// Comércio Eletrônico
// Lojas Físicas
Nosso programa de parcerias qualifica agências e empresas desenvolvedoras de tecnologia a entregar projetos de excelência em um ecossistema abrangente.
// Desenvolvimento de E-commerce
Especialistas preparados para escalar sua operação digital.
// Integrações Homologadas
Soluções homologadas para impulsionar e expandir seu negócio.
// Wake por seus clientes
// Histórias de sucesso em destaque
Como a plataforma de e-commerce da Wake e o Wake OMS ajudaram a redefinir a operação digital do grupo
Saiba mais →// Escolha a plataforma
No Wakecast, Diego Santos, Head de Parcerias da Wake, e Ian Borges, co-founder & CEO da metaKosmos, discutem por que provador virtual, IA generativa, 3D e realidade aumentada já podem sair da gaveta de “inovação” e entrar na rotina do e-commerce como hipóteses de negócio testáveis, mensuráveis e escaláveis.
Durante muito tempo, falar em provador virtual, realidade aumentada ou experiência 3D no e-commerce soava como falar de um futuro próximo, mas ainda distante o suficiente para caber na lista de “um dia a gente testa”.
No quinto episódio do Wakecast, Diego Santos coloca o problema de outro jeito: inovação não deveria mais ser tratada como um projeto extraordinário, separado da operação. Ela precisa entrar no processo.
A mudança de perspectiva importa porque a tecnologia mudou. Ferramentas que exigiam ciclos longos de produção, equipes especializadas e orçamentos de campanha estão mais rápidas e acessíveis.
Ao mesmo tempo, a pressão sobre o e-commerce não diminuiu: tráfego custa caro, a página de produto ainda precisa responder dúvidas básicas e a operação continua disputando prioridade com roadmap, campanhas, integrações e fechamento do mês.
“Inovação não é só inovação disruptiva ou futurista. É a inovação que leva a um resultado prático, olhando para o agora.”
Diego Santos, Head de Inovação Wake
É nesse ponto que o provador virtual se torna uma boa lente para discutir o tema. Ele não precisa ser visto como um recurso de entretenimento nem como uma promessa abstrata de “experiência”.
Em moda e beleza, sua função mais concreta é reduzir uma das maiores fricções da compra online: a incerteza.
Diego levanta uma questão familiar para qualquer liderança de e-commerce: o dia a dia consome o time. Quando uma tecnologia nasce com o rótulo de nice to have, ela entra numa fila longa.
Antes dela vêm o bug do checkout, a campanha, o cadastro de catálogo, o carregamento da PDP, a régua de CRM e dezenas de outras demandas.
O problema é que o gatilho para revisitar a inovação costuma vir de fora. O concorrente lança primeiro. O board pergunta. Um investidor cobra. A categoria começa a mudar. Nesse momento, o que era opcional vira urgência e a empresa tenta comprimir aprendizado, integração e mensuração num projeto de prazo curto.
Há também um viés de execução linear: primeiro otimizar todas as fotos, depois todas as descrições, depois toda a performance do site e só então testar algo imersivo.
Essa sequência fazia mais sentido quando experimentar 3D ou IA exigia uma transformação pesada. Hoje, em muitos contextos, dá para testar em paralelo.
A pergunta deixa de ser “já terminamos tudo o que vem antes?” e passa a ser “onde está a maior incerteza ou oportunidade de impacto que conseguimos isolar e medir agora?”.
Ian relembra no episódio que modelagem 3D e realidades estendidas não são novidades. O gargalo histórico estava na produção e digitalização de ativos. Criar um modelo comercialmente utilizável podia demandar semanas. Em catálogos grandes, o custo operacional inviabilizava escala.
Com workflows de image-to-3D e outras automações apoiadas por IA, parte desse trabalho pode ser reduzida drasticamente.
A fala do episódio usa uma comparação ilustrativa: atividades que levavam semanas podem, em certos fluxos, cair para horas ou minutos, ainda que o acabamento e o controle de qualidade continuem exigindo intervenção.
Isso muda a conta do 3D. Para fabricantes, muitas vezes o ativo já existe em engenharia ou desenvolvimento de produto e pode ser preparado para o e-commerce. Para empresas que só possuem imagens, a geração a partir de fotos e a IA generativa abrem alternativas que não existiam com a mesma escala alguns anos atrás.
