Agências de publicidade, anunciantes, departamentos de marketing e de media, todos conhecem muito bem os indicadores de campanhas digitais, como a exibição de anúncios, cliques, conversões e custos. CPM, por exemplo, significa Custo Por Mil impressões, um indicador de quanto custa para mostrar mil banners na internet. Compras de media podem ser feitas baseadas nesse indicador, assim como no custo por clique ou em conjunto com métricas de alcance e frequência, entre outros.
Analisando relatórios de diversas agências e anunciantes, vejo que essas métricas ainda são as dominantes. Em reuniões, a redução do CPM, por exemplo, é uma boa notícia. Se o custo por clique cai, todos celebram. Infelizmente isso ainda é o que muita gente chama de performance.
Esse tipo de pensamento na compra de media baseia-se em duas premissas. A primeira é a do funil de conversão: a exibição de publicidade para mais pessoas pelo menor custo possível (na boca, parte superior do funil), torcendo pela conversão na parte de baixo. A segunda é a da segmentação da audiência: filtros para melhor escolher para quem a empresa quer mostrar os banners (público-alvo), cujos critérios costumam ser demográficos (idade, género, cidade, classe social, etc.) ou muitas vezes baseados em inferências (pessoas que já navegaram no site, entraram na loja, estão registados no banco de dados, etc.).
Neste grande exercício de “cercar o frango”, profissionais de marketing vão empurrando milhares de consumidores de um campo aberto para um caminho estreito, baseado num pensamento que classifico como “de fora para dentro”.
Porém, a combinação do marketing com modelos preditivos e tecnologia está – felizmente – a mudar esse cenário. Ferramentas analisam padrões de dados históricos para identificar as chances de eventos futuros, dando melhores insights para a decisão de negócio.
A estatística está por trás de tudo isso por meio de modelos de regressão, regressão linear múltipla, árvores de decisão e tantas outras táticas. Esses termos, cada vez mais comuns nas reuniões de marketing, agora contam com a participação de cientistas de dados.
Diferentemente do modelo antigo de planeamento e compra de media, o trabalho agora é feito no sentido inverso, “de dentro para fora”, usando dados históricos e probabilidades para melhor planear investimentos e também personalizar as experiências dos consumidores.
Um primeiro exemplo é o de uma seguradora que, a partir de análises de correlação descobriu o perfil de navegação dos consumidores com alta propensão a conversão apenas digital. Novos consumidores que entram no site com o mesmo perfil são dispensados das ligações de repique do call center, reduzindo o custo total de aquisição da empresa em mais de 50%. Para pessoas deste segmento também não é apresentado o banner do chatbot no site, pois essa interação diminuiria a probabilidade de conversão. Isso é o que chamo de personalização da experiência: mudar a interação conforme o perfil de cada cliente que entra no site.
Se está a imaginar que as pessoas deste segmento de propensão eram “jovens, de classe média-alta, conectados e de centros urbanos”, está enganado. As variáveis que mais influenciavam a alta propensão eram a largura do monitor, o site de origem e o navegador.
A partir daí, na compra de media digital, a seguradora pode livrar-se de personas demográficas e abusar das variáveis como as que citei acima na construção de audiências, comprando media focada em pessoas deste perfil, além de outros subsegmentos que não preciso de citar. O CPM na compra em volume menor e mais qualificada naturalmente sobe bastante. Porém, o custo total de media cai e as conversões aumentam. Neste caso, “menos é mais”.
Outra história é a de uma marca de hambúrguer que fez uma parceria com diversos snack-bars para a divulgação dos seus produto e incentivos à visita nestes parceiros. No momento da compra de media incluíram os dados de localização: pessoas que tinham passado pelos snack-bars e pessoas com comportamentos de navegação semelhantes.
O CPM mais uma vez subiu, enquanto o custo total de compra de media diminuiu, assim como a dispersão dos anúncios. As conversões em alta mais uma vez provaram uma excelente melhora no retorno sobre o investimento ao se utilizar a propensão.
Nas reuniões onde se discutem resultados de campanha usando marketing preditivo, as pessoas pouco falam sobre CPM ou CPC. Estas focam-se em estratégias de conversão com propensão, qualidade, uso e autorização dos dados, além de modelos estatísticos.
Os fins (conversão, receita e valor do cliente) justificam os meios (CPM e CPC).
O funil fica mais estreito na parte de cima e mais largo na parte de baixo.
Duas iniciativas-chave para entrar no marketing preditivo são: a) o conhecimento de ciência de dados e estatística e b) a mudança na forma de remuneração das agências. O tradicional comissionamento baseado em percentagem do volume de compra de media é oposto às ideias apresentadas aqui.
Artigo de Fernando Teixeira, Autor – MIT Technology Review Brasil
MIT Technology Review