Retalho de primeiros princípios
Features vêm da realidade paga e da navegação—não de vanity metrics—para os scores refletirem eventos com dinheiro.
Camada de aprendizagem
Percebe clientes à velocidade do comércio
Cada checkout afina o retrato—percursos RFM, propensões, mudanças ao nível do país e narrativas opcionais escritas com Grok. Antecipa picos, detecta suavidade cedo e faz merchandising com provas.
[ No nosso centro ]
Sinal a partir de cada compra
O Postgres continua a fonte de verdade enquanto uma feature store em MongoDB aprende em três níveis: compradores, cada loja e mercados inteiros. Os modelos correm onde a tua stack já vive.
0
Níveis de comportamento
Cliente · Loja · País
0+
Outputs de modelo
CLV, churn, previsões e mais
0h
IA em batch
Cadência do analista Grok
∞
Profundidade de embeddings
Vectores OpenAI · RAG
[ Como pensamos ]
Escala sem re-arquitectura
A mesma arquitectura serve uma boutique e um rollup multi-país; o âmbito cresce com o catálogo.
Insights todas as noites
Jobs agendados e hooks em tempo real mantêm tudo fresco; métricas e jobs registam o que a IA processou.
[ Infraestrutura ]
IA industrial, UI calma para o lojista
Vercel AI SDK à superfície; batches Grok xAI, Claude Anthropic e embeddings OpenAI — tudo por tenant.
Vercel AI SDKxAI GrokAnthropic ClaudeOpenAIMongoDBProphet
[ Capacidades ]
O que chega à tua consola
Sem laboratório de dados à parte. Tudo junto a encomendas, catálogo e pagamentos.
Previsões
Procura e receita
Perspectivas ao nível da loja, tempo até à próxima compra e sinais de valor para ritmar promoções e stock.
Risco
Churn e picos
Probabilidades e alertas estatísticos mostram fraqueza ou picos de procura antes de surpreender.
Merchandising
Cesto e categorias
Regras de associação e movers de categoria mostram bundles e tendências—não só SKUs isolados.
Marketplace
Aprendizagem transversal
Rollups de compradores, fornecedores e recs em cache quando vendes no carrinho partilhado Etrovvo.
Momentos
Comportamento de curto prazo
Sinais “a observar” e micro-eventos captam janelas de hype que lançamentos e collabs criam.
Narrativa
Briefings Grok
Narrativas em batch opcionais traduzem features em texto que líderes leem.
[ Ritmo operacional ]
Como a camada corre
ETL reconstrói perfis `lm_*` por organização, país e âmbito marketplace.
Encomendas pagas acrescentam `lm_events` para janelas honestas entre batches.
Crons submit/collect transformam JSON de features em resumos Grok em escala.
Embeddings permitem recuperação semântica junto do ML clássico—mesma espinha de dados.
Etrovvo
Opera com evidência
Cria uma organização, liga pagamentos e deixa a Etrovvo aprender com cestos reais.