No cenário atual, encarado diariamente pelas equipes de marketing, existe a necessidade de um enorme esforço de análise dos resultados de campanhas com o objetivo de entender os impactos das ações e identificar melhorias. Porém, com a aplicação do data science, por meio de modelos preditivos supervisionados, técnicas estatísticas e de machine learning, todo esse processo pode ser automatizado, de forma ágil e, o mais importante, mantendo o poder de interpretação. Em outras palavras, as saídas deste processo devem ser entendidas e confirmadas pelas equipes de marketing e de negócio.
Neste contexto, o teste A/B ou multivariado já está sendo amplamente utilizado para automatizar testes de diferentes formas de abordar o cliente e, com certa confiança garantida pela estatística, tomar decisões quanto à opção que apresentar melhor taxa de conversão. Com o auxílio desta automação na tomada de decisão, o processo de análise e melhoria contínua das campanhas de marketing são facilitadas.
Outra abordagem muito explorada atualmente é a utilização de modelos preditivos para classificar clientes, a chamada escoragem, para identificar aqueles com maior ou menor propensão a realizar um evento alvo. A identificação de clientes com alta propensão auxilia o processo de microtargeting e dessa forma economiza esforços desnecessários com perfis de clientes com poucas chances de conversão. A clusterização é outra técnica que agrupa automaticamente os clientes em grupos segundo seu grau de semelhança e auxilia também neste processo de macrotargeting.
Apesar destas abordagens facilitarem o fluxo de desenvolvimento e manutenção das campanhas de marketing, elas não garantem o uplifit, ou seja, um real aumento nas taxas de conversões pois as suas saídas não levam em consideração o comportamento natural que os clientes já teriam sem as ações de suas campanhas. A utilização do grupo controle, aquele onde os clientes são monitorados mas não sofrem as ações das campanhas, para aferir os resultados das campanhas é quase que unânime pois a sua comparação com o grupo tratado, aquele onde os clientes recebem ações de incentivo, se torna mais justa e elimina vieses causados pela tendência e sazonalidade que os comportamentos dos clientes possam ter.
Assim, a utilização do grupo de controle permite uma nova abordagem que ainda não é muito explorada, mas que possui enorme potencial – um modelo preditivo capaz de identificar clientes com alta probabilidade a serem convertidos por determinada campanha. Ou seja, identificar aqueles com maior propensão a ter uma resposta positiva a determinado incentivo realizado.
O objetivo deste modelo é segmentar o público alvo de cada campanha em quatro grupos conforme o quadro abaixo:
- Resistentes: aqueles que, independentemente de serem ou não incentivados, não irão realizar a ação desejada.
- Irritados: são os que iriam realizar a ação desejada, porém, devido ao incentivo, vão deixar de realizar.
- Seguros: aqueles que, independentemente de serem ou não incentivados, irão realizar a ação desejada.
- Influenciáveis: são os que não iriam realizar a ação desejada, porém, devido ao incentivo, irão realizar.
Dessa forma, a aplicação do modelo possibilita identificação e direcionamento efetivo das ações de marketing, apenas para o perfil dos clientes influenciáveis, gerando os melhores resultados em campanhas personalizadas para cada cliente.
Porém, a utilização de grupo controle apresenta uma preocupação: quando se seleciona uma amostra aleatória do público-alvo, sempre existe a possibilidade que um efeito observado ocorra devido a um erro amostral (diferença entre a estimativa da amostra e o parâmetro da população). Dessa forma, são necessárias aplicações de técnicas estatísticas para que os resultados de suas campanhas possuam confiabilidade garantida pelos seus dados.
Diante de todo conteúdo acima, pode-se perceber que a utilização dos dados está ganhando força no apoio à tomada de decisão e se tornando aliado fiel às equipes de marketing e negócio. Além de garantir confiança estatística quanto aos resultados, gerando insights que podem ser usados para melhorias e geração de ideias de novas campanhas, a aplicação dessas técnicas em projetos de machine learning, possibilita ainda tornar o processo de tomada de decisão automatizada. Isso significa que em breve os computadores tomarão o lugar das equipes de marketing? Na minha opinião, a resposta é não. O cérebro humano ainda é, e sempre será o responsável por validar, com base no conhecimento do negócio, as saídas de todo esse processo de aplicação das técnicas de data science, seja para priorizar das ações de marketing e definição dos objetivos de cada um dos processos existentes, como utilizar a criatividade para a criação de novos. Sempre com o intuito de atender as necessidades do negócio que se mantém em constante mudança e que exigem respostas cada vez mais rápidas!
