Como prever áreas de crescimento e riscos em um plano de marketing com base em dados

Recentemente, anunciamos um novo produto – OWOX BI Insights – capaz de prever a realização de metas de marketing com base em seus dados, dados gerais de mercado e aprendizado de máquina. Ele dá aos profissionais de marketing respostas para perguntas importantes:

• Vamos cumprir o plano de vendas, leads e outros indicadores este mês?
• Se não mudarmos nada, quantas vendas, leads, etc. teremos até o final do ano?
• Em quais canais, regiões e segmentos as metas não foram alcançadas e onde estão as principais áreas de crescimento?
• Como estamos indo em relação ao mercado? O mercado caiu ou estamos apenas indo mal?

Neste artigo, explicamos por que criar previsões e como encontrar zonas de crescimento e riscos para estar um passo à frente de seus concorrentes.

Peça já a sua previsão!

• Tecnologia e dados nos dizem muito
• O apetite vem com atribuição
• Quais tarefas um analista de marketing OWOX BI lida?
• Como são os relatórios OWOX BI?
• Boletins informativos por e-mail para tomadores de decisão
• Implementação: por onde começar e como construir previsões
• Conclusões que chegamos no processo

A análise de marketing desempenha um papel importante nos negócios modernos.

Em 2018, a parcela média do orçamento de marketing de uma empresa gasto em tecnologias de marketing (29%) pela primeira vez superou a parcela gasta com as pessoas que usam essas tecnologias (24%).

Se a previsão de crescimento da empresa não for cumprida, a maioria dos gerentes, em primeiro lugar, demitirá seu diretor de marketing. Portanto, os CMOs devem estar muito interessados ​​em introduzir tecnologias e buscar melhores soluções.

A maioria dos CMOs (78%) aumentou seu ROI usando análises ao formar uma estratégia de marketing.

Aqui está uma pequena história de como tudo começou há alguns anos e como percebemos que nossos clientes precisavam de previsões e insights.

OWOX BI: Você gostaria que instalássemos o Google Analytics?
Cliente: Claro, mas não podemos ver o ROI no Google Analytics para nossas campanhas de marketing do Facebook e Yandex.Direct e não podemos comparar sua eficácia.
OWOX BI: Aqui está a importação de dados automatizada. Basta adicionar acesso aos seus serviços de publicidade e todos os dados serão importados automaticamente para o Google Analytics. Você obterá ROI para todas as campanhas publicitárias.
Cliente: Ótimo, mas os dados do Google Analytics não correspondem ao que está em nosso CRM. Nossa gerência acredita nos dados do CRM e não podemos reprocessar os dados do Google Analytics para garantir que estejam corretos. Também não podemos combinar esses dados com dados internos retroativamente, especialmente sem a importação de tempo de consulta.
OWOX BI: Ok, aqui estão todos os seus dados no Google BigQuery. Nós os coletamos do Google Analytics, serviços de publicidade, rastreamento de chamadas e aplicativos móveis. Agora você pode combiná-lo com dados do seu CRM e criar quaisquer relatórios.
Cliente: Incrível! Mas precisamos encontrar campanhas subestimadas em tudo isso. Usar uma consulta SQL simples não ajuda porque os usuários fazem vários cliques ao longo do caminho para uma compra. Precisamos de alguma forma atribuir o valor de todas essas etapas, o que significa que precisamos contratar desenvolvedores.
OWOX BI: Concordo. Que tal atribuição baseada em funil de ML e relatórios prontos? Basta especificar essas etapas e você verá campanhas subvalorizadas.
Cliente: Você consegue identificar nossas zonas de crescimento em todos esses dados? Basta dizer onde devemos procurar para cumprir o plano de vendas.
OWOX BI: Soooo... Vamos discutir o que você espera do seu analista de marketing.

1. Mostra onde as metas de marketing são cumpridas e não cumpridas.
Durante uma reunião no início de cada mês, o gerente pergunta ao diretor de marketing: «Por que não foi cumprido?» Qual região ou canal de publicidade tínhamos? " E ouve em resposta: «Ainda não sei. Preciso de alguns dias — vou ver, volto e conto. » Situação comum?

Decidimos que basta – deixe todo o processo ser automatizado. Tudo aqui é simples: pegamos dados retrospectivos, ou seja, um fato, e comparamos com o planejado. É importante que isso seja feito automaticamente para diferentes segmentos.

2. Mostra como você cumprirá as metas anuais planejadas se for mais longe no mesmo ritmo de agora.
Se você descobrir com antecedência que a equipe de marketing está aquém de uma categoria ou região, poderá corrigir sua estratégia de marketing rapidamente e melhorar os resultados. Para que nossos clientes tenham essa oportunidade, pegamos seus dados e construímos um modelo de previsão no horizonte de até um ano. Aqui a previsão é comparada com o plano.

3. Encontra áreas de crescimento e riscos para o próximo mês.
Para isso, o OWOX BI Insights compara automaticamente os objetivos de marketing e previsão ao nível de regiões, canais, parâmetros e dentro das áreas de responsabilidade de cada decisor da empresa.

