A foto que virou vendedor: como a Pandora cortou 66% do tempo de busca na loja

Tem um tipo de IA no varejo que quase ninguém comenta porque não é glamourosa: a que não precifica, não prevê ruptura e não fala com o cliente. Ela só devolve tempo pro seu vendedor. E, numa rede grande, isso vira faturamento direto.

O caso: a Pandora, a maior joalheria do mundo, rodou em produção nas lojas dos EUA uma ferramenta de busca por imagem chamada CharmFind, construída sobre o AI Product Image Search da KWI. O resultado medido foi 66% de busca mais rápida — 6 minutos caíram para 2 na adição de cinco itens — e cerca de 30 segundos economizados por item adicionado ao carrinho, gerando checkout mais eficiente até nas transações típicas de dois itens.

Parece pouco? Faça a conta na escala. A Pandora tem mais de 6.700 pontos de venda em mais de 100 países, incluindo quase 2.800 lojas conceito. A empresa mediu que o CharmFind economiza em média 30 segundos por item no carrinho e, com cesta média de dois itens, isso é um minuto inteiro recuperado em quase toda transação — tempo que volta pra conexão com o cliente.

Como funciona a técnica por trás

O mecanismo é visão computacional aplicada ao catálogo. Em vez de folhear catálogos impressos ou rolar listas de SKU, o vendedor tira uma foto do produto e recebe um match instantâneo. O modelo foi treinado com as imagens do próprio catálogo da rede, então ele reconhece a peça física e devolve o registro correto — com preço e botão de adicionar ao carrinho embutidos.

O detalhe que importa pra operação: a ferramenta exige menos de um minuto de treino, se encaixa no fluxo da conversa e reduziu o tempo de busca em 66%. Ou seja, não é um sistema que precisa de projeto de meses e time de TI dedicado — é uma camada que se pluga ao ponto de venda e o vendedor entende na primeira demonstração.

O segundo ganho é de padronização de conhecimento. A promessa é dar a todo vendedor, desde o primeiro dia, o mesmo conhecimento de catálogo do funcionário mais experiente: os novatos e sazonais não precisam memorizar milhares de SKUs nem depender dos veteranos, porque o conhecimento está embutido no sistema. Numa rede com rotatividade alta, isso é o que impede o novato de "travar" a venda.

"A maior prioridade pra nós é mais tempo de engajamento com o fã. Se você perde essa relação porque tem que se afastar pra procurar algo, você perde o momento."

— Pandora, sobre o uso do KWI AI Product Image Search

O que você vai precisar

• Um catálogo com fotos limpas dos seus produtos (imagem + preço + código interno). É o combustível do modelo de reconhecimento.
• Um ponto de venda ou app de loja onde a busca por imagem se pluga — celular ou tablet com câmera já resolve o hardware.
• Um fornecedor de busca por imagem (a KWI é a do caso Pandora; há alternativas no mercado). Peça piloto em 1-2 lojas antes de escalar.
• Uma métrica de baseline: quanto tempo hoje o vendedor gasta procurando produto/preço por transação.

Passo a passo pra aplicar na sua empresa

1. Meça o "tempo morto de busca" hoje (menos de 1 hora). Vá a uma loja, cronometre 10 atendimentos e anote quantos segundos o vendedor gasta procurando SKU, preço ou perguntando pro colega. Você sai com um número — ex.: "40s por item" — que vira sua meta a bater e o argumento de ROI pra diretoria.
2. Audite se seu catálogo está "fotografável". Confira se cada produto ativo tem ao menos uma foto nítida ligada ao preço e ao código no seu sistema. Sem isso, nenhuma busca por imagem funciona — priorize as 200-300 SKUs de maior giro primeiro, que já cobrem a maioria das buscas.
3. Rode um piloto em 1-2 lojas por 30 dias. Contrate a busca por imagem em modo teste e ative só nas lojas com mais novatos ou maior rotatividade — é onde o ganho aparece mais rápido. Meça de novo o tempo por atendimento e compare com o baseline do passo 1.
4. Treine em 5 minutos, não em 5 horas. Como a própria ferramenta exige menos de um minuto de aprendizado, faça uma demonstração ao vivo no início do turno: fotografe uma peça, mostre o match com preço e carrinho. O resultado esperado é adoção no mesmo dia, sem manual.
5. Amarre a métrica ao que importa: venda por atendimento. Não meça só velocidade — meça se o tempo recuperado virou mais itens no carrinho ou mais atendimentos por vendedor. No caso Pandora, o tempo devolvido a cada turno foi reinvestido em recomendações personalizadas e atendimento.
6. Escale por ondas, não de uma vez. Só expanda pra rede inteira depois que o piloto bater a meta de tempo E mostrar sinal em venda. Assim você negocia contrato com número na mão e evita rolar uma ferramenta cara pra 50 lojas sem prova.

O que muda na operação

O ganho concreto não é "tecnologia bonita" — é matemática de tempo. Se cada vendedor recupera perto de um minuto por transação, numa rede que faz milhares de vendas por dia isso vira horas de atendimento devolvidas todo dia. Na Pandora, adicionar cinco itens ao carrinho, que levava seis minutos, passou a levar dois — 66% menos tempo de busca e checkout mais rápido em milhares de transações diárias; mesmo com cesta média de dois itens, os 30 segundos por item somam depressa.

E tem o efeito colateral que resolve uma dor crônica do varejo multi-loja: o novato para de depender do veterano e passa a atender com confiança desde o primeiro dia, porque o conhecimento de catálogo está no sistema. Numa rede que contrata sazonal e sofre com giro de equipe, isso é margem que não escorre pelo ralo do "espera que vou chamar quem sabe".

Comece hoje pelo passo 1: pegue um cronômetro, vá a uma loja e meça quanto tempo seu time gasta caçando produto. Esse número é o que decide se a busca por imagem paga a conta na sua rede — e, quase sempre, ele é maior do que o dono imagina.