No cenário dinâmico dos marketplaces como Mercado Livre, Amazon, Shopee, Magalu, entre outros, a capacidade de transformar dados não estruturados em conhecimento acionável tem se tornado um diferencial competitivo crucial.
Em 2023, em um importante capítulo publicado na parte da série de livros: Comunicações em Ciência da Computação e Informação ((CCIS, volume 1842)) foi visto uma abordagem inovadora desenvolvida com a participação de especialistas aqui da GoBots, plataforma de atendimento automatizado com inteligência artificial para marketplaces.
E hoje, neste artigo, exploramos como essa tecnologia está abrindo novos horizontes para empresas que desejam escalar o atendimento, automatizar processos e construir grafo de conhecimento semântico a partir de linguagem natural, uma inovação que posiciona a GoBots como líder no setor desde antes da publicação deste conference paper.
O desafio da compreensão de linguagem natural no e-commerce e marketplaces
As plataformas de marketplace como Mercado Livre, Amazon, Shopee, Magalu, entre outros, lidam diariamente com grandes volumes de texto em linguagem natural: perguntas de consumidores, descrições de produtos, avaliações, dúvidas recorrentes.
Extrair informações estruturadas desses dados representa um grande desafio técnico, pois exige compreensão semântica profunda e capacidade de relacionamento entre conceitos.
A publicação científica “From Natural Language Texts to RDF Triples: A Novel Approach to Generating e-Commerce Knowledge Graphs” apresenta um capítulo sobre a solução desenvolvida por André Gomes Regino, Rodrigo Oliveira Caus, Victor Hochgreb (CEO da GoBots) e o professor Julio Cesar dos Reis, da UNICAMP, que permite converter automaticamente texto em triplas RDF, estruturando esse conhecimento para alimentar grafos semânticos.
O que são triplas RDF e por que isso importa para marketplaces
RDF (Resource Description Framework) é um padrão internacional do W3C que permite representar conhecimento de forma que máquinas possam entender. Ele estrutura dados em triplas do tipo: sujeito – predicado – objeto.
Por exemplo:
Produto 123 possui cor vermelho
Cliente X perguntou sobre Produto 123
Com essa estrutura, é possível criar grafos de conhecimento que relacionam produtos, clientes, perguntas, respostas, categorias e intenções.
O resultado?
Um sistema que compreende o contexto e responde automaticamente com precisão e relevância.
A inovação aplicada pela GoBots
A GoBots foi uma das protagonistas dessa transformação.
A empresa já vinha se destacando pelo uso de IA generativa e NLP (Processamento de Linguagem Natural) no atendimento automatizado para grandes sellers no Mercado Livre, Amazon, Shopee e outros marketplaces.
A pesquisa publicada em 2023 revelou como a GoBots, com base em sua base proprietária de dados, combinou:
- Técnicas avançadas de extração semântica;
- Algoritmos de mapeamento de entidades;
- Modelos de machine learning supervisionado;
- Regras de ontologia voltadas ao e-commerce.
Essa combinação permitiu extrair triplas RDF com alta acurácia de textos como perguntas de clientes, descrições de produtos e até respostas automatizadas, tudo isso alimentando um grafo de conhecimento que serve de base para o motor de IA da plataforma.
Chegou a hora de deixar a nossa inteligência artificial responder pela sua loja no Mercado Livre!
Aplicações práticas para atendimento automatizado
A conversão de texto em triplas RDF permite automatizar etapas complexas do atendimento, que antes dependiam exclusivamente de humanos.
Entre os benefícios práticos estão:
1. Estruturação semântica de conhecimento a partir das interações reais
Na maioria dos sistemas tradicionais, as informações são armazenadas de forma fragmentada ou em fluxos de resposta estáticos.
Na GoBots, utilizamos triplas RDF para organizar e representar o conhecimento gerado a partir das interações com os clientes, principalmente com base nas respostas dos atendentes humanos.
Essas triplas permitem que os dados sejam transformados em um grafo de conhecimento, que relaciona produtos, atributos, intenções e contextos. Assim, criamos uma base de conhecimento reutilizável e pronta para ser consultada pela IA na hora de responder novas perguntas no futuro.
Exemplo:
Pergunta de cliente:
“Esse tênis serve para corrida em asfalto?”
A resposta dada por um atendente, como:
“Sim! O Tênis Nike Air Zoom foi desenvolvido para corrida em superfícies duras como asfalto, oferecendo amortecimento e tração ideais.”
É então convertida em triplas como:
Tênis Nike Air Zoom → tipo de uso → Corrida
Corrida → superfície comum → Asfalto
Tênis Nike Air Zoom → oferece → amortecimento ideal para asfalto
Essas informações passam a fazer parte do grafo de conhecimento da marca, permitindo que a IA as reutilize com mais precisão no futuro.
2. Identificação de lacunas de conhecimento
Ao transformar as respostas dos atendentes em triplas RDF e conectar essas informações no grafo, a GoBots consegue identificar automaticamente o que já está mapeado e o que está faltando.