4. Ajuda a responder à pergunta: «É nisso que não estamos a trabalhar ou o mercado abrandou?».
Essa é sempre uma pergunta aberta e relevante em qualquer empresa, pois não basta responder seus próprios dados. Por exemplo, se o plano for ultrapassado, é interessante saber: são marqueteiros — bem feito ou algo aconteceu no mercado e todos correram para gastar dinheiro. Ou, digamos, as metas não foram cumpridas em 2%. Este é um resultado bom ou ruim para uma equipe de marketing? Se o mercado cresceu, então está ruim, e se caiu 15%, então está bom.

Os dados de mercado são fundamentais para responder a essas perguntas. É por isso que estamos construindo um modelo de aprendizado de máquina com base em dados de dezenas de milhares de projetos para fornecer previsões melhores do que você poderia obter usando apenas seus próprios dados históricos.

5. Cria relatórios nos serviços usuais e convenientes para você.
Nossa experiência mostra que quando se trata de um novo produto, a maioria das empresas não quer introduzir outro serviço. Você pode estar pensando: «Tenho Excel (ou Google Sheets, Data Studio, Tableau, Power BI). Posso adicionar uma previsão lá? » Claro que pode, porque praticamente qualquer serviço de visualização pode obter dados do Google BigQuery, onde salvamos os resultados dos cálculos.

Para começar, vejamos os relatórios finais. Depois, diremos como eles são feitos.

A primeira e mais simples coisa é obter três colunas para cada mês: Plano, Real e Previsão.

Fazer o plano é uma questão simples. Pode ser feito por qualquer analista em Excel. Também podemos calcular os valores reais, pois o negócio tem esses dados. Nossa tarefa é adicionar uma previsão.

Nota: O relatório contém dados para o início de abril. Como você pode ver, temos um valor real pequeno (o mês está apenas começando) e há algum tipo de previsão para o restante de abril. Assim, para o mês atual, o plano deve ser comparado com a soma dos valores reais e previstos.

No gráfico acima, a linha amarela são as metas que o cliente definiu, as colunas em azul escuro são os valores reais que já foram cumpridos e as colunas em azul claro são as previsões.

Uma vez que conhecemos as metas, a previsão e os valores reais no contexto dos parâmetros necessários para a tomada de decisões, podemos construir uma tabela dinâmica clássica no Planilhas Google.

Há três parâmetros nesta tabela: mês do relatório, grupo de canais (pesquisa orgânica, mercado, e-mail etc.) e região. Este é o agrupamento básico com o qual a maioria das empresas trabalha. A seguir, mostramos as principais métricas necessárias para gerenciar o orçamento de marketing:

No relatório, vemos que a pesquisa paga na Região 1 provavelmente gerará menos receita do que o planejado. Também vemos que o canal de e-mail pode ficar para trás nas transações. Essas informações permitem que você tome decisões antes que seu orçamento seja gasto abaixo do ideal — e antes que a zona de crescimento fique no passado e se perca.

E o melhor é que temos uma previsão para o futuro. Mostra o que acontecerá se a tendência atual continuar.

Vejamos em detalhes alguns dos elementos desta tabela. O desvio percentual, destacado em vermelho e verde, é calculado usando uma fórmula simples:

Tomamos o fato com a previsão, que é o que provavelmente receberemos no final deste mês. Subtraia disso as metas para o segmento e divida o resultado pelo plano do período. O número resultante responde à pergunta até que ponto um segmento específico se desvia da previsão.

Por exemplo, para transações de abril, vemos um desvio de -4,8%:

Isso significa que em abril, estamos 4,8% atrás do plano de transação. Se você somar os valores de todos os canais acima desse valor, o total será de -4,8%.

Por que olhamos para isso? Por que não olhamos para o desvio relativo? Por exemplo, digamos que temos um pequeno canal de referência. De acordo com o plano, deve haver, digamos, 50 transações. Uma diferença de até 20 transações nos dará um desvio de 40%. Mas isso não é o que você precisa prestar atenção em primeiro lugar, porque existem canais muito maiores. E se um canal maior apresentar um desvio de 10%, será muito mais importante para o negócio. As cores vermelha e verde na tabela mostram o quanto é importante para o negócio estar atento a esse segmento.

Na captura de tela abaixo, expandimos os dados de abril:

Aqui vemos que os dados podem ser decompostos em canais e regiões. Podemos selecionar os segmentos que queremos examinar primeiro. Vermelho é uma zona de risco, verde é uma zona de crescimento. A taxa de conversão está marcada em azul e, na parte inferior, há um resumo.

Agora vamos apresentar o relatório mais importante e interessante, que mostra oito períodos de tempo que são usados ​​para comparar a previsão com as metas.

