Como o Grupo Boticário está usando IA para transformar conversas em vendas no e-commerce

Cases apresentados no TDC Summit IA 2026 mostram como empresa usa inteligência artificial para melhorar a experiência do cliente, aumentar conversão e antecipar preferências do consumidor

Com um portfólio de 13 marcas e milhões de acessos em suas plataformas digitais, o Grupo Boticário vem utilizando inteligência artificial generativa para atacar pontos críticos da jornada de compra online, da acessibilidade à busca de produtos e à conversão final. Entre os resultados apresentados, estão aumento na taxa de conversão, crescimento do ticket médio e redução da necessidade de atendimento humano, a partir de experiências mais fluidas e personalizadas.

Os dados foram apresentados durante o TDC Summit Inteligência Artificial 2026, realizado nos dias 23 e 24 de abril, em São Paulo. O evento reuniu empresas como Itaú, Ambev, iFood e Nubank para discutir aplicações práticas de IA em ambientes reais, com foco em escala e geração de valor.

O Diretor de Engenharia do Grupo Boticário William Bruno Rocha de Moraes e o Diretor de Arquitetura e Soluções da AWS Thiago Couto, detalharam três frentes em que a tecnologia está sendo aplicada, todas com impacto direto na experiência do consumidor e nos indicadores de negócio.

O primeiro case explorou a acessibilidade, já que, segundo dados apresentados, cerca de 6,5 milhões de pessoas no Brasil têm algum tipo de deficiência visual, sendo mais de 500 mil cegas. Para melhorar a navegação desse público, a empresa passou a utilizar IA para gerar automaticamente textos alternativos das imagens dos produtos, tornando o conteúdo mais acessível para leitores de tela. Além de ampliar a inclusão, a iniciativa trouxe ganhos indiretos, como melhora em SEO, já que há mais conteúdo descritivo no HTML, e maior eficiência na busca interna do site, que passa a considerar descrições mais completas dos produtos.

O segundo case focou na evolução da busca dentro do e-commerce. Tradicionalmente baseada em palavras-chave, a busca foi ampliada para um modelo que combina correção de termos, sugestões automáticas e busca semântica baseada em linguagem natural. O sistema passou a interpretar a intenção do usuário, e não apenas o termo digitado. Esse pipeline inclui desde sugestões do tipo “você quis dizer” até modelos vetoriais que conectam conceitos e contextos. O objetivo é reduzir buscas sem resultado e aumentar a conversão ao entregar respostas mais aderentes ao que o consumidor procura.

O terceiro case apresentou a criação de um assistente virtual com foco direto em vendas. Inspirado na experiência de consultores de loja física, o projeto buscou replicar digitalmente a capacidade de entender preferências e sugerir produtos de forma contextualizada. Desenvolvido em parceria com a AWS, o assistente evoluiu de um MVP interno para um chatbot capaz de interagir com o consumidor, interpretar suas intenções e recomendar produtos em tempo real. A solução utiliza engenharia de prompts para conduzir a conversa e, a partir dela, sugere itens e pode adicioná-los diretamente ao carrinho, transformando a interface em uma espécie de “gôndola conversacional”.

Segundo os diretores, esse modelo já apresenta indicadores relevantes como aumento na taxa de conversão, aumento do ticket médio e melhora na experiência do cliente. Além disso, a ferramenta contribui para reduzir o volume de demandas direcionadas ao atendimento humano, ao resolver dúvidas diretamente na interface.

Outro avanço em desenvolvimento é o uso de memória no assistente, permitindo que, ao longo do tempo, ele reconheça preferências do consumidor e personalize ainda mais as recomendações. A expectativa é que a jornada evolua de interações pontuais para um relacionamento contínuo, baseado no histórico e comportamento do usuário.

A análise das conversas também se tornou uma fonte relevante de dados. A partir das interações, a empresa consegue identificar padrões de comportamento, dúvidas recorrentes e oportunidades de melhoria, retroalimentando o sistema e refinando a experiência