Estrutura AIM2 para inovação em marketing inteligente usando análises de consumidores orientadas por IA com redes neurais SOR e XGBoost no varejo saudita

Por que seus dados de supermercado importam

Cada vez que você faz compras — seja pegando pão e leite em uma loja de esquina ou enchendo um carrinho online com itens do fim de semana — você deixa um rastro de pistas digitais. Este artigo mostra como essas pistas podem ser transformadas em marketing mais inteligente e justo no setor varejista em rápido crescimento da Arábia Saudita. Ao combinar inteligência artificial avançada com um modelo clássico da psicologia sobre como as pessoas respondem ao ambiente, os autores propõem um método para que os supermercados enviem ofertas que pareçam genuinamente úteis, não invasivas, ao mesmo tempo em que apoiam metas nacionais de transformação digital previstas na Visão 2030.

De anúncios simples a conversas inteligentes

O marketing varejista costumava ser sobre uma grande mensagem para todos: o mesmo comercial de TV, o mesmo folheto, o mesmo desconto. Conforme as compras migraram para o online e para os celulares, esse mundo mudou. Hoje, as lojas podem ver quais produtos tendem a ser comprados juntos, com que frequência os clientes visitam e quão sensíveis são a variações de preço. O estudo argumenta que esse fluxo de informações precisa de mais do que matemática engenhosa; deve estar ancorado em como as pessoas reais pensam e sentem. Os autores se baseiam na ideia "Estímulo–Organismo–Resposta" da psicologia, que diz que o que vemos (estímulo) molda como sentimos e pensamos (organismo), o que então orienta o que fazemos (resposta). Em termos de varejo, isso significa que ofertas digitais e preços devem ser desenhados considerando a confiança do cliente, o valor percebido e a satisfação — não apenas vendas de curto prazo.

Um motor de três camadas para o varejo moderno

No coração do artigo está uma nova estrutura chamada AIM2, sigla para AI‑Integrated Marketing Innovation Model (Modelo de Inovação em Marketing Integrado por IA). O AIM2 é construído como um motor de três andares. No andar inferior, algoritmos poderosos vasculham dados brutos de vendas da Tamimi Markets, uma grande rede de supermercados saudita. Esses métodos incluem técnicas de clustering que agrupam compradores em categorias econômicas, intermediárias e premium; ferramentas de mineração de padrões que identificam quais itens são frequentemente comprados juntos; redes neurais que aprendem padrões de demanda ao longo do tempo; e o algoritmo XGBoost, um método baseado em árvores bem adaptado a dados reais e ruidosos. O andar do meio traduz esses resultados algorítmicos em ações concretas que os clientes realmente veem, como pacotes recomendados ou descontos por tempo limitado. O andar superior monitora como essas ações afetam sentimentos como confiança e satisfação, e comportamentos como visitas repetidas e fidelidade, fechando o ciclo entre dados e experiência humana.

O que os dados revelaram sobre os consumidores sauditas

Usando vários meses de registros de transações reais, os pesquisadores mostram que os clientes de supermercados sauditas tendem a se dividir naturalmente em três principais estilos de consumo. Compradores econômicos visitam com menos frequência, gastam quantias menores e reagem fortemente a mudanças de preço e promoções. Compradores intermediários apresentam um perfil mais equilibrado, enquanto compradores premium compram cestas mais diversas, gastam mais por visita e são menos sensíveis ao preço. O sistema também identifica combinações de produtos estáveis — como itens essenciais do dia a dia e combinações de maior valor — que podem ser transformadas em pacotes úteis. No que diz respeito a previsões, as ferramentas de IA superam significativamente abordagens mais antigas: o modelo XGBoost reduz erros de precificação e churn em cerca de 14% em comparação com regressão tradicional, e supera uma rede neural simples em precisão por aproximadamente 9%, enquanto redes neurais baseadas em sequência capturam melhor os picos sazonais em eventos como o Ramadã e o Eid.

Manter o sistema justo, transparente e adaptável

Além da precisão bruta, a estrutura inclui salvaguardas voltadas ao uso responsável. Os autores verificam se a IA trata grupos comportamentais diferentes — como clientes de alto e baixo gasto — de maneira semelhante em termos de resultados previstos, sinalizando problemas quando disparidades se tornam muito grandes. Eles também usam ferramentas de explicação que mostram quais variáveis mais influenciam cada previsão, ajudando os profissionais de marketing a entender por que o sistema acha que um cliente pode sair ou responder a determinado preço. Um loop de feedback monitora mudanças ao longo do tempo: se o comportamento do cliente mudar ou medidas de equidade se deslocarem, os modelos são reentreinados. Esse desenho reconhece que ambientes de varejo e expectativas dos consumidores são alvos em movimento, especialmente em um país que impulsiona uma rápida modernização digital.

O que tudo isso significa para as compras do dia a dia

Para não‑especialistas, a mensagem principal é que algoritmos mais inteligentes podem tornar o varejo tanto mais eficiente quanto mais centrado nas pessoas — se estiverem ligados a uma compreensão de como as pessoas pensam e sentem. Na estrutura AIM2, a “inteligência” não é apenas sobre adivinhar o que você comprará em seguida; trata‑se de garantir que essas previsões fomentem confiança, satisfação e lealdade de longo prazo, em vez de aborrecimento ou desconfiança. Os resultados em um supermercado saudita mostram que um sistema assim pode segmentar clientes de forma significativa, sugerir pacotes de produtos sensatos e melhorar previsões de demanda e churn, tudo isso incorporando verificações de equidade e transparência. Em termos práticos, isso pode significar aplicativos de compras que parecem mais um assistente útil e menos um vendedor insistente — apoiando tanto melhores experiências de compra para indivíduos quanto metas mais amplas de digitalização e sustentabilidade para o país.

Citação: Alarfaj, F.K., Badouch, M., Khan, H.U. et al. AIM2 framework for smart marketing innovation using AI driven consumer analytics with SOR neural networks and XGBoost in Saudi retail. Sci Rep 16, 14160 (2026). https://doi.org/10.1038/s41598-026-42787-3

Palavras-chave: marketing por IA, análise de varejo, comportamento do consumidor, Visão da Arábia Saudita 2030, compras personalizadas