A matemática do marketing moderno: as funções

WHITE PAPER
A matemática do marketing moderno: as funções analíticas
preditivas em prol da eficácia
Patrocinador: SAP
Gerry Murray
June 2014
Mary Wardley
IDC OPINION
A alta competitividade do mercado atual exige que as organizações proporcionem experiências cada
vez mais envolventes ao cliente. Big Data e funções de análise dão suporte a esse processo com a
geração de insights de interações de mídias sociais, CRM, marketing, vendas e serviços com os
dados transacionais dentro de uma estrutura preditiva. A combinação de dados estruturados e não
estruturados cria uma visão mais completa do cliente, que pode ir muito além de uma simples
conversa e revelar padrões de intenção e orientações preditivas sobre o comportamento futuro desse
cliente. Esse conhecimento de previsão viabiliza o alinhamento de metas corporativas às expectativas
dos clientes para gerar uma experiência inigualável.
As chaves para os insights do cliente baseados em dados são:

A responsabilidade pelas iniciativas de experiência do cliente não se limita a um único
departamento. Na verdade, trata-se de um esforço organizacional holístico que requer a
participação de todos os departamentos de contato direto com o cliente (como marketing,
vendas, financeiro, atendimento de serviço, atendimento a clientes e suporte), além dos
processos de back-office (processos financeiros, gestão de inventário, distribuição, logística
etc.).

O sucesso do marketing baseado em dados depende de questões como patrocínio e apoio
ativo da alta gerência; alinhamento bem definido com a estratégia corporativa; objetivos
claros e mensuráveis; e uma cultura que apoie as decisões baseadas em dados.

Uma visão completa do cliente por meio dos dados não se restringe a dados transacionais
internos, mídias sociais ou registros da central de contato ou atendimento ao cliente. Todas as
fontes de dados têm um papel na visão completa do cliente e precisam ser agregadas,
racionalizadas e ponderadas de acordo com o caso.

Números isolados não representam o todo. Dados orientam, mas não ditam decisões. Há
uma grande necessidade de avaliação, interpretação por um especialista e domínio do bom
senso.
June 2014, IDC #248896
NESTE WHITE PAPER
Este white paper descreve o imperativo enfrentado pelas organizações de marketing na hora de criar
experiências agradáveis para o cliente. Para o profissional de marketing moderno, a resposta a esse
imperativo está na transformação da organização de marketing em um modelo operacional baseado em
dados. O marketing baseado em dados faz com que a organização de marketing deixe de confiar apenas
na "intuição" e coloque seu foco nos resultados. Com o insight adquirido de modelos de análise de
comportamento do cliente em campanhas e outras atividades focadas no cliente, o marketing pode
trabalhar com um processo de criação eficaz direcionado para o cliente. Isso também reduz o desgaste
que acomete o cliente depois de tanta comunicação irrelevante e indesejada. O resultado desse esforço
se traduz em relacionamentos mais lucrativos para o fornecedor e mais agradável para o cliente.
Os profissionais de marketing terão insights sobre os seguintes assuntos neste white paper: 1) como
contribuir com as experiências dos clientes da maneira mais eficiente possível; 2) quais são as
melhores aplicações de análise preditiva na área de marketing; e 3) exemplos de funções analíticas
preditivas em ação.
VISÃO GERAL DA SITUAÇÃO
O novo ambiente do cliente
Hoje em dia, os clientes entram no processo de compra muito mais informados. Diversos estudos
estimam que de 40 a 60% das decisões de compra são feitas antes mesmo que o cliente se envolva
com o departamento de vendas. Do ponto de vista das marcas, isso representa um aspecto tanto
positivo quanto negativo. Clientes potenciais são leads melhores, mas esses clientes pré-informados
trazem risco. Ao entrarem no debate com um nível tão alto de informação e com poder de compra nas
mãos, eles podem trocar de fornecedor com grande facilidade se suas necessidades e expectativas não
forem atendidas. Eles também estão mais propensos a divulgarem sua insatisfação, podendo propagála instantaneamente.
O que uma organização pode fazer? A pressão para satisfazer esse novo cliente, poderoso e
informado, é alta. O marketing deve:

Oferecer canais de resposta em tempo real às dinâmicas do mercado

Entrar no processo de interação com o cliente quando, onde e como ele quiser

Orquestrar vários canais: lojas, mídias sociais, web, dispositivos móveis etc.

