NOSSA HISTÓRIA
Recife, 2021. Um problema que se repetia em todas as conversas.
A Quintara começou a partir de uma observação repetida em conversas com operadores de e-commerce: a maioria sabia que a ordem dos produtos nas vitrines importava, mas poucos tinham clareza sobre qual lógica estava de fato sendo aplicada — ou se ela estava sendo aplicada de alguma forma.
O catálogo crescia, o tráfego crescia, mas a relevância do que aparecia para cada visitante ficava para trás. Ferramentas de recomendação existiam, mas a maioria chegava como caixa-preta: sem documentação, sem forma de medir resultado próprio, sem código que permanecesse com a operação depois do contrato.
Fundamos a Quintara para trabalhar de um jeito diferente. Cada projeto tem escopo definido, entregáveis concretos e uma abordagem de avaliação que o próprio cliente pode executar com seu analytics. Nada de números que só nós mesmos conseguimos verificar.
Hoje atendemos operações de e-commerce em todo o Brasil, com base em Recife. A equipe é pequena por escolha: preferimos fazer poucos projetos bem do que muitos pela metade.
MISSÃO E VALORES
O que orienta o nosso trabalho.
Antes de propor qualquer modelo, mostramos ao cliente o que os dados existentes permitem — e o que não permitem. Quando a coleta está quebrada, dizemos isso no diagnóstico, não depois de meses de projeto.
Tudo que construímos é entregue completo: código, scripts de retreinamento, documentação. O cliente não precisa da Quintara para manter o motor funcionando depois que o projeto termina.
Cada motor de recomendação vem com um framework de experimento que o cliente opera com seu próprio analytics. Não aceitamos que o sucesso seja definido por métricas que só nós conseguimos calcular.
Alguns clientes chegam querendo um motor de recomendação quando o que realmente precisam é de um diagnóstico de coleta de dados. Falamos isso abertamente — mesmo quando significa indicar um serviço menor.
EQUIPE
As pessoas por trás dos projetos.
Uma equipe pequena com foco estreito. Cada membro participa ativamente dos engajamentos — não apenas da proposta.
Rafael Menezes
ENGENHARIA DE RECOMENDAÇÃO
Trabalhou sete anos em modelagem de dados comportamentais antes de fundar a Quintara. Coordena o desenho técnico dos motores e os protocolos de avaliação.
Camila Torres
DADOS E RASTREAMENTO
Especialista em auditoria de event tracking e qualidade de dados. Conduz os diagnósticos de comportamento e os planos de remediação de coleta.
Lucas Paz
VITRINE E MERCHANDISING DIGITAL
Combina análise de comportamento em categoria e conhecimento de merchandising para identificar onde a ordenação trabalha contra a intenção da operação.
PADRÕES DE TRABALHO
Como conduzimos cada engajamento.
Protocolos que aplicamos em todos os projetos, independente do tamanho ou complexidade da operação.
Avaliação por períodos de tempo
Modelos são avaliados com dados de períodos posteriores ao treinamento. Não usamos divisões aleatórias que ignoram sazonalidade e mudanças de comportamento.
Documentação de projeto completa
Cada projeto encerra com documentação técnica, scripts de retreinamento comentados e um guia de operação para o time do cliente.
Privacidade e tratamento de dados
Trabalhamos com os dados que o cliente já possui. Não coletamos nem armazenamos dados de usuários finais. Confidencialidade contratual em todos os engajamentos.
Framework de experimento entregue
O cliente recebe estrutura para medir o impacto do motor com o analytics que já usa. Sem dependência de relatórios externos para saber se o projeto funcionou.
Escopo fixo e entregáveis definidos
Cada serviço tem prazo, entregáveis e preço definidos antes do início. Mudanças de escopo são tratadas com adendos formais — sem horas extras cobradas informalmente.
Comunicação sem intermediários
O cliente fala diretamente com quem faz o trabalho. Sem camadas de gerenciamento de conta entre a equipe técnica e a operação.
SOBRE O CAMPO
Recomendação e personalização como disciplina de engenharia.
A área de recomendação e personalização para e-commerce amadureceu consideravelmente nos últimos anos. O que antes era domínio exclusivo de grandes plataformas passou a ser acessível a operações de médio porte — desde que a coleta de dados esteja em ordem e a avaliação seja conduzida com rigor.
O ponto de partida mais comum é o rastreamento de eventos. Uma loja com catálogo relevante e tráfego consistente acumula sinais de comportamento valiosos: navegação por categoria, buscas realizadas, adições ao carrinho, compras concluídas. Quando esses eventos são coletados de forma consistente e associados corretamente às sessões e aos usuários, é possível construir representações do interesse de cada visitante.
O modelo mais simples — popularidade por categoria — já resolve uma parte expressiva do problema. Modelos colaborativos, que identificam padrões de co-ocorrência entre produtos nas jornadas de compra, adicionam uma camada de personalização que aproxima a recomendação do comportamento real do cliente. Modelos de conteúdo, que trabalham com as características dos itens, ajudam a lidar com produtos novos ou pouco vendidos.
A ordenação de páginas de categoria e resultado de busca é frequentemente subestimada. A maioria das lojas aplica alguma combinação de popularidade e margem, mas raramente avalia se essa combinação corresponde ao que os visitantes de fato procuram naquele contexto. Pequenas mudanças na lógica de ordenação, testadas com controle adequado, costumam produzir resultados mensuráveis em poucos ciclos.
A Quintara existe para conduzir esse trabalho de forma estruturada, com entregáveis que ficam com a operação e avaliação que o próprio cliente controla.
PRÓXIMO PASSO
Quer entender se faz sentido para a sua operação?
Uma conversa de triagem de trinta minutos costuma deixar claro qual serviço é adequado — ou se nenhum deles é o passo certo agora.
Agendar Conversa