dados

por

Data Driven Marketing

Recentemente tive o privilégio de participar como um dos autores do livro “Trends MKT na Era Digital: o Futuro do Marketing“, com o capítulo 4 sobre Data Driven Marketing, organizado por Martha Grabriel, Rafael Kiso e Luciano Kalil. E ainda este mês aceitei o convite da minha amiga Martha para ministrar uma palestra sobre este tema no evento Digitalks Executive que aconteceu presencialmente no auditório da Unibes Cultural em São Paulo e que foi simultaneamente transmitido online, aberto para todos os interessados. Neste post quero fornecer alguns insigths introdutórios esperando contribuir com todos os que estudam ou praticam marketing digital em agências e em empresas.

Introdução

Em 2021 dos quase 20 bilhões foram investidos em publicidade no Brasil pelas grandes agências, 33,5% foram em mídias digitais. Percentual maior que os 26,7% de 2020. Ou seja, o marketing digital cresceu consideravelmente desde seu início de atuação, quando muitas destas agências quase não acreditavam no seu poder.

A evolução do marketing digital

Esta linha do tempo que segue, mostra claramente a evolução do marketing digital e tecnologias relacionadas, ele acompanhou a mudança do comportamento do consumidor e sua relação com as mídias e as marcas. A realidade é que a concorrência aumentou, o consumidor ficou mais exigente e o marketing precisou evoluir para atendê-lo melhor em sua jornada e experiência de consumo.

A evolução dos sistemas de marketing

A partir de 2003 (nos estados unidos e poucos anos depois por outros países, que incluem o Brasil), o marketing digital começou com o envio de e-mails e SMS em lote.

A partir de 2007 surgiram os canais digitais, ou seja, a Web, seguido das Mídias sociais e Mobile, cujo foco do marketing era a personalização.

Em 2010 iniciou uma visão unificada mapeando a jornada do cliente com foco numa análise preditiva, ou seja, mais orientada a dados.

A partir de 2013 a experiência do cliente ganhou relevância, com uma visão omnicanal, buscando maior interação com o cliente.

E de 2016 para cá a orientação a dados, junto com a inteligência artificial possibilitou um engajamento em tempo real, com chatbots, notificações via Apps e outros recursos que permitiram um marketing mais ágil e iterativo, com melhor relação causa-efeito, ROI mais preciso, menos desperdício de chumbo nas campanhas, e como consequência clientes mais satisfeitos e engajados.

O diagrama que segue mostra esta evolução.

Mas afinal o que é data driven marketing?

Data Driven Marketing (DDM), ou Marketing orientado a dados, consiste no uso de estratégias e táticas de marketing, obtidos a partir de insights baseados em grande volume e/ou variedade de dados de consumidores e do mercado, coletados a partir de diversas origens e formatos e analisados apropriadamente via algoritmos adequados.

O desafio de alta complexidade do data driven aos profissionais de marketing tem o potencial incrível de: alcançar o usuário certo, na hora certa, com a mensagem certa, no lugar certo e motivá-lo para uma ação adequada.

Além disso, o DDM fornece ao gestor melhor atribuição de causa-efeito dos resultados das campanhas publicitárias.

A distância entre o desejo e a capacidade de ter um DDM

Uma pesquisa recente da Leap (KPMG & Distrito) aponta que 98% dos executivos brasileiros consideram o uso de dados uma ferramenta essencial para o setor de marketing de crescimento.

Porém vemos que ainda há uma lacuna entre desejo e capacidade, pois ao consultar nas estatísticas de registro.br o número de domínios Internet registrados até 21 de junho de 2022 no Brasil, obtivemos 4.965.192 (aproximadamente 5 milhões). Por outro lado, ao consultar o número de sites que tem o google analytics instalado e operante nesta mesma data, obtivemos apenas 847.681 sites (menos de 1 milhão), ou seja, temos apenas aproximadamente 17% das organizações brasileiras com domínio registrado usando o Google Analytics atualmente. Usou-se o Google Analytis para comparação por saber-se que se trata de uma ferramenta básica, utilizada pela maioria dos profissionais de marketing digital que acompanham as estatísticas (métricas) de acesso e uso dos sites que acompanham. Comparações similares poderiam ser feitas com ferramentas focadas em análises de perfis de mídia social e mobile das empresas.