A tecnologia deixa, portanto, de ser uma discussão sobre espetáculo visual e entra em temas de negócio: velocidade de implementação, cobertura de catálogo, custo por ativo, experiência da PDP e capacidade de testar retorno.
“A maior barreira para a adoção escalável do 3D era a digitalização. Hoje, com image-to-3D, o que demorava muito pode ser reduzido de forma exponencial.”
Ian Borges, Co-founder & CEO metaKosmos
O principal argumento de Ian durante a conversa é simples: o e-commerce perde vendas quando o cliente não consegue resolver uma dúvida importante antes do checkout.
Em uma loja física, ele pode tocar, experimentar, comparar cor, avaliar proporção e pedir ajuda. Online, boa parte dessa segurança precisa ser reconstruída pela interface.
“É isso que a gente faz: elimina dúvida durante a compra online.”
Ian Borges, Co-founder & CEO metaKosmos
O provador virtual atua exatamente nesse espaço. Em vez de apenas apresentar uma foto melhor, ele tenta responder perguntas que têm relação direta com decisão: “essa roupa vai ficar boa em mim?”, “qual tamanho devo escolher?”, “esse tom combina com a minha pele?”, “como esse óculos fica no meu rosto?”, “essas peças funcionam juntas?”.
É importante separar tecnologias que às vezes aparecem agrupadas sob o mesmo rótulo:
O ponto editorial não é qual dessas tecnologias é mais sofisticada. É qual incerteza de compra ela resolve e como essa redução de incerteza será medida.
No e-commerce de moda, a página de produto oferece normalmente uma modelo, algumas fotos e informações técnicas.
O consumidor precisa traduzir tudo isso mentalmente para o próprio corpo. O provador virtual com IA encurta essa distância ao permitir que a pessoa envie uma foto e veja uma representação do look nela.
Na conversa, Ian conecta essa experiência a caimento, recomendação de tamanho, personalização e confiança. O valor não está em prometer uma reprodução física perfeita em qualquer situação, e sim em dar ao consumidor uma camada adicional de informação visual que a foto tradicional não entrega.
Em categorias com devolução elevada, esse tipo de informação também abre uma hipótese operacional relevante: se a compra for mais informada, pode haver espaço para reduzir trocas e devoluções associadas a expectativa de tamanho, caimento ou combinação. Esse efeito precisa ser comprovado em cada operação, e não presumido como universal.
A própria lógica de teste pode começar com poucos SKUs. Best sellers, itens da curva A, produtos com audiência alta e conversão baixa ou campeões de devolução são recortes mais úteis do que tentar digitalizar todo o catálogo de uma vez.
Em beleza, a conversa traz um exemplo particularmente didático: uma base pode existir em dezenas de tons. Na loja, a pessoa consegue testar algumas opções e contar com ajuda humana. No online, sem uma camada de experimentação, ela precisa inferir a cor a partir de fotos, nomes e descrições.
O provador virtual de maquiagem com realidade aumentada permite testar tons em tempo real pela câmera e comparar opções sem sair da jornada de compra.
Durante o episódio, Ian cita aplicações e projetos associados a marcas como Boca Rosa, Época Cosméticos, Natura e Mascavo como exemplos desse tipo de experiência.
A provocação é que o estágio de maturidade varia por categoria. Em determinados segmentos de beleza, provar cor virtualmente já está muito mais próximo de uma expectativa competitiva do que de uma novidade. Em moda, a curva ainda é mais heterogênea, o que cria simultaneamente risco de adoção e oportunidade de diferenciação.
Um dos raciocínios mais fortes do episódio parte da conversão. Ian usa a ordem de grandeza de 2% como referência para provocar uma pergunta: se a maior parte das pessoas que chegam à loja sai sem comprar, quanto valor existe em recuperar apenas uma pequena parcela dessa audiência já adquirida?
O objetivo não é imaginar que uma nova experiência converterá todos os visitantes. É entender o efeito marginal. Se uma PDP mais útil, personalizada ou imersiva recuperar uma fração dos usuários que hoje abandonam a jornada, o investimento pode melhorar a produtividade do tráfego que a empresa já compra.
