Empresa | Nimbo — Motor de Recomendação

Quem somos

A Nimbo nasceu de uma pergunta simples

Durante anos, percebemos que a maioria dos catálogos digitais brasileiros tinha dados de comportamento ricos e sugestões de qualidade baixa. A lacuna não era de informação — era de ferramenta e de metodologia acessível.

A Nimbo foi fundada em Florianópolis com o objetivo de construir motores de recomendação que funcionam para o porte e o ritmo de cada produto. Não vendemos plataformas de IA prontas. Desenvolvemos o componente de recomendação dentro do contexto específico de cada cliente.

Cada projeto começa com uma conversa sobre o catálogo, o comportamento dos usuários e o que a equipe consegue acompanhar depois. O resultado é um sistema documentado, integrado ao produto e mantido ao longo do tempo — ou entregue como ponto de partida, conforme o escopo escolhido.

2021

Ano de fundação

40+

Catálogos atendidos

3

Modelos de entrega

100%

Projetos documentados

Equipe

As pessoas por trás dos modelos

LM

Lucas Mendonça

Co-fundador · Engenharia de ML

Especialista em modelos de filtragem colaborativa e baseados em conteúdo. Passou cinco anos em startups de e-commerce antes de fundar a Nimbo.

RA

Renata Azevedo

Co-fundadora · Produto e Dados

Trabalhou com análise de comportamento de usuário em plataformas de catálogo. Cuida da ponte entre o modelo técnico e a equipe de produto do cliente.

FS

Felipe Sousa

Engenheiro de Software

Responsável pela integração e pela documentação técnica de cada entrega. Garante que o motor funcione bem dentro da arquitetura já existente no produto do cliente.

Padrões de trabalho

Como cuidamos da qualidade em cada projeto

Trabalhar com dados de catálogo e comportamento de usuário exige atenção a alguns princípios que não abrimos mão.

Confidencialidade dos dados

Todo projeto é acompanhado de acordo de confidencialidade. Os dados do catálogo e do comportamento do usuário são usados apenas para a construção do motor contratado.

Validação antes da entrega

Antes de entregar qualquer modelo, revisamos a qualidade das sugestões com amostras do catálogo real e verificamos se os resultados fazem sentido no contexto do produto.

Documentação técnica completa

Cada entrega inclui documentação suficiente para que a equipe de desenvolvimento do cliente integre e mantenha o sistema sem depender de nós para cada ajuste.

Comunicação sem jargão

Os relatórios e resumos de desempenho são escritos para equipes de produto, não para cientistas de dados. Falamos sobre relevância e resultado, não sobre hiperparâmetros.

Conformidade com a LGPD

Nossas práticas de tratamento de dados seguem as diretrizes da Lei Geral de Proteção de Dados. Orientamos os clientes sobre as melhores práticas para o uso de dados de comportamento em modelos de recomendação.

Acompanhamento após a entrega

Os projetos pontuais incluem um período de suporte pós-entrega. O plano de cuidado mensal, por sua vez, mantém o modelo relevante enquanto o catálogo e o comportamento dos usuários evoluem.

Sobre o nosso campo

Recomendação como disciplina de produto

Sistemas de recomendação deixaram de ser um diferencial para se tornar uma expectativa. Quando um usuário navega por um catálogo digital e não encontra sugestões pertinentes ao que acabou de ver, a percepção é de que o produto não entende o que ele quer — mesmo que o catálogo tenha exatamente o item certo disponível.

A construção de um bom motor de recomendação envolve escolhas metodológicas que dependem do catálogo em questão: tamanho, frequência de atualização, densidade de interações, variedade de categorias. Não existe uma abordagem que funcione para todos os casos.

Na Nimbo, o ponto de partida é sempre entender o que o catálogo tem e o que os dados de comportamento revelam. A partir daí, escolhemos as abordagens mais adequadas — filtragem baseada em conteúdo, filtragem colaborativa, modelos híbridos — e construímos o motor de forma que a equipe do cliente consiga acompanhar a qualidade das sugestões ao longo do tempo.

Trabalhamos com produtos de setores variados: moda, eletrônicos, alimentação, ferramentas B2B. Em cada contexto, o desafio central é o mesmo: fazer com que a sugestão apareça no momento certo, com a justificativa certa, sem parecer forçada. Esse equilíbrio é o que buscamos em cada projeto.

Próximos passos

Quer entender como o motor funcionaria no seu catálogo?

Uma conversa de 20 minutos costuma ser suficiente para entender o contexto e sugerir o ponto de entrada mais adequado.

Entrar em contato

Construímos recomendações que respeitam o contexto do usuário