Ou seja, se os atendentes começam a responder com frequência perguntas para as quais não há dados estruturados no sistema, o grafo detecta a ausência dessas conexões.
Exemplo:
Muitos clientes começam a perguntar:
“Esse notebook é compatível com caneta stylus?”
Se essa informação não está no grafo, a GoBots detecta esse gap e pode:
- Notificar o time de conteúdo ou atendimento sobre a ausência;
- Sugerir que a resposta do atendente seja estruturada como conhecimento reutilizável;
- Iniciar um processo de enriquecimento automático com base em fontes confiáveis.
Com isso, garantimos que a base de conhecimento cresça continuamente e evite respostas genéricas como “Não sei informar”.
3. Geração de conexões úteis para vendas e recomendações
A partir das informações estruturadas no grafo, conseguimos gerar relações entre produtos, atributos, perfis de uso e preferências dos clientes.
Essas conexões são aproveitadas para alimentar mecanismos de recomendação e estratégias de cross-selling, com base no que foi aprendido nas interações anteriores.
Exemplo:
Cliente pergunta:
“Esse celular tem entrada para dois chips?”
O atendente responde:
“Sim, esse modelo tem suporte a dois chips.”
Essa resposta é transformada em conhecimento:
Modelo X → tem suporte → dois chips
Com isso, o sistema pode também relacionar:
Modelo X → compatível com → capa protetora Y
Cliente interessado em celular dual chip → perfil → consumidor que viaja ou usa número pessoal + trabalho.
A IA então poderá no futuro sugerir de forma contextual e inteligente:
“Aproveitando, temos um kit de película + capa para esse modelo com 20% de desconto. Deseja adicionar ao carrinho?”
4. Aprendizado contínuo nos marketplaces e evolução da base de conhecimento
Cada nova interação com o cliente que gera uma resposta humana relevante pode ser transformada em uma nova tripla RDF.
Isso significa que a base de conhecimento da GoBots está em constante evolução, alimentada pelas situações reais do dia a dia.
Exemplo:
Clientes começam a perguntar:
“Esse produto é compatível com Alexa?”
Mesmo que essa informação não esteja inicialmente no sistema, a GoBots detecta o padrão nas perguntas e:
- Agrupa essas intenções semelhantes;
- Verifica se já há uma resposta padrão ou informação relacionada;
- Caso não exista, sugere a criação da resposta com base em fontes confiáveis ou validação humana;
Atualiza o grafo com a nova relação: Produto X → compatível com → Alexa
Dessa forma, a IA passa a ter essa informação sempre pronta para uso em futuras respostas.
Por que isso é um divisor de águas para marketplaces
O e-commerce moderno exige escalabilidade (principalmente nos marketplaces como Mercado Livre, Amazon, Shopee, Magalu, etc.) e personalização.
Responder milhares de perguntas por dia com consistência, agilidade e precisão é uma tarefa inviável para equipes humanas e também para os chatbots tradicionais, baseados em fluxos fixos, já que não atendem à complexidade das demandas.
Com a tecnologia baseada em triplas RDF e grafos de conhecimento, a GoBots oferece:
- Atendimento 100% automatizado e contextualizado;
- Redução de custos operacionais;
- Maior satisfação e conversão de clientes;
- Inteligência em tempo real sobre comportamento de consumo.
Além disso, a plataforma está alinhada com as tendências globais de uso de IA simbólica combinada à IA generativa, o que abre caminho para aplicações como respostas explicativas, insights preditivos e automação de categorias inteiras de atendimento.
A força da colaboração acadêmica e empresarial
O projeto descrito no livro é um exemplo claro do poder da cooperação entre universidades e empresas inovadoras.
A parceria entre a GoBots e o Instituto de Computação da Unicamp fortaleceu o desenvolvimento de soluções com rigor científico e aplicabilidade prática.
A presença de nomes como Victor Hochgreb entre os autores reforça o compromisso da empresa com a vanguarda tecnológica.
O capítulo publicado representa não apenas um avanço acadêmico, mas também um marco estratégico para o futuro do atendimento com IA no Brasil e no mundo.
O futuro do atendimento nos marketplaces está sendo escrito pela GoBots
A publicação “From Natural Language Texts to RDF Triples” é muito mais que uma contribuição científica.
Ela aponta para o futuro do e-commerce, onde dados não estruturados se transformam em inteligência operacional, e a linguagem humana se converte em ação automatizada com precisão semântica.
A GoBots lidera esse movimento no Brasil, oferecendo às empresas de todos os portes uma solução robusta, escalável e inteligente de atendimento automatizado para marketplaces.
Se você atua nesse setor e busca um diferencial competitivo real, é hora de conhecer o que a nossa plataforma pode fazer pelo seu e-commerce.
Explore a GoBots e veja como nossa IA está revolucionando o relacionamento com o cliente.
Conteúdo criado a partir do conference paper: From Natural Language Texts to RDF Triples: A Novel Approach to Generating e-Commerce Knowledge Graphs