Essa conta conecta provador virtual a CRO e aquisição. A empresa não está apenas pagando por uma feature; está testando se consegue extrair mais valor de CAC, mídia e audiência existentes. O efeito deve ser demonstrado por dados da própria operação.
A métrica certa pode ser conversão, add-to-cart, ticket, devolução ou vendas atribuídas. Em alguns casos, também faz sentido acompanhar taxa de abertura do provador, interação, quantidade de produtos testados e tempo de uso. O importante é ligar comportamento à consequência de negócio.
O caso Gregory ocupa um trecho relevante do Wakecast porque materializa a tese de inovação como processo. A implementação do provador virtual não começou com uma transformação integral do e-commerce. Segundo Ian, o mK Fashion+ começou com um escopo menor, avançou para cerca de 100 produtos e depois passou de 500, com expansão progressiva de cobertura e exploração de novas categorias.
No episódio, Ian afirma que a iniciativa registrou impacto de +66% em conversão nos primeiros meses.
Mais importante do que a magnitude do número é a dinâmica: a tecnologia entra em um recorte controlado; a marca observa a experiência e os dados; o time ganha confiança; a cobertura aumenta; e a conversa passa de “será que funciona?” para “onde mais faz sentido aplicar?”.
Esse é o modelo mental mais útil para inovação no e-commerce: teste → evidência → confiança → escala.
Outro exemplo discutido é a Fuel. A conversa usa o caso para mostrar como um produto pode ganhar uma camada 3D a partir de fotos e, em categorias adequadas, combinar exploração tridimensional com realidade aumentada.
O aprendizado aqui é operacional. Um catálogo com milhares de itens não precisa esperar uma digitalização total para iniciar. O provador virtual de óculos mK 3D Shop começou com os itens mais vendidos e lançamentos, e depois assumiu um ritmo mensal constante de novas digitalizações como processo.
A empresa pode priorizar best sellers, curva A ou categorias em que a visualização tem maior influência sobre a decisão. O roadmap de cobertura passa a seguir dados e prioridade comercial, não a ambição de “fazer tudo”.
Assim, o provador com realidade aumentada passou a aumentar conversões e reduzir devoluções ao passar mais segurança para os usuários durante a compra online influenciando mais de 100 mil reais nos primeiros meses.
Quando Diego menciona shooting, a conversa muda de conversão para operação. Ian descreve um problema conhecido por times de moda e beleza: a produção fotográfica acontece em janelas. Dependendo da marca, pode ser semanal, quinzenal, mensal ou mais espaçada.
Entre uma janela e outra, novos produtos chegam ao estoque ou ficam prontos para cadastro. Sem imagem publicável, eles não entram plenamente no e-commerce. Isso transforma produção de conteúdo em time-to-market: o produto existe, mas a venda espera.
A IA generativa abre um fluxo diferente. Em um cenário ideal, uma foto simples do produto pode iniciar uma sequência de produção: still padronizado → aplicação em modelo → variações de combinação → vídeo → ativos para PDP e campanha.
O ganho potencial não está apenas em custo de estúdio. Está em reduzir tempo entre disponibilidade de produto e disponibilidade de conteúdo, criar mais variações, testar mais combinações e diminuir a dependência de uma agenda fixa.
Este é um dos trechos mais úteis do episódio. Diego observa que já é fácil reconhecer quando um texto ou uma imagem tem “cara de IA”. Ian responde com a diferença entre conseguir gerar e conseguir publicar em escala.
Times internos já produzem resultados bons com ferramentas generativas. O problema aparece quando a operação precisa de consistência ao longo de centenas ou milhares de assets. A mesma peça deve preservar cor, textura, linguagem visual, direção de arte, iluminação, enquadramento e posicionamento de marca.
Por isso, o novo desafio não é simplesmente escrever um prompt melhor. É criar um sistema: referências aprovadas, direção criativa documentada, memória de marca, engenharia de prompts, guardrails, QA, validação humana e ciclos de feedback que tornem o output progressivamente mais previsível.
Em outras palavras: IA democratizou a geração. A vantagem empresarial está em transformar geração em processo confiável.
“Você vai dando feedback: isso sim, isso não. E cria muita volumetria, vai validando. Isso é perfeição para mim.”