Adotar um novo modelo de experiência do cliente baseado em dados e funções analíticas
preditivas
Marketing baseado em dados
O marketing baseado em dados faz com que a organização de marketing deixe de confiar apenas na
"intuição" e coloque seu foco nos resultados. Com o insight adquirido de modelos de análise de
comportamento do cliente em campanhas e outras atividades focadas no cliente, o marketing pode
trabalhar com um processo de criação eficaz direcionado para o cliente. A IDC define o marketing
baseado em dados como:
©2014 IDC
#248896
2

Apresentar as ofertas mais envolventes para os melhores clientes com rapidez.

Fazer a melhor oferta requer insights detalhados sobre os clientes, em tempo real, em relação
a questões como: o que sabemos sobre estas pessoas? Qual é a necessidade que está
motivando a compra? Em qual ponto da jornada de compra elas estão? Quem as está
influenciando? Quem elas estão influenciando? Que outros aspectos elas precisam saber?

Determinar os melhores clientes requer insights sobre relacionamentos com os clientes
existentes: quais clientes consomem mais e compram mais rápido? Quais os clientes que têm
maior valor para a empresa?

Ser rápido significa conseguir responder a essas perguntas (e a muitas outras) no espaço de
tempo em que o cliente clica no link e o conteúdo é exibido na tela. Ou entender que um
cliente de valor acaba de entrar em uma loja física e o conteúdo adequado pode ser
apresentado em seu dispositivo.
Ou seja, implementar um marketing baseado em dados exige mudanças fundamentais na
infraestrutura, nos processos e na orientação organizacional dos dados.
Segundo Chris Sherlock, CEO da Global Social Digital, um dos princípios fundamentais do marketing
no futuro será a obrigatoriedade da "personalização em tempo real que depende da coleta e
processamento de dados em tempo real".
Essa é uma tarefa bem difícil e vai levar alguns anos para as grandes organizações realizá-la. Mas
dar o primeiro passo é bem mais difícil que continuar. Pensando nisso, os profissionais de marketing
não podem se acomodar, pois a lacuna entre os líderes e os retardatários só aumentará com o tempo.
Depois que seus concorrentes aproveitarem os benefícios do marketing baseado em dados será tarde
para sua empresa e você terá que correr atrás do tempo perdido.
Funções analíticas preditivas no marketing
Uma das metodologias mais poderosas por trás do marketing baseado em dados é a análise
preditiva. Modelos preditivos usam vários tipos de análises para descobrir como padrões de
comportamento em diferentes estágios do processo de criação do cliente têm ou não influência entre
si. A IDC chegou à conclusão que as melhores aplicações para funções de análise preditiva no
marketing são:

Modelos mistos de marketing: Qual é o melhor meio de marketing para gerar demanda e para
que tipos de produtos? Uma empresa líder no mercado de esportes e entretenimento analisou
recentemente os canais de marketing que estava usando para dar suporte a duas ofertas
distintas. Uma era líder em uma categoria bastante popular e reconhecida, enquanto a outra
era uma oferta nova. A empresa estava aplicando o seu orçamento padrão para mídia nas
duas ofertas, aproximadamente 50% em publicidade tradicional e o restante em ambiente
digital. Uma análise mais profunda mostrou que o produto da categoria popular recebeu muito
tráfego de promoções digitais, mas o mesmo não aconteceu com o novo produto. A empresa
reestruturou o marketing para ser quase que inteiramente digital para o produto com mais
tempo de catálogo e quase todo tradicional para aumentar a percepção do público sobre o
novo produto. O resultado: aumento de 40% nas assinaturas mensais, sem custo adicional.