Além disso, temos uma diferença crescente no tempo entre a coleta de dados e o entendimento sobre eles nas organizações. Nos dois gráficos da imagem que segue, podemos ver claramente esta diferenças. A esquerda vemos uma grande lacuna, cada vez maior na linha do tempo em empresas típicas, e a direita vemos que organizações orientadas a dados e IA, com maior entendimento e por consequência maior e melhor uso dos dados em suas decisões organizacionais.

Marketing tradicional versus orientado a dados

Nas empresas tradicionais os poucos critérios de segmentação usados, geralmente demográficos, são selecionados pelos gestores com base em opinião e dados superficiais.

Em DDM, os critérios de segmentação são muitos, derivados de inteligência baseada em dados, podendo ser qualquer comportamento, característica ou interação, desde que indique um segmento com semelhanças comportamentais específicas e seja preditivo nos resultados. A classificação e priorização dos clientes ocorre em tempo real.

As diferenças podem ser melhor vistas nas linhas e colunas da tabela que segue.

Benefícios e desafios do DDM

Entre os benefícios destaca-se:

  1. Personalização (melhores campanhas e CX)
  2. Clareza (mais e melhores dados e entendimento sobre os clientes)
  3. Experiência do cliente
  4. Experiência multicanal (facilitada pela integração dos dados dos canais)
  5. Integração com vendas e TI (colaboração)
  6. Desenvolvimento de produto (entendendo melhor o cliente e suas necessidades)
  7. Facilitação de testes A/B

E como desafios destaca-se:

  1. Equipe (mentalidade e habilidades data driven, treinamento no uso de plataformas e ferramentas, conexão com cientistas e engenheiros de dados, …)
  2. Compromisso (de todo o pessoal de Marketing em todos os níveis)
  3. Integração (dados integrados de alta qualidade)
  4. Disponibilidade de Dados (nem sempre facilmente acessíveis, principalmente em B2B)
  5. Ferramentas e Plataformas adequadas

Aplicações de IA de uso no marketing

Dados são fundamentais para aplicações que se utilizam de algoritmos de aprendizado de máquina (machine learning), aprendizado profundo (deep learning) e outros facilitadores da inteligência artificial (IA) treinados para gerar modelos que são testados. Estes modelos permitem que as aplicações processem novos dados realizando classificações, agrupamentos, predições, etc. Segue uma lista das aplicações mais comuns de DDM que se utilizam da IA no marketing:

  • Chatbots para desenvolvimento de leads, suporte ao cliente e venda cruzada ou upselling.
  • Análise e encaminhamento de chamadas de entrada (inbound call).
  • Comentários do cliente e análise, classificação e resposta de e-mail.
  • Automação de campanha de marketing (incluindo e-mails, geração de página de destino e segmentação de clientes).
  • Análise do mix de marketing.
  • Merchandising de produtos on-line.
  • Precificação
  • Recomendações de produtos ou serviços e ofertas altamente personalizadas.
  • Compra de anúncios digitais programáticos.
  • Pontuação de leads de vendas.
  • Planejamento, compra e execução em mídia social.
  • Análise de sentimento na mídia social.
  • Posicionamento de anúncio de televisão (parcial).
  • Geração de narrativa de análise da web.
  • Operação e otimização do site (incluindo testes A/B e outros).

Considerações finais

O marketing tradicional evoluiu para incluir o digital e ampliar os canais para atender os usuários, clientes e consumidores de forma mais interativa e personalizada. O marketing digital evoluiu para orientado a dados, incluindo as estratégias, técnicas, plataformas e ferramentas, além é claro de pessoas habilitadas para fazer o trabalho com mais agilidade, precisão e métricas. Isso permitiu aos gestores de marketing gerenciarem melhor e explicarem melhor os resultados mais bem sucedidos obtidos em suas campanhas publicitarias. Para conseguir isso é preciso criar uma cultura corporativa e mentalidade de gestão orientada a dados.

Autor

Nei Grando – diretor executivo da STRATEGIUS, é consultor e palestrante em estratégia, inovação, transformação digital, organizações exponenciais e cidades inteligentes; pesquisador em inteligência artificial; conselheiro de empresas e mentor de startups. Autor do blog neigrando.com – Mestre em ciências pela FEA-USP, graduado em TI pela UEM, com MBA em Administração pela FGV e cursos de extensão em Estratégia e Gestão do Conhecimento (FGV) e Inovação e Redes Sociais (ESPM). Teve duas empresas de software e soluções de TI, onde conduziu o desenvolvimento de portais e plataformas digitais de negócios, internet-banking, home broker, CRM, GED, GC e outros. É o organizador e um dos autores do livro “Empreendedorismo inovador”, e autor em outros três. Como professor, ministrou as disciplinas de “Strategic Thinking” e “Planejamento Estratégico” em curso MBA da FIAP, “Intelligence Driven Decision” e “Fundamentos de Inteligência Artificial” em curso MBA da ESPM e como prof. convidado, no curso “Laboratório de Startups” do CIC-ESPM. .