Ian Borges, Co-founder & CEO metaKosmos
Se o custo caiu e o acesso melhorou, por que a adoção não acelera automaticamente? Diego e Ian passam boa parte do episódio respondendo a essa pergunta. A resposta não é falta de racionalidade. É gestão de risco.
As objeções são conhecidas:
Existe um paradoxo. Esperar benchmarks públicos reduz o risco percebido, mas também reduz a vantagem de aprender antes.
Quando a categoria inteira já adotou uma prática, o aprendizado deixa de ser diferencial e vira custo de entrada.
A saída não é apostar alto. É diminuir o tamanho da aposta e aumentar a qualidade do aprendizado.
“Começa pequeno, começa provando ROI. Tem que testar, mas com atenção: colocar métrica, acompanhar a jornada e trazer um olhar de negócio para o experimento.”
Ian Borges, Co-founder & CEO metaKosmos
A recomendação prática do episódio pode ser traduzida em um método simples. Um bom teste não começa pela compra da tecnologia. Começa por uma hipótese de negócio.
Um experimento de provador virtual ou experiência imersiva deveria responder, antes do go-live:
| Elemento | Pergunta que o teste precisa responder |
| Hipótese | Que comportamento esperamos mudar? Ex.: aumentar add-to-cart em SKUs de alta audiência e baixa conversão. |
| Recorte | Em quais produtos ou categorias o teste acontecerá? Best sellers, curva A, produtos com maior devolução ou lançamentos podem acelerar aprendizado. |
| Baseline | Qual é o desempenho atual do recorte antes da intervenção? |
| Controle | Quando viável, haverá grupo sem a experiência para comparação? |
| Métricas | Conversão, add-to-cart, interação com o provador, ticket médio, devolução, vendas atribuídas, tempo de interação e ROI. |
| Período | O episódio menciona ciclos de um a três meses como referência para experimentos com acompanhamento real. |
| Responsável | Quem acompanha o teste e garante que integração, tagging e leitura de dados aconteçam? |
| Critério de decisão | Qual resultado leva a escalar, iterar ou encerrar? |
Teste A/B é particularmente útil quando a operação consegue separar páginas ou sessões com e sem o recurso de forma comparável.
Ele reduz o risco de atribuir à tecnologia um efeito que pode ter vindo de campanha, sazonalidade, preço ou mudança de tráfego.
Também é importante evitar um erro citado na conversa: ativar a experiência, delegar para alguém “ver se funciona” e perguntar meses depois se valeu a pena. Sem baseline, instrumentação e critério de decisão, o teste produz opinião, não aprendizado.
A fala de Diego combate a ideia de que inovação precisa esperar o restante do e-commerce ficar “pronto”. A tecnologia atual permite experimentos paralelos e isolados.
O princípio mais útil é começar onde a incerteza ou a oportunidade de impacto é maior.
Essa abordagem substitui a pergunta “quando estaremos prontos?” por “qual teste controlado conseguimos absorver agora?”.
Ian recorre à curva de adoção para lembrar que tecnologias não amadurecem no mesmo ritmo em todos os segmentos. Alguns mercados estão na fase dos innovators e early adopters; outros já se aproximam do mainstream.
A pergunta relevante para uma liderança de e-commerce não é “o mercado inteiro já adotou?”, mas “em qual estágio a minha categoria está e qual é o custo de aprender depois?”.
Em beleza, por exemplo, prova virtual de cor já aparece como prática muito mais consolidada. Em outras frentes, ainda há espaço maior para diferenciação.
Na parte final da conversa, Diego conecta inovação à infraestrutura de e-commerce. Uma experiência pode ser tecnicamente possível e ainda assim morrer na fila se depender de desenvolvimento interno, cadastro paralelo ou uma integração longa.
É aqui que o papel da plataforma fica menos visível, mas mais importante. Arquitetura flexível, componentes, APIs, abordagens headless e integrações com parceiros reduzem o custo de experimentar.
O time deixa de perguntar “quem vai desenvolver isso?” e passa a discutir “qual hipótese queremos testar?”.
“A tecnologia está disponível. O desafio é mentalidade: fazer testes rápidos para validar onde funciona, em qual segmento e em qual categoria.”