Classificação avançada de leads: Quais são os melhores padrões de resposta para qualificar
leads? Uma empresa de médio porte do setor de
©2014 IDC
#248896
3
alta tecnologia recentemente dobrou sua taxa de conversão de oportunidades em leads ao
analisar
sua metodologia de classificação de leads. A empresa descobriu que seu modelo de classificação
original era linear, de modo que cada visita ou download adicional elevava a pontuação do lead.
Depois de analisar qual era o desempenho dos leads gerados pelo marketing no pipeline de
vendas, a empresa teve dois insights que mudaram o cenário. Apenas alguns fatores-chave foram
considerados relevantes e houve um retorno significativamente menor na quantidade de
interações. Além disso, foi estabelecido um limite para o número de leads em que as vendas
poderiam ser executadas depois do qual outros leads não teriam qualquer impacto. Dessa forma,
a empresa conseguiu fornecer o volume certo para o tipo certo de leads para cada representante.

Up-sell e cross-sell: Uma empresa de games on-line conseguiu converter jogadores que não
desembolsavam em geradores de receita. A empresa analisou os dados dos jogadores para
compreender os padrões de comportamento e as preferências para ter insights sobre o
momento mais adequado para interagir com eles e fazer ofertas de cross-sell e up-sell com
produtos virtuais.

Otimização na web: Como otimizar a interação com o cliente no nosso site? Um dos maiores
e mais antigos sites de finanças na web descobriu recentemente que existem segmentos
perceptíveis de visitantes em seu site. Alguns ficam bastante tempo em poucas páginas,
enquanto outros ficam pouco tempo em muitas páginas, e há ainda outro tipo de visitante que
gasta o mesmo tempo no mesmo número de páginas. Pela quantificação dos padrões de
visualização de páginas, a empresa conseguiu criar intervenções em tempo real usando chat
on-line nos dois cenários improdutivos para tentar colocá-los de novo nos trilhos. Qual foi o
resultado? A receita na web aumentou em mais de $10 milhões ao ano.
A força e a escala dos recursos de previsão podem ser constatadas no caso da Mobilink, uma
empresa de telecomunicações sediada em Islamabad, Paquistão. Operando no mercado de alta
competitividade das telecomunicações, a Mobilink realiza mais de 800 promoções por mês. Entre
todas essas campanhas, aproximadamente de 60 a 70% são baseadas em funções analíticas
preditivas. A empresa já declarou que consegue constatar facilmente que as campanhas baseadas
em modelos preditivos trazem mais receita do que as outras de macro-segmentação, que não usam
esse tipo de modelo. A Mobilink observou aumentos significativos nas métricas de negócios, inclusive
uma alta de oito vezes na percepção das ofertas de retenção de clientes (de 0,5% para cerca de 4%),
a uma pequena fração do custo, além de um crescimento impressionante de 380% nos índices de
resposta às campanhas através de análises nas redes sociais.
Outras aplicações das funções analíticas preditivas que podem ter retorno para o marketing, de
acordo com o modelo de negócios são:

Aquisição de novos clientes: O conhecimento dos perfis de clientes conhecidos e das
tendências de compras pode ser aproveitado na análise de novos grupos para prever aqueles
com mais chances de se tornarem clientes, inclusive de alto valor.

Otimização de campanhas, promoções e programas de fidelidade: Uma empresa de seguros
de automóveis aumentou a fidelidade e reduziu a rotatividade de clientes. Analisando os
padrões de compra, ela conseguiu oferecer, no momento certo, os produtos e serviços certos
a seus membros. Ao estender as ofertas aos membros com baixo nível de uso, a empresa
conseguiu eliminar o atrito e aumentar o valor permanente do cliente. Além disso, a
companhia constatou um aumento na ordem de milhões de dólares em vendas, graças à
otimização da campanha.
©2014 IDC
#248896
4

Promoção de produtos por preferência de canal: Uma grande empresa europeia líder em
televendas com ambiente multicanal proporciona uma experiência consistente aos clientes
graças a melhor segmentação e ofertas personalizadas de acordo com a preferência do
canal. A redução de 1% na taxa de devolução representou mais de $1 milhão em lucros.

