FIAP × Natura · Iara
Case 04 · FIAP × Natura › Iara

Antes do ChatGPT.
Existia a Iara.

Projeto acadêmico de 2017 com IBM Watson e catálogo Natura para validação. A reconstrução demonstra 3 canais; WhatsApp via Twilio e o SDK 2018 são atualizações posteriores, não capacidades atribuídas ao MVP de 2017.

Sticker Jen
🎓 Este case documenta um projeto acadêmico desenvolvido na FIAP Startup One (2017). O catálogo de produtos foi fornecido pela Natura exclusivamente para fins de validação do protótipo, após contato espontâneo da empresa. Trata-se de um MVP apresentado a executivos, não de um produto em operação comercial.
3
canais demonstrados na reconstrução · não todos no MVP de 2017
96%
confiança do Watson VR na classificação do tipo de cabelo dominante
2017
projeto acadêmico desenvolvido no FIAP Startup One

Beleza de prateleira, em 2017

O projeto investigou como oferecer uma recomendação de beleza baseada em uma foto e nas preferências informadas pela pessoa, em vez de depender apenas de uma seleção genérica de produtos.

Consultoras de loja conheciam o cliente de vista. Online, esse conhecimento desaparecia completamente: o e-commerce vendia o mesmo produto para todo mundo da mesma forma.

A hipótese: e se o chatbot pudesse receber uma foto, analisar os traços da pessoa e recomendar o produto certo do catálogo real da Natura: no canal onde ela já estava?

Foto → Watson → Natura

1. Visual Recognition: a usuária enviava uma foto. Watson VR classificava: tipo de cabelo (crespo, cacheado, ondulado, liso), tom de pele, faixa etária. 96% de confiança no atributo dominante.

2. NLU conversacional: Watson Conversation gerenciava o diálogo em PT-BR: intenção de compra, localização de loja, histórico. Contexto persistido entre turnos da conversa.

3. Multi-canal: a arquitetura de referência normaliza mensagens em Node-RED. A reconstrução inclui Messenger, Telegram e WhatsApp via Twilio; este último é uma extensão posterior a 2017, não uma integração original confirmada.

Watson Visual Recognition Watson Conversation Node-RED IBM Bluemix Node.js Facebook Messenger API Twilio (WhatsApp) Telegram Bot API JSON Catalog

🌿 Iara: Consultora Virtual de Beleza Natura

6 telas completas e navegáveis: do onboarding à análise de foto com Watson VR, recomendação personalizada e localização de consultora com o catálogo real da Natura.

🌿 Abrir chatbot interativo → 🔀 Ver fluxo Node-RED →
01 Boas-vindas: Iara se apresenta, pede nome e preferência
02 Foto: usuária envia selfie para análise de tipo de cabelo
03 Análise Watson VR: crespo, pele média, faixa 25 a 35
04 Catálogo: top 3 produtos Natura recomendados com imagem
05 Loja: localização da consultora Natura mais próxima
06 Encerramento: confirmação e oferta de nova consulta

Arquitetura de referência · reconstrução do projeto Iara

Iara: Chatbot de Beleza Natura · Arquitetura MVP 2017 clique nos blocos · reconstrução com extensões posteriores FacebookMessenger API WhatsAppTwilio · pós-2017 TelegramBot API Node-REDOrquestração multi-canal · roteamento foto vs. texto Watson Visual RecognitionFoto · cabelo · pele · faixa etária Watson ConversationNLU · diálogo · intenções em PT-BR Recommendation EngineMatch perfil visual × catálogo Natura Products DBJSON catálogo · linhas · benefícios Response FormatterCards de produtos · resposta personalizada · multi-canal IBM Bluemix · Node-RED · Watson · referência reconstruída
Como funciona cada camada
📸
Watson Visual Recognition
Modelo CNN treinado para classificar atributos visuais em fotos. Classifier customizado natura_hair_v2 detectava tipo de cabelo (crespo, cacheado, ondulado, liso) e tom de pele em 6 categorias calibradas para o mercado brasileiro. 96% de confiança no atributo dominante.
🔀
Node-RED · IBM Bluemix
Ferramenta de programação visual baseada em fluxos Node.js. Orquestrava o roteamento: mensagens com foto iam para Watson VR, textos iam para Watson Conversation. Rodava no IBM Bluemix (hoje IBM Cloud) com deploy automático via Git.
🧠
Watson Conversation
Motor de NLU que classificava intenções em PT-BR: recomendação de produto, localização de loja, dúvida sobre produto. Contexto de conversa persistido entre turnos, permitindo diálogos multi-etapa sem perder o histórico da sessão.
🎯
Recommendation Engine
Match perfil visual (tipo de cabelo + tom de pele + faixa etária) contra catálogo JSON da Natura (~400 produtos). Score de relevância ponderado por confiança do Watson VR. Retornava top 3 produtos com imagem, descrição e link de compra.
📡
Multi-canal · 3 APIs
Na reconstrução, um middleware converte os webhooks dos 3 canais para um schema comum. WhatsApp/Twilio é uma extensão posterior ao MVP de 2017. As respostas são adaptadas a cada canal.
🌿
Catálogo Natura
A Natura forneceu o catálogo completo em JSON após o pitch no FIAP Startup One. Campos: nome, linha (Ekos, Chronos, Plant...), tipo de cabelo indicado, tom de pele, benefícios, faixa etária. O engine fazia lookup e retornava recomendações com imagem real.

