O Conceito de Homomorfismo
Inspirado no termo grego homoios morphe (ou seja, forma semelhante), o conceito de homomorfismo é utilizado para descrever como elementos correspondentes de dois sistemas se comportam de maneira muito semelhante quando combinados com outros elementos correspondentes. No contexto do varejo, esse princípio é aplicado à relação entre os comportamentos de compra offline e online.
A Estrutura de Homomorfismo da Footprints for Retail
“Homomorfismo” representa a estrutura avançada de IA da Footprints for Retail, que capacita sua tecnologia exclusiva a enriquecer qualquer banco de dados online, no nível do usuário individual, com suas características comportamentais de compras físicas/offline. Dados comportamentais físicos/offline e agrupamento por afinidade são os tipos de dados mais valiosos para a publicidade comportamental online e a automação de marketing. A Footprints for Retail classifica comportamentos sutis de compras físicas em agrupamentos multidimensionais (até 48 dimensões diferentes de dados comportamentais) e, em seguida, associa esses agrupamentos aos seus “gêmeos” online. Esse modelo de atribuição probabilística gera benefícios sem precedentes para profissionais de marketing e anunciantes que trabalham com marcas e objetivos do varejo físico. Ele permite que as campanhas sejam direcionadas a segmentos comportamentais muito específicos, a fim de aumentar a frequência de visitas, a duração das visitas e o número de lojas visitadas por visita dentro de um determinado shopping center.
Análise de Varejo: A Base do Homomorfismo
A seção de Análise de Varejo da plataforma Footprints for Retail é responsável por coletar os comportamentos offline essenciais para a estrutura do homomorfismo. Baseada em tecnologias modernas de ponta e com uma arquitetura altamente escalável, a Footprints Retail Analytics transforma dados brutos de localização em insights precisos e significativos.
Abordagem arquitetônica e detalhes técnicos
A arquitetura do Footprints Retail Analytics segue um modelo descentralizado, com um hub central que distribui os dados e nós independentes, um para cada prédio (localização). Essa abordagem garante escalabilidade infinita, com uma VM (máquina virtual) ou contêiner Docker por localização, ou qualquer número de VMs para uma única localização de grande porte.
A pilha de tecnologia inclui um sistema operacional baseado em Linux (Ubuntu), a linguagem de programação Node.js, o banco de dados NoSQL MongoDB para armazenamento de dados e o banco de dados em memória Redis para processamento rápido de dados.
Privacidade e conformidade de dados
Os dados coletados na plataforma Footprints for Retail são processados de três maneiras diferentes, dependendo da configuração desejada do sistema:
- Anonimização total do MAC, em que cada endereço MAC coletado é totalmente codificado ao final de uma visita ao prédio, e o endereço MAC real nunca é salvo no banco de dados.
- Anonimização parcial de MAC, na qual o endereço MAC é pseudonimizado e, em seguida, parcialmente codificado, permitindo rastrear o mesmo endereço MAC codificado ao longo das visitas, ao mesmo tempo em que garante um alto nível de privacidade.
- Sem anonimização de MAC, o que aproveita todo o potencial de geração de relatórios do sistema, incluindo diversos relatórios sobre a recorrência e a recência de visitantes únicos ou recorrentes.
O sistema também oferece uma política configurável de exclusão de dados, como a exclusão automática após um período de um ano, para garantir a conformidade com regulamentações de privacidade, como o Regulamento Geral de Proteção de Dados (RGPD).
Pronto para ver como isso funciona na prática?
A Footprints AI ajuda marcas e varejistas a medir o que realmente importa. Confira nossas histórias de sucesso de clientes ou entre em contato para discutir sua estratégia de Retail Media.