Pacotes de produtos baseados no comportamento do cliente: Ao identificar clientes
semelhantes aos que já compraram os produtos A e B, mas que só compraram o produto A
ou B, o marketing pode gerar uma lista de principais candidatos a cross-sell para dar suporte
ao cliente. Essa pode ser uma área de impacto imediato para os profissionais de marketing
B2B. Uma das empresas de produtos de beleza mais bem-sucedidas do mundo usa essa
técnica para os representantes do serviço de atendimento ao cliente exercitarem o up-sell
depois de resolverem as ligações do suporte. Ou seja, a central de atendimento que era um
centro de custo, virou um centro de receita.

Otimização dos preços: Inclui a simulação de mudança de preço de acordo com diversos
atributos, o que ajuda a reduzir o excesso de estoque, além do corte nas margens para
vender produtos com grande desconto.
Por onde começar essa aplicação vai depender do modelo de negócio, dos dados de marketing, do
nível de maturidade das funções de análise e da missão da equipe de marketing. A ideia é olhar para
frente, não para trás. As atividades de previsão demandarão outros conjuntos de ferramentas da área
de tecnologia, bem como da organização.
Como Viliah Overwater, arquiteta de informação sênior do departamento de arquitetura e estratégia
de BI da Vodafone, descreveu: "Você não pode pedir para emitir relatórios e esperar modelos, o
conjunto de habilidades é outro. É uma tarefa árdua sair da geração de relatórios para a elaboração
de modelos e funções analíticas preditivas."
Desafios/oportunidades
Com a explosão dos dados sociais e a percepção do conceito de Big Data, as análises de dados e
funções de análise ganharam muito espaço. Diversas organizações iniciaram algumas atividades com
funções analíticas ou expandiram práticas que já adotavam e obtiveram êxito relativo. Entretanto,
existem vários desafios que, se vencidos, podem levar a um sucesso ainda maior. Alguns destes
desafios:

Ausência de definição clara sobre os resultados esperados. As melhores decisões, baseadas
em insights, dependem da forma como esses insights são incorporados à estrutura de gestão
de decisões de cada processo.

Entender a necessidade de um conjunto mais amplo de dados. A famosa "visão de 360 graus
do cliente" está, na verdade, restrita a 180 graus, pois representa os dados estruturados já
conhecidos e coletados pela organização ao longo do tempo. Essa visão carece de dados
externos, não estruturados e, com frequência, não expandidos. Insights úteis dependem de
recursos para coletar, organizar e analisar dados de várias fontes distintas.

