Pad, a equipe de serviços da Optimove constrói os primeiros programas de ponta a ponta: a infraestrutura de IA, os frameworks de jornada, a configuração da tomada de decisão de oferta. A equipe do cliente observa e aprende. No nível Acelerando, a equipe do cliente assume a liderança no desenvolvimento do programa, enquanto a equipe da Optimove permanece ao lado. No nível Cruising, a equipe do cliente executa programas de CRM escaláveis de forma independente, com a IA lidando com a tomada de decisão que antes exigia intervenção manual.
A IA possibilita a independência. Os serviços garantem que a transição seja prática, e não aspiracional.
Para a maioria das equipes de CRM no varejo, o diagnóstico honesto é que elas estão operando bem no nível Acelerando. O conteúdo é personalizado. Os gatilhos estão sendo acionados. As campanhas são boas. O que o modelo de maturidade revela é que o próximo aumento de receita não está em um conteúdo melhor, mas em melhores decisões sobre qual campanha enviar e qual oferta anexar. Essas decisões agora são automatizáveis. Os resultados das equipes que fizeram a transição estão documentados e são específicos.
A personalização de conteúdo é a base. A tomada de decisão de jornada e oferta é onde a próxima receita está.
Para saber como a Tomada de Decisão por IA pode ajudar sua equipe de CRM no varejo a otimizar jornadas e ofertas, solicite uma demonstração.