Diego Santos, Head de Inovação Wake
Para a Wake, isso também explica o valor de um ecossistema curado. Em tecnologia emergente, selecionar fornecedor pode consumir quase tanto tempo quanto implementar. Uma plataforma que já conhece parceiros, integrações e requisitos reduz essa etapa e antecipa parte da diligência técnica.
A complementaridade discutida no episódio não está em simplesmente chamar duas empresas de “parceiras”. Ela aparece na combinação de papéis.
A Wake está próxima da infraestrutura e da operação do varejista: plataforma, arquitetura, front-end, APIs, integração e ecossistema.
A metaKosmos entra como camada especializada de Immersive Commerce, com provador virtual, provador de beleza com realidade aumentada, visualizadores 3D, experiências de produto e geração de conteúdo com IA.
Quando essas camadas já conseguem conversar, diminui a distância entre “seria interessante testar” e “está funcionando num recorte real, com dados”. A inovação deixa de exigir um novo projeto de integração para cada hipótese.
A lógica é direta: plataforma + camada especializada de Immersive Commerce + integração + experimentação + dados.
É essa combinação que transforma inovação de evento em processo.
A conversa avança então para uma fronteira que vai além do provador virtual. Redes sociais incorporaram compra, creators, vídeo e descoberta. O movimento inverso ainda é menos intenso: muitos e-commerces continuam estruturados em home, categoria, PDP e checkout, com pouca linguagem de descoberta social.
Diego resume a tensão em uma provocação: se o social está se tornando commerce, o commerce também precisa se tornar mais social. Ian cita referências como feeds shoppables, reviews com fotos, UGC, creators, filtros de realidade aumentada e experiências de Shop The Look.
O provador virtual pode funcionar como ponte. Uma experiência criada na PDP também pode alimentar compartilhamento, conteúdo de creator, filtros de AR e contextos de social selling. O valor deixa de ficar restrito ao momento do checkout e passa a circular por descoberta, prova social e relacionamento.
Um dos exemplos mais concretos do episódio aparece quando Ian imagina equipar vendedores e consultoras com as mesmas ferramentas de personalização do e-commerce. Em vez de enviar cinco fotos de catálogo pelo WhatsApp, o vendedor poderia enviar os cinco itens aplicados na foto da própria cliente.
Isso ainda deve ser tratado como hipótese de experiência, não como resultado comprovado. Mas a direção é relevante para operações que já vendem por CRM, WhatsApp, consultoras ou lojas físicas: a tecnologia de provador virtual deixa de ser apenas um componente da PDP e pode virar uma ferramenta de venda assistida.
As métricas possíveis também mudam: resposta à mensagem, clique, add-to-cart, ticket médio, conversão por vendedor e retenção podem ser conectados à experiência em uma jornada mais completa.
No fechamento, Ian amplia a discussão para duas transições que se encontram.
De um lado, uma internet mais imersiva e espacial, com 3D, realidade aumentada e novos dispositivos.
De outro, uma internet mais conversacional e agêntica, na qual assistentes e agentes de IA passam a mediar pesquisa, comparação e decisão.
Para o varejista, a consequência prática hoje não é redesenhar todo o negócio para um futuro hipotético. É começar a organizar ativos, integrações e dados de forma que possam ser reutilizados em novas interfaces. Um catálogo mais rico, estruturado e visual serve melhor à pessoa que compra agora e tende a estar mais preparado para novas camadas de interação.
“Seja humilde e aprenda o máximo que puder, o mais rápido que conseguir. Teste com os recursos que pode dedicar agora e acumule ciclos de aprendizado.”
Ian Borges, Co-founder & CEO metaKosmos
O maior risco de um experimento bem desenhado não é descobrir que uma tecnologia ainda não funciona para determinado contexto. Nesse caso, a empresa compra uma resposta por um custo controlado.
O risco mais difícil de recuperar é esperar a prática virar padrão para só então começar a aprender.
Quando o benchmark fica abundante, a vantagem de pioneirismo diminui; mas integração, dados, conhecimento de categoria e capacidade de executar continuam exigindo tempo.
A recomendação do WakeCast não é transformar todo o e-commerce de uma vez. É começar com um problema claro, um recorte controlado, uma métrica definida e uma infraestrutura que reduza o custo de experimentar.