A tecnologia está à frente da cultura e das habilidades. Historicamente, as equipes de análise
sempre estiveram isoladas em seus departamentos. Isso representa um grande desafio para
o alinhamento dessas equipes com o restante da organização. Para que os dados aplicados
resultem em benefícios para toda a empresa, eles devem ser executados em todos os
©2014 IDC
#248896
5
sistemas e departamentos internos, para que as equipes de análise entendam qual é a
contribuição de cada uma das partes envolvidas.
Ammar Karim, gerente assistente de funções de análise avançadas da Mobilink: "As funções de
análise de marketing não são responsabilidade da equipe de análise. Na verdade, são de
responsabilidade do departamento de marketing".
Uma das formas mais simples de avaliar em que ponto você está em relação a funções analíticas
preditivas é fazer a experiência a seguir. Envie bilhetes de agradecimento aos seus melhores clientes e
inclua um desconto na próxima compra de produto ou serviço. Você consegue identificar seus melhores
clientes? Eles são os que compram mais em menos tempo, demandam menos esforços de suporte e
endossam sua marca. Para encontrar os dados necessários, você vai precisar sair do marketing. Qual é
a oferta com maiores chances de compra? Para achar a resposta, compare esses clientes com aqueles
que fizeram o mesmo tipo de compra e depois compraram outra coisa. O nível de dificuldade (ou
facilidade!) para reunir os dados certos será um ótimo indicativo para lhe mostrar o quanto sua empresa
está preparada para as funções de análise preditiva.
CONCLUSÃO
Imagine ter insights melhores que os concorrentes sobre a importância do comportamento dos clientes
no aumento da receita. Imagine como seria excelente ter semanas, ou mesmo meses, para desenvolver
os relacionamentos sem precisar enfrentar outros fornecedores. Você poderia ter demonstrações,
propostas e até mesmo contratos fechados antes de qualquer concorrente bater à porta do mesmo
cliente. Agora, imagine! Seu concorrente conta com todo esse valioso insight. Ele não só estaria a sua
frente, mas também ganhando mais terreno. Ou seja, você está um dia atrasado e um pouco menos
lucrativo a cada cliente. As funções analíticas preditivas têm implicações competitivas nítidas. O fato de
elas precisarem de ferramentas e conjuntos avançados de habilidades torna tudo mais poderoso como
meio de diferenciação da concorrência. A mensagem é clara: é melhor você não perder tempo e
aproveitar as funções analíticas preditivas o quanto antes.
ESTUDOS DE CASO
Mobilink
A Mobilink é líder no fornecimento de serviços de telecomunicação no Paquistão. Fundada em 1994, a
Mobilink atende a mais de 20.000 cidades, vilas e povoados em todo o Paquistão. A empresa
anunciou um plano agressivo para criar a maior rede 3G do país com 9.000 células distribuídas pelo
Paquistão até julho de 2014. À medida que a Mobilink moderniza sua infraestrutura de
telecomunicações, a empresa também aproveitou para modernizar a forma de analisar e direcionar os
clientes em relação às ofertas de serviços. Em um ambiente de coexistência entre GPRS (General
Packet Radio Service) e redes 2G e 3G, a Mobilink atende a uma grande variedade de clientes. Com
formação sofisticada de modelos, elaboração de perfis de clientes e funções analíticas preditivas
combinadas a uma equipe corporativa interdisciplinar formada por analistas de dados e profissionais
de marketing, a Mobilink agora conta com ROI mensurável nas campanhas direcionadas.
©2014 IDC
#248896
6
Os desafios
O setor das telecomunicações é muito competitivo e sofre pressão constante para atingir dois
objetivos simultaneamente: 1) aumentar a receita; e 2) diminuir a rotatividade. Em 2009, a empresa
escolheu o SAP InfiniteInsight (ex-KXEN InfiniteInsight; a SAP adquiriu a KXEN em 2013) para
trabalhar com recursos de análise. A Mobilink estava usando o InfiniteInsight nas campanhas, mas
ainda faltava a parte de inteligência para saber como os clientes eram selecionados para as
campanhas. Em 2013, a Mobilink percebeu que precisava de mais insights sobre os clientes
individuais para oferecer campanhas mais direcionadas. O grupo de funções analíticas preditivas
avançadas iniciou um trabalho para ter uma visão completa de cada cliente. Os aspectos específicos
necessários para orientar as decisões de negócios eram:

Aumentar os recursos de análise preditiva para identificar indicadores de negócios, como a
propensão à rotatividade e os potenciais clientes de alto valor permanente

Entender o comportamento do cliente pela análise de clusters

Entender como os clientes estavam conectados uns aos outros pela análise das redes sociais
A solução
A Mobilink realiza mais de 800 promoções por mês. Dessa campanhas, aproximadamente de 60 a
70% são baseadas em funções analíticas preditivas. A empresa já declarou que consegue constatar
facilmente com o SAP InfiniteInsight que as campanhas baseadas em modelos preditivos trazem mais
receita do que as outras de macro-segmentação, que não usam esses modelos. A Mobilink observou
aumentos significativos nas métricas de negócios, inclusive um aumento de oito vezes na percepção
das ofertas de retenção de clientes (de 0,5% para cerca de 4%), uma pequena fração do custo, além
de um incrível crescimento de 380% nos índices de resposta às campanhas pelas análises nas redes
sociais.
Alguns exemplos de uso bem-sucedido do SAP InfiniteInsight pela Mobilink:

Aumento da receita: Para aumentar a receita, a Mobilink usa vários modelos preditivos, como
o modelo de previsão de alto valor. O resultado dessa análise informa à Mobilink os
assinantes com mais chances de se tornarem assinantes de alto valor ao longo do tempo.
Munida dessas informações, a Mobilink aposta na previsão e oferece aos assinantes dessa
categoria uma oferta atrativa para que eles se tornem assinantes de alto valor.