Referências

  • Capítulo 4 do livro “Trends MKT na Era Digital: o Futuro do Marketing“.
  • Estudos do autor para a disciplina Fundamentos de Inteligência Artificial da ESPM.
  • Estudos do autor para a palestra ministrada no evento Digitalks Executive.

Artigos relacionados

por

PMEs deveriam pensar mais sobre DADOS

As empresas que tomam suas decisões baseadas em dados são, em média, 5% mais produtivas e 6% mais lucrativas do que seus concorrentes.

Muito se tem falado sobre a quarta revolução industrial e todas as tecnologias que dela emanam, tais como: inteligência artificial, internet das coisas, automação de processos por meio da robótica, big data, entre tantas outras.

Mas na hora de lançar essas tecnologias para Pequenas e Médias Empresas (PMEs), o processo se complica, por isso muitas empresas preferem deixar essas tecnologias de lado sem ver os grandes benefícios que elas podem oferecer.

É pelo exposto que este artigo tem como objetivo mostrar os benefícios que a Ciência de Dados oferece quando faz parte dos processos das empresas, especificamente nas PMEs.

Descrevendo ciência de dados

A ciência de dados é bastante simples, sem ser trivial. Para os cientistas de dados, é a “arte” de combinar, calcular e relatar conhecimento de diferentes fontes e entradas de dados.

Uma empresa com muitos dados pode usar a ciência de dados como uma pequena “mágica” para ajudar a reunir informações e permitir que a tomada de decisões de negócios mais inteligentes e aproveitar ao máximo todos os seus recursos disponíveis.

Data Science é mais do que mágica, é uma ferramenta muito poderosa que acaba se revelando extremamente valiosa para empresas de todos os tipos e portes, pelo simples fato de gerar uma vantagem competitiva sobre as demais.

Empresas em todos os setores podem se beneficiar dos dados de várias maneiras, com análises adequadas que permitem que você se destaque da concorrência. Dos exemplos mais conhecidos estão as empresas de comércio eletrônico, que utilizam os dados para avaliar cuidadosamente o comportamento de navegação de seus usuários, para entender melhor os compradores, seus hábitos e necessidades.

Além disso, essas práticas podem ser usadas para detectar erros potenciais antes que eles ocorram, ou para prevenir fraudes, especialmente no setor financeiro. Portanto, fazendo bom uso dessas informações (dados), as empresas podem maximizar seus lucros.

Por que implementar ciência de dados nas PMEs?

Um estudo do Massachusetts Institute of Technology (MIT) revela que as empresas que tomam decisões com base em dados são, em média, 5% mais produtivas e 6% mais lucrativas do que seus concorrentes.

Portanto, as PMEs precisam estar na vanguarda para enfrentar os desafios que se colocam num mundo cada vez mais complexo e competitivo.

Antes de falar dos benefícios que a Data Science oferece às empresas, é muito importante que elas façam uma análise estratégica para identificar qual é a finalidade dos dados, acompanhada da formulação de um plano e objetivos de longo prazo.

Aqui estão quatro razões pelas quais todas as PMEs devem começar a implementar ciência de dados em seus negócios:

1. Tomar decisões de negócios mais inteligentes e informadas

Ao controlar, visualizar e compreender melhor os dados de negócios, você ajudará a tomar melhores decisões INFORMADAS sobre o futuro de seus negócios. Por meio do conhecimento dos dados, você pode identificar as principais áreas para melhorias de produtividade, crescimento do mercado ou vantagens competitivas.

2. Obter uma vantagem competitiva sobre a concorrência

Um aspecto importante nas pequenas e médias empresas que buscam soluções de dados é que passam a pensar como uma empresa baseada em dados e dessa forma passam a ganhar vantagens sobre seus concorrentes.

3. A ciência de dados economiza tempo e custos!

A ciência de dados não requer um investimento de um milhão de dólares que é impossível para as pequenas e médias empresas. O que podemos dizer é: a ciência de dados é um detector chave de oportunidades de redução de custos porque pode identificar onde há perda de receita e geração de despesas, oportunidades de melhoria do fluxo de trabalho ou identificar quais produtos e serviços geram uma despesa para a empresa em vez de gerar lucro.

