Início
Estudos de caso
MOL Group
Para grandes empresas de petróleo e gás, as divisões de varejo, postos de combustível, sempre desempenharam um papel crucial em suas operações complexas e verticalmente integradas. Como a ponta final de suas operações downstream, os postos de varejo de uma empresa não são apenas pontos de venda de seus principais produtos de combustível refinado. Eles também oferecem a oportunidade de vender produtos complementares e representam o principal ponto de interação entre o cliente e a marca. É por isso que a qualidade da experiência nos pontos de venda é tão importante.
Embora a venda de combustível continue sendo um objetivo central, muitas empresas estão adotando uma visão ampliada do valor que suas operações de varejo podem trazer aos negócios.
A MOL é uma empresa integrada de petróleo e gás com 25.000 funcionários em 30 países e mais de 2.400 postos de serviço em 10 países. Atualmente, o foco da transformação da MOL está em acelerar sua evolução de um varejista tradicional de combustíveis para um varejista digital de bens de consumo e provedor de serviços de mobilidade integrada. A MOL pretende encantar os clientes, capacitar os funcionários e desbloquear novas fontes de receita. Para chegar lá, o MOL Group está acelerando a hiperpersonalização em marketing com IA impulsionado por IA, desenvolvida pela IBM® Consulting e pela Salesforce.
Os clientes da MOL realizam milhões de transações de compras por fidelidade todos os meses. Usando esses dados, a MOL queria migrar de um conceito de marketing baseado em regras padrão, onde todos os critérios de segmentação são pré-definidos e o conteúdo é escrito com antecedência. O objetivo era adotar um modelo baseado em comportamento, onde sinais dos clientes seriam automaticamente harmonizados em perfis de persona, para os quais ofertas hiperpersonalizadas seriam enviadas.
O plano incluía implementar a plataforma primeiro na Croácia, Eslovênia e Hungria, e depois expandi-la para a Eslováquia, República Tcheca e outros países da região.
Após uma análise detalhada das opções disponíveis, Mag e sua equipe identificaram o Salesforce Marketing Cloud como a melhor solução para atender às suas necessidades. Assim, segundo Mag, a principal decisão restante foi escolher um parceiro de integração de sistemas para unir todos os componentes. "Estávamos focados em uma experiência comprovada com a plataforma Salesforce," ele explica, "especialmente na entrega do tipo de solução abrangente e de grande escala que estávamos planejando."
A abordagem colaborativa da IBM forneceu à equipe da MOL, pequena mas em crescimento, o suporte necessário. O resultado desse esforço de cocriação é uma solução integrada de marketing omnicanal, que utiliza todo o portfólio de componentes da Salesforce e o IBM watsonx.ai estúdio IA. A solução se baseia em dados reais de comportamento do cliente para orquestrar cada aspecto das interações da MOL com seus clientes, incluindo campanhas altamente direcionadas baseadas na jornada específica de cada cliente. Agora, os gerentes de campanha podem gerar e-mails e notificações por push hiperpersonalizados no idioma local necessário com apenas um clique.
O Salesforce Marketing Cloud funciona como um hub de integração para distribuir mensagens aos seus clientes. A MOL utiliza o Salesforce Experience Cloud como base para seu portal de clientes. Com o objetivo de impulsionar suas iniciativas de hiperpersonalização no marketing, a equipe da MOL optou pelo Salesforce Data Cloud para integrar e harmonizar dados provenientes do Salesforce Marketing, Experience, Loyalty e Sales Cloud, bem como de fontes externas. A solução MOL também utiliza o MuleSoft para integrar e orquestrar todos esses componentes em diversos países. A MOL usa responsavelmente os recursos de IA gerativa (gen AI) movidos pela Salesforce Data Cloud e watsonx.ai.
No desenvolvimento do programa, a MOL e a IBM consideraram a necessidade de equilibrar a eficiência em escala com as demandas específicas das equipes locais de marketing da MOL. A solução, segundo Mag, foi adotar uma abordagem de “modelo de grupo” que oferecia um framework comum, mas dava às equipes locais grande flexibilidade para criar suas próprias campanhas. “Cada país tem seu próprio departamento de marketing e fidelidade,” ele explica. “Como incorporamos flexibilidade aos modelos, as equipes locais podem personalizar e executar suas próprias campanhas e programas de fidelidade.”
Para impulsionar esses recursos locais, observa Mag, a IBM também ajudou a estabelecer novas práticas de marketing e fidelidade. “Enquanto formávamos novas equipes de marketing de recompensas em nossos mercados locais, a IBM, por meio do suporte Hyper Care, desempenhou um papel fundamental ao educar essas equipes sobre como gerenciar a nova plataforma de forma independente,” diz Mag. “Isso exemplifica a ‘ponte’ de suporte que buscávamos à medida que o programa cresce e se desenvolve.”
Impulsionou um aumento médio de receita de 15% a 30% por meio de engajamento digital aprimorado
Alcançou níveis de satisfação do cliente > 20% mais altos do que os concorrentes
A Mag destaca ainda que, embora a MOL tenha concebido sua estratégia ampliada de digital commerce com foco em 2030, os resultados já estão se tornando evidentes. “Entre os clientes que utilizam o aplicativo, a MOL registrou um aumento médio de receita de 15%–30%,” afirma Mag. “Isso é uma prova contundente de que um engajamento digital mais inteligente e conveniente está aumentando a fidelidade e impulsionando o consumo.”
Com sede em Budapeste, Hungria, o MOL Group (link externo ao site ibm.com) é uma empresa internacional de petróleo e gás com 26.000 funcionários e operações em mais de 30 países. A rede de varejo da MOL, composta por 1.900 postos de serviço em 9 países da Europa Central e Oriental, atende 10 milhões de clientes e realiza mais de um milhão de transações todos os dias.
© Copyright IBM Corporation 2024. IBM, o logotipo IBM, IBM Consulting e watsonx são marcas comerciais ou marcas registradas da IBM Corp. nos Estados Unidos e/ou em outros países.
Os exemplos apresentados têm caráter apenas ilustrativo. Os resultados reais variam de acordo com as configurações e condições do cliente e, portanto, não é possível apresentar os resultados esperados em geral.