É nesse contexto que a combinação entre a plataforma da Wake e a camada especializada da metaKosmos faz sentido: menos fricção para colocar hipóteses em produção, medir o que acontece e decidir com dados se vale iterar, escalar ou parar.
Inovação deixa de ser um projeto quando a empresa não precisa mais esperar uma grande iniciativa para aprender. Ela passa a testar continuamente, preservar o que funciona e transformar evidência em processo.
Provador virtual é uma tecnologia que permite visualizar digitalmente um produto no corpo, no rosto ou na imagem do consumidor antes da compra. Dependendo da categoria, pode usar realidade aumentada em tempo real, IA generativa a partir de uma foto ou uma combinação com recomendação de tamanho. O objetivo é reduzir incerteza e melhorar a qualidade da decisão de compra online.
Em moda, um provador virtual com IA pode receber uma foto do usuário e gerar uma visualização da peça ou do look aplicado naquela imagem. A experiência pode ser enriquecida com recomendação de tamanho, combinações de produtos e geração de novos conteúdos. A qualidade depende do modelo, dos dados, do workflow e do controle de consistência do produto.
A realidade aumentada costuma operar em tempo real pela câmera, acompanhando movimentos do rosto, mãos ou outras regiões. É muito usada em maquiagem, óculos, joias e acessórios. O provador virtual com IA generativa normalmente trabalha a partir de uma imagem e cria uma nova visualização do produto aplicado na pessoa. As duas abordagens podem coexistir.
Pode aumentar, mas o efeito deve ser comprovado no contexto de cada operação. O provador virtual busca reduzir dúvidas que travam a decisão, o que cria uma hipótese de impacto sobre conversão e add-to-cart. A forma mais robusta de medir causalidade é um experimento controlado, idealmente com teste A/B quando aplicável.
Existe uma hipótese clara em categorias nas quais devoluções estão ligadas a tamanho, caimento, cor ou expectativa visual. Quanto melhor a informação antes da compra, maior a chance de reduzir compras desalinhadas. O impacto deve ser medido por SKU ou categoria, comparando períodos ou grupos equivalentes.
Comece pelo problema e pelo recorte. Escolha uma categoria ou conjunto de SKUs, defina hipótese e métricas, valide requisitos de integração, instrumente os eventos e rode um ciclo controlado. Integrações prontas entre plataforma e fornecedor reduzem esforço técnico e aceleram o teste.
Não. O episódio defende justamente o contrário. Best sellers, curva A, produtos com maior devolução ou SKUs com muita audiência e baixa conversão são bons candidatos para um primeiro experimento. A cobertura pode crescer depois, com base nos dados.
Combine custo total do teste com impacto incremental em indicadores de negócio. Conversão, add-to-cart, ticket médio, devolução e vendas atribuídas são métricas centrais. Também vale acompanhar abertura do provador, interação e produtos testados. Quando possível, use teste A/B e projete o resultado observado para a cobertura que faria sentido escalar.
A metaKosmos é uma empresa brasileira líder em Immersive Commerce no Brasil, especializada em soluções SaaS com inteligência artificial, 3D, realidade aumentada e CGI para o varejo digital. A empresa ajuda grandes marcas a transformar páginas estáticas de produto em experiências interativas, reduzindo dúvidas na jornada de compra e aumentando confiança, conversão e encantamento. Seu portfólio inclui provadores virtuais para moda e beleza, visualizadores 3D com AR, experiências phygital e conteúdos de alto impacto com IA e CGI. Com mais de 100 clientes ativos e NPS de 98/100, a mK atende marcas como L’Oréal, Natura, Osklen, Hering, Boca Rosa, Marisa, GM e Magalu, entre outras. A empresa foi fundada por Ian Borges, co-fundador e CEO, com o propósito de espalhar mais ‘WooWs’ pelo mundo e ajudando marcas a encantarem suas audiências nessa nova era imersiva e conversacional do e-commerce. Já é uma parceira integrada nativamente ao ecossistema da Wake.
O consumidor já não separa experiência física e digital durante a jornada de compra. Ele pesquisa no celular,...
Continue lendo
Saiba o que os consumidores estão esperando da data e prepare sua estratégia para vender mais
Continue lendo
Confira os destaques do terceiro dia do evento global
Continue lendo