Fluxo Node-RED · pipeline em tempo real

Simule o roteamento de mensagens no IBM Bluemix: clique em Injetar: Foto ou Injetar: Texto para ver o fluxo Watson VR / Watson Conversation em ação.

Abrir fluxo em página inteira ↗

Código: pipeline principal

Node-RED function node: roteamento foto vs. texto (Node.js)
// Node-RED: function node: roteamento de mensagem entrada
// Reconstrução: canais de exemplo; WhatsApp/Twilio é posterior a 2017

if (msg.payload.message && msg.payload.message.attachments) {
    var att = msg.payload.message.attachments[0];
    if (att.type === 'image') {
        msg.imageUrl = att.payload.url;
        return [msg, null]; // output 1 → Watson Visual Recognition
    }
}

// Mensagem de texto → Watson Conversation (NLU)
msg.text = msg.payload.message
    ? msg.payload.message.text
    : msg.payload.text;

return [null, msg]; // output 2 → NLU + diálogo
Watson Visual Recognition: classificação de foto (Node.js · SDK 2018 · atualização posterior)
const VisualRecognitionV3 = require('watson-developer-cloud/visual-recognition/v3');
const vr = new VisualRecognitionV3({
    version: '2018-03-19',
    iam_apikey: process.env.WVR_API_KEY
});

vr.classify({
    url: msg.imageUrl,
    classifier_ids: ['natura_hair_v2', 'skin_tone_classifier', 'default'],
    threshold: 0.6
}, function(err, response) {
    // Flatten classifiers e sort por score desc
    const classes = response.images[0].classifiers
        .reduce((acc, c) => acc.concat(c.classes), [])
        .sort((a, b) => b.score - a.score);

    // ex: [{class:'curly_hair', score:0.96}, {class:'skin_medium', score:0.91}]
    msg.profile = {
        hairType:   classes.find(c => c.class.includes('hair'))?.class || 'all',
        skinTone:   classes.find(c => c.class.includes('skin'))?.class || 'all',
        confidence: classes[0]?.score || 0
    };
    node.send([msg, null]); // → recommendation engine
});
Watson Conversation: NLU em PT-BR (Node.js · SDK 2017)
const ConversationV1 = require('watson-developer-cloud/conversation/v1');
const conv = new ConversationV1({
    username: process.env.WC_USERNAME,
    password: process.env.WC_PASSWORD,
    version_date: '2017-05-26'
});

conv.message({
    workspace_id: process.env.WC_WORKSPACE_ID,
    input: { text: msg.text },
    context: msg.session ? msg.session.context : {} // estado de conversa
}, function(err, response) {
    const intent = response.intents.length > 0
        ? response.intents[0].intent    // 'product_recommendation' | 'store_locator'
        : 'unknown';

    msg.intent  = intent;
    msg.reply   = response.output.text[0];
    msg.session = { context: response.context }; // persiste para próximo turno
    node.send(msg);
});
Recommendation Engine: match perfil visual × catálogo Natura (Node.js)
// Match perfil visual do Watson VR × catálogo JSON da Natura
function recommend(profile, catalog) {
    const WEIGHTS = {
        hairMatch: 0.6, // tipo de cabelo é o sinal mais forte
        skinMatch: 0.3, // tom de pele é secundário
        ageMatch:  0.1  // faixa etária é desempate
    };