4. É uma oportunidade de digitalizar os dados e limpar os arquivos

Você não precisa ter todas as plataformas e integrações para que a ciência de dados funcione. Preparar e configurar os dados da empresa é algo que um fornecedor / consultor pode fazer ao procurar implementar a solução de dados certa para você. Mas o que vale mesmo é ter em digital todo o backup das informações que por muito tempo ficaram armazenadas em arquivos e que também as empresas podem acessar suas informações de qualquer lugar do mundo, bem como visualizá-las e manipulá-las em tempo real.

Por fim, concluímos que é o momento em que as PMEs devem passar a ver os dados como seu grande aliado e um dos principais motores de crescimento do seu negócio, até porque as vantagens obtidas impactam todas as áreas da empresa gerando um benefício que pode diferenciar a resiliência. capacidade das empresas diante de novos desafios como os que o COVID-19 apresentou, sem deixar de lado a seguinte frase de Jhon Owen: “Dados são o que você precisa para fazer a análise. Informação é o que você precisa para fazer negócios.”

Ponto final – uma pitada adicional sobre Dados no século 21

“Dizem que dado é o ouro deste século, eu acrescento que dado é como areia, que contém pepitas de ouro e pedras preciosas escondidos. Assim, para extrair tal riqueza é preciso minerar, selecionar, tratar, e por fim “lapidar” os dados para poder gerar informação e conhecimento à tomada de decisão sábia.”

Business intelligence (BI) combina análise de negócios, mineração de dados, visualização de dados, ferramentas e infraestrutura de dados e melhores práticas para ajudar as organizações a tomarem mais decisões baseadas em dados. Na prática, você sabe que tem inteligência de negócios moderna quando tem uma visão abrangente dos dados de sua organização e usa esses dados para impulsionar mudanças, eliminar ineficiências e se adaptar rapidamente às mudanças de mercado ou de fornecimento.

Os engenheiros de dados são solucionadores de problemas curiosos e habilidosos que amam os dados e a construção de coisas úteis para outras pessoas. De qualquer forma, os engenheiros de dados, juntamente com os cientistas de dados e analistas de negócios, fazem parte do esforço da equipe que transforma os dados brutos de forma a fornecer às suas empresas uma vantagem competitiva.

Os cientistas de dados estão envolvidos em uma interação constante com a infraestrutura de dados que é construída e mantida pelos engenheiros de dados, mas eles não são responsáveis por construir e manter essa infraestrutura. Em vez disso, eles são clientes internos, encarregados de conduzir pesquisas de alto nível de mercado e operações de negócios para identificar tendências e relações – coisas que exigem que eles usem uma variedade de máquinas e métodos sofisticados para interagir e agir com base nos dados.

Em contraste, os engenheiros de dados trabalham para dar suporte a cientistas e analistas de dados, fornecendo infraestrutura e ferramentas que podem ser usadas para fornecer soluções ponta a ponta para problemas de negócios. Os engenheiros de dados criam uma infraestrutura escalonável e de alto desempenho para fornecer percepções comerciais claras a partir de fontes de dados brutos; implementar projetos analíticos complexos com foco na coleta, gerenciamento, análise e visualização de dados; e desenvolver soluções analíticas em lote e em tempo real.

Simplificando, os cientistas de dados dependem de engenheiros de dados. Enquanto os cientistas de dados tendem a se esforçar em ferramentas de análise avançada, como R, SPSS, Hadoop e modelagem estatística avançada, os engenheiros de dados se concentram nos produtos que oferecem suporte a essas ferramentas. Por exemplo, o arsenal de um engenheiro de dados pode incluir SQL, MySQL, NoSQL, Cassandra e outros serviços de organização de dados.

Se gostou, por favor, compartilhe. Abraço, @neigrando

Sobre mim: aqui, Contato: aqui.

Referências

Observação: Este artigo trata-se de uma versão traduzida e adaptada dos artigos originais:

  • Why should SMEs think more about data?, do blog entrepreneur.com
  • Data Engineer Vs Data Scientist: What’s The Difference?, do blog panoply.io

Alguns livros interessantes sobre Dados:

  • PROVOST, Foster; FAWCETT, Tom. 2016. Data Sciende para Negócios: o que você precisa saber sobre mineração de dados e pensamento analítico de dados.
  • ROGERS, David L. 2017. Transformação Digital: repensando o seu negócio na era digital.

Artigos Relacionados