Redução da rotatividade ao identificar usuários "desconhecidos" na rede: A Mobilink enfrenta
um grande desafio no mercado de telecomunicações do Paquistão, pois a maioria dos
assinantes da rede usam cartões pré-pagos. Isso significa que a Mobilink pode observar os
assinantes na rede, bem como as mensagens SMS e o comportamento de chamada de voz,
mas a empresa não conta com informações que possam identificar esses usuários, nem
informações demográficas, como sexo e endereço, por exemplo. Isso dificulta as ofertas
voltadas para a redução da rotatividade e o direcionamento dessas ofertas para clientes
específicos. Em um mercado em que a personalização está em alta, a empresa estava em
desvantagem. A Mobilink usa o SAP InfiniteInsight para analisar o gráfico social (com quem o
cliente individual interage pessoalmente) dos usuários da rede e, com base nas informações
da comunidade e na função social, gera •variáveis derivadas que também são usadas em
outros modelos. Dessa forma, outros modelos são enriquecidos com os dados das redes
©2014 IDC
#248896
7
sociais. Quanto mais completos forem os dados, mais detalhados os modelos se tornarão
para se voltarem a clientes individuais e comportamentos específicos (aviso ao leitor: neste
caso, "rede social" se refere ao gráfico social pessoal e não a uma rede social pública, como o
Facebook, por exemplo). A Mobilink foi bem-sucedida em duas áreas:

Identificação dos influenciadores: Como parte da análise interna da rotatividade, a
Mobilink observou nos gráficos que determinadas comunidades desapareciam da rede,
mas depois reapareciam. O perfil das comunidades baseado nas conexões revelou que
era mais provável que os clientes individuais fossem de uma família e estivessem
centralizados em determinadas áreas. Usando o gráfico social, a Mobilink conseguiu
interagir com o agente influenciador da comunidade para diminuir a rotatividade e isso
provocou uma reação em cadeia.