    return catalog
        .filter(product => {
            const hairOk = product.hair_types.includes(profile.hairType)
                || product.hair_types.includes('all');
            const skinOk = product.skin_tones.length === 0
                || product.skin_tones.includes(profile.skinTone);
            return hairOk && skinOk;
        })
        .map(p => ({
            ...p,
            relevance: WEIGHTS.hairMatch * profile.confidence
                + WEIGHTS.skinMatch * (profile.skinTone !== 'all' ? 0.9 : 0.5)
                + WEIGHTS.ageMatch  * (p.age_target === profile.ageGroup ? 1 : 0.5)
        }))
        .sort((a, b) => b.relevance - a.relevance)
        .slice(0, 3); // Top 3 recomendações do catálogo Natura
}

Dúvidas técnicas frequentes

Como o Watson VR classificava o tipo de cabelo?

O Watson Visual Recognition usava CNNs treinadas para classificar atributos visuais. Treinamos um classifier customizado natura_hair_v2 com exemplos de cabelo liso, ondulado, cacheado e crespo, calibrado para o perfil étnico brasileiro. O resultado era uma lista de classes com score de confiança (ex: curly_hair: 0.96). O pipeline pegava o atributo com maior score e usava como chave de lookup no catálogo Natura.

Como o Node-RED roteava foto vs. texto?

O Node-RED é uma ferramenta de programação visual baseada em fluxos Node.js da IBM. Cada mensagem chegava via webhook normalizado: o function node verificava se havia message.attachments (foto) ou message.text (texto) e roteava para outputs diferentes. Fotos iam para Watson VR; textos iam para Watson Conversation. O fluxo visual era fácil de apresentar no pitch: executivos conseguiam entender o fluxo olhando para o diagrama.

Como integravam 3 canais num único backend?

Cada canal tem seu formato de webhook. O exemplo normaliza mensagens em {channel, user_id, text, attachments, timestamp} e adapta a resposta à plataforma. O WhatsApp via Twilio foi lançado em 2018: aqui é uma extensão demonstrativa posterior, não uma entrega atribuída ao projeto de 2017.

O que era o IBM Bluemix e por que o escolheram?

O IBM Bluemix era a plataforma de cloud da IBM (hoje IBM Cloud). Em 2017, era a opção mais natural para integrar Watson APIs: todos os serviços tinham SDKs Node.js primeiro-classe e o free tier para projetos acadêmicos era generoso. O Node-RED rodava como app Cloud Foundry no Bluemix. A escolha também facilitou o pitch para a Natura: stack 100% gerenciada, sem servidor para manter, escalável via IBM.

Como a Natura forneceu o catálogo e o que ele continha?

Após o pitch final do FIAP Startup One, a Natura entrou em contato espontaneamente e nos forneceu um dump do catálogo completo em JSON: com nome do produto, linha (Ekos, Chronos, Plant...), tipo de cabelo indicado, tom de pele recomendado, benefícios, faixa etária e imagens. Cerca de ~400 produtos. Integramos como arquivo JSON estático no Node.js. O recommendation engine fazia lookup por tipo de cabelo e tom de pele e retornava o top 3 com imagem real do produto, descrição e link de compra no site Natura.

Contato

Vamos conversar.

Me chama pelo canal que preferir. Eu mesma respondo.

Jen chibi
Jen
Jen.AI
online agora
Oi! Sou a Jen.AI 🌿 Pode me perguntar sobre Watson VR, Node-RED, a integração com a Natura ou o projeto FIAP. O que quiser saber?
Paleta
Tipografia
Movimento
🏠 Início Conquistas Competências Serviços Contato
Ada Lovelace
✶ Quem me inspira
Ada Lovelace
Sua lição: tenha visão de futuro e olhe além do óbvio. Escreveu o primeiro algoritmo da história.
Grace Hopper
✶ Quem me inspira
Grace Hopper
Sua lição: simplifique o complexo e torne o conhecimento acessível. Criou o primeiro compilador.
Joan Clarke
✶ Quem me inspira
Joan Clarke
Sua lição: talento não tem gênero. Decifrou comunicações nazistas com Alan Turing na 2ª Guerra.
Mulheres do ENIAC
✶ Quem me inspira
Mulheres do ENIAC
Sua lição: em 1945, seis mulheres programaram o primeiro computador eletrônico de grande escala da história.