Identificação dos "offer hoppers": Usando o gráfico social, a Mobilink também conseguiu
identificar e mirar em clientes individuais que são "offer hoppers", aqueles que escolhem
a dedo. Com os parâmetros "quem liga" e "quem recebe a ligação", a Mobilink identificou
o cliente individual •pelo padrão de ligação e conseguiu ver o cartão SIM individual com
esse padrão sair da rede e reaparecer com um SIM diferente. A identificação do
comportamento, mesmo sem saber a identidade do cliente individual, faz com que a
Mobilink interaja com o assinante oferecendo o tipo de oferta que a empresa sabe que é
atraente para o perfil, reduzindo desse modo a rotatividade.
Lições que aprendemos
Uma equipe interdisciplinar
A Mobilink contava com um técnico especializado de TI para as funções de análise e o departamento
de marketing consumia o resultado, mas havia uma lacuna no compartilhamento do conhecimento. O
ano de 2013 foi o de maior sucesso da Mobilink porque a empresa fez a transição certa e combinou
as equipes de análise e marketing com o grupo comercial, levando a equipe de análise até o grupo
comercial e realocando-a fisicamente. A IDC realizou uma entrevista conjunta com Ammar Karim,
gerente assistente de funções analíticas preditivas, e Kaleem Ullah, gerente da gestão da base de
clientes, que inclui todas as promoções executadas pelos canais da central de atendimento, voz e
SMS. Hoje, as duas equipes ocupam o mesmo espaço e se reúnem com frequência para discutir os
resultados das campanhas, como tentar entender as pontuações e debater a respeito das próximas
necessidades empresariais.
Como Karim afirmou, "o marketing é a força motriz para as funções de análise serem direcionadas, o
motivo por trás das análises bem-sucedidas". O marketing sugere os casos de negócios para que a
equipe de análise estruture os modelos. As duas equipes se reúnem e decidem quais modelos montar
no futuro, mas tudo começa com uma questão de negócio. Da mesma forma, o administrador também
deve adquirir um determinado nível de conhecimento técnico.
Conselhos às outras empresas
A Mobilink insiste na relação entre as equipes administrativas e de análise e aconselha as outras
empresas a seguirem o mesmo modelo e a investirem em uma equipe multifuncional. Ainda que a
Mobilink tenha se saído bem na construção de modelos e estruturas preditivas, a empresa avalia que,
no início, teve uma curva de aprendizado demorada. A Mobilink sugere que as empresas procurem
ajuda nos processos e estruturas de consultoria de negócio de seus fornecedores.
©2014 IDC
#248896
8
Global Social Digital
A Global Social Digital (GSD) oferece serviços de marketing baseados em seu conhecimento
especializado em funções analíticas preditivas para o marketing. Alguns de seus clientes são grandes
marcas europeias dos setores de transmissão, marketing esportivo, música e entretenimento, entre
outros setores B2C que estão se empenhando em reagir ao comportamento dos clientes em tempo
real. A GSD usa o SAP InfiniteInsight para montar modelos de análise preditiva que ajudam seus
clientes a segmentar, direcionar e atribuir melhor o orçamento de marketing. As vantagens
competitivas são baseadas na qualidade e velocidade dos insights acionáveis fornecidas pela
empresa.
Chris Sherlock, CEO da GSD, fundou a empresa com três princípios fundamentais sobre o futuro do
marketing:
1. ROI: O orçamento do marketing deve ser investido com eficiência.
2. Digital: Dispositivos móveis, meios digitais, direcionamento, redirecionamento, gerenciamento
de conteúdo e social estão revolucionando a prática do marketing.
3. Funções de análise: A personalização em tempo real depende da coleta e do processamento
de dados em tempo real.
O modelo de negócios da empresa se baseia na capacidade de criar modelos de análise acionáveis a
partir de dados sociais e de dados de terceiros reunidos muito rapidamente. Um dos clientes é uma
emissora que precisa processar dados em tempo real sobre espectadores com decodificadores. Se esse
estiver ligado, a emissora poderá monitorar todos os programas assistidos, mas ela não sabe quem é que
está assistindo ou mesmo se o televisor está ligado. Basicamente, só tem uma informação: o nome do
titular da conta. E se mais alguém estiver assistindo? Pelo monitoramento das mídias sociais, como fluxos
de tweets e posts no Facebook, e pela correspondência com endereços IP conhecidos, a GSD sabe
quando as pessoas comentam a respeito de determinado programa que estão assistindo e o atribui a uma
determinada residência. A GSD enriquece a análise com várias outras dimensões, como demografia,
dados financeiros e de crédito e históricos de compra, para identificar quais espectadores têm mais
chances de comprar certos produtos. Com esse insight, a emissora pode vender anúncios direcionados
para "set-top boxes" específicos por um preço maior. No momento, esse recurso está disponível apenas
semanalmente, pois o processo entre as emissoras e os anunciantes ainda não é automatizado. Mas, no
futuro, quem vai ditar a regra é o tempo real.
Os desafios
Os serviços da GSD precisam ser muito rápidos. Ao fundar a empresa, Chris Sherlock identificou três
problemas importantes que deviam ser resolvidos pela GSD:

Infraestrutura: Projetada especialmente para uma velocidade de análise em escala

Socialytics: Agregar feeds em tempo real do maior número possível de fontes estruturadas e
não estruturadas

Equipe: Habilidades para montar a infraestrutura, projetar os modelos de análise, otimizar o
processo de fluxo de dados e conseguir dialogar com os clientes
©2014 IDC
#248896
9
Infraestrutura
Por ser uma pequena empresa que atende a grandes corporações, a GSD precisava de uma solução
flexível que pudesse ser escalonada a partir de uma base pequena de usuários, mas que desse
suporte aos relacionamentos de grandes clientes. Ela montou sua própria infraestrutura para trabalhar
com os dados. O único grande componente de software comercial é o SAP InfiniteInsight, o
mecanismo por trás das funções de análise. A empresa optou pelo SAP InfiniteInsight pelos seguintes
motivos:

Econômico quanto ao licenciamento

A interface não requer cientistas de dados onerosos. Os usuários de negócio são igualmente
capazes de aprender o funcionamento básico da solução

A análise rápida de nós e dados semânticos sociais era um recurso-chave necessário para
acabar com as contas falsas

Possibilidade de desenvolver mais aplicativos e novas funcionalidades no futuro
Socialytics
A GSD descobriu que a aplicação de técnicas de análise robustas poderia identificar pessoas e
montar visualizações estruturadas de composição de audiência. Mas isso requer um volume enorme
de dados de demografia pessoal e conteúdo digital (tweets, blogs, fotos etc.) que precisariam ser
combinados com fontes estruturadas. O conjunto completo de dados é calculado em terabytes. Para
agilizar o processo de análise, a equipe escolhe os atributos mais poderosos e fornece conjuntos de
dados mensurados em gigabytes para análise. Algumas das pré-filtragens mais eficazes se baseiam
em perguntas que desqualificam registros do grupo de análise:

Como avaliamos as mídias e o marketing social em termos do monitoramento de pessoas?

Mesmo que as pessoas curtam nossa marca e a promovam, como distinguir clientes potenciais
de fãs que só gostam do design da logomarca?

Como sabemos se a oferta é relevante?

Como sabemos quem é o melhor destinatário do nosso anúncio e qual é o melhor momento
para anunciar?
Equipe
Segundo Chris Sherlock: "Todos na empresa devem conhecer os clientes. Precisamos explicar aos
clientes qual é a origem dos insights. Os cientistas de dados precisam participar de reuniões de
clientes, por exemplo." Isso garante que os representantes de vendas e os gerentes de projeto ouçam
a mesma versão da história e estejam alinhados entre si ao longo do processo de venda e
fornecimento. Todos na organização precisam saber como se comunicar com eles. A interação com o
cliente é a melhor forma de promover uma cultura focada no cliente. Como um dos cientistas afirmou
depois de uma reunião com o cliente: "eu estava procurando a resposta no conjunto de dados, mas
ela veio do cliente".
©2014 IDC
#248896
10
Lições que aprendemos

Cultura: A troca de conhecimento deve ser recíproca e todos devem saber o que acontece no
ambiente de trabalho. A empresa tem uma "reunião de troca de ideias", que não é nada mais
do que um café da manhã diário em que os colaboradores trocam informações sobre o que
estão fazendo, as questões em que estão trabalhando etc. O que eles estão processando?
Quais insights encontraram recentemente? Um assunto-chave recorrente é como melhorar o
pré-processamento para ter conjuntos de dados melhores para análise.

Informação: Os clientes ainda precisam de muito trabalho de orientação sobre o que pode ser
feito com Big Data. Grandes marcas se empenharam no social, mas estão em uma jornada de
aprendizado para discernir e descobrir o comportamento de compra e o comportamento do
influenciador em meio a tantas informações.

Valor: É muito difícil saber com antecedência quais serão os benefícios de um projeto de
análise, já que em geral ele envolve o teste de novos insights. É importante seguir métricas
estabelecidas nas situações em que as fontes de dados estão disponíveis.
©2014 IDC
#248896
11
About IDC
International Data Corporation (IDC) is the premier global provider of market intelligence, advisory
services, and events for the information technology, telecommunications and consumer technology
markets. IDC helps IT professionals, business executives, and the investment community make factbased decisions on technology purchases and business strategy. More than 1,100 IDC analysts
provide global, regional, and local expertise on technology and industry opportunities and trends in
over 110 countries worldwide. For 50 years, IDC has provided strategic insights to help our clients
achieve their key business objectives. IDC is a subsidiary of IDG, the world's leading technology
media, research, and events company.
Global Headquarters
5 Speen Street
Framingham, MA 01701
USA
508.872.8200
Twitter: @IDC
idc-insights-community.com
www.idc.com
Copyright Notice
External Publication of IDC Information and Data — Any IDC information that is to be used in advertising, press
releases, or promotional materials requires prior written approval from the appropriate IDC Vice President or
Country Manager. A draft of the proposed document should accompany any such request. IDC reserves the right
to deny approval of external usage for any reason.
Copyright 2014 IDC. Reproduction without written permission is completely forbidden.