1. Este Ano Real mostra os números reais desde o início do ano até o momento atual. Podemos comparar esses valores com os objetivos para entender o quão bem os estamos cumprindo.
2. Último mês real mostra os dados reais do mês passado. Fechamos o mês anterior, para que possamos ver facilmente em cada seção e segmento se os números reais coincidem com os planejados.
3. Última semana real mostra os dados reais da semana passada.
4. This Week Forecast mostra a previsão para a semana atual. A semana começou, e vemos o que nos acontece. Onde o responsável, por exemplo, pela busca paga, preste atenção nesse momento, para conseguir um resultado melhor no final de semana. Para fazer isso, você só precisa evitar riscos (destacado em vermelho) e implementar zonas de crescimento (destacado em verde).
5. Next Week Forecast mostra a previsão para a próxima semana.
6. A Previsão deste mês mostra a previsão para o mês atual.
7. A Previsão do Próximo Mês mostra a previsão para o próximo mês. Em nossa experiência, é melhor construir essa previsão apenas com base na dimensão primária. Ou seja, dividi-lo até o segundo nível (no nosso caso, regiões) não é mais aconselhável porque há muito ruído e baixa qualidade de previsão.
8. This Year Forecast mostra a previsão até o final do ano. Nós o construímos apenas para a métrica principal, renda. A experiência mostra que prever a distribuição do tráfego entre regiões e canais e outros segmentos antes do final do ano não é um exercício fascinante e leva a grandes erros e perda de confiança nas previsões.
   

Você pode visualizar a tabela no Planilhas Google a qualquer momento. No entanto, os tomadores de decisão geralmente esperam receber um relatório pronto e dizer: Veja aqui. Parece que temos uma zona de crescimento.

Criar este relatório não é uma tarefa fácil e ainda estamos trabalhando nele. Queremos que nossos clientes recebam mensagens claras e significativas escritas em linguagem humana, assim como um bom analista as escreveria.

Existem dois problemas. O primeiro é um monte de nuances. Chorar sobre canais diretos não gerenciados não é muito útil. O que você deve fazer se o Referral ou Direct tiver caído? Você precisa focar no que pode gerenciar e, para isso, precisa de mais conhecimento para o programa na hora de buscar insights.

O segundo problema é que esses e-mails podem ser respondidos com: «Dê-me mais detalhes.» Mas [email protected] nunca planejou entrar em uma conversa. No entanto, acreditamos que a comunicação de um serviço analítico deve ser o mais semelhante possível à comunicação com um analista de marketing. Portanto, planejamos enviar insights sobre zonas de crescimento e riscos por meio de mensagens no futuro.

No final do e-mail, há uma tabela interessante na qual os resultados dos principais períodos são destacados em vermelho e verde. Isso mostra imediatamente se é necessário abrir o Planilhas Google e verificar os detalhes desse período.

Antes de começar a criar previsões, você precisa responder a algumas perguntas importantes:

Como resultado dessa implementação, você obterá uma tabela como esta:

A primeira coluna indica a área de responsabilidade. Em nosso exemplo, são três: marketing em geral, campanhas de PPC pagas e SEO (orgânico).

A segunda coluna são os KPIs, que são usados ​​para definir metas e avaliar o desempenho em cada uma das áreas de responsabilidade. Para alguns desses indicadores, existe um plano. Recomendamos que você não altere suas metas existentes quando decidir fazer previsões. É claro que nos negócios você sempre pode melhorar alguma coisa e pode querer adicionar novos indicadores aos seus relatórios. Mas você não pode fazer essas coisas em movimento. Primeiro, é melhor automatizar o que você já tem e depois adicionar novas métricas.

Na terceira e quarta colunas, marcamos as métricas para as quais há um plano e para as quais podemos construir uma previsão.

Na quinta coluna, marcamos as métricas quantitativas e qualitativas porque elas precisam ser exibidas de forma diferente e devem ser tratadas de forma diferente.

A sexta coluna são os critérios de segmentação. Em diferentes áreas de responsabilidade, a mesma métrica é segmentada por diferentes critérios. Por exemplo, as sessões de marketing são mais interessantes para segmentar por canal; SEO deve ser segmentado por motor de busca.

A sétima coluna é a dimensão secundária. Pode haver mais de duas dimensões, mas nesse caso os requisitos para o volume de dados devem ser maiores. Quanto mais parâmetros de segmentação, mais dados são necessários para previsões estatisticamente significativas.

A última coluna é o número de valores para um determinado parâmetro que você deseja ver no relatório. Por que você precisa disso? Se você não especificasse um limite por região e expandisse a lista, por exemplo, não teria cinco regiões, mas quinhentas. Muitos deles seriam muito pequenos e provavelmente não informativos. Recomendamos adicionar limites para que todo esse rótulo possa caber de alguma forma no Planilhas Google e trabalhar com ele.

Então você construiu uma tabela como esta e coletou todos os seus dados (planejados e reais) no Google BigQuery (ou algum outro armazenamento em nuvem). O que devemos fazer em seguida? A primeira e mais fácil coisa a fazer é entrar em contato com a OWOX BI. Nosso algoritmo de IA analisará seus dados, comparará com dados de mercado, fará previsões e mostrará onde estão suas zonas de crescimento e riscos.

Se você deseja criar previsões por conta própria, há várias maneiras de fazer isso. Existem várias maneiras. Compartilharemos como fazer isso no Google Cloud, pois essa plataforma é mais familiar para nós. Claramente você pode usar outras ferramentas em sua empresa.

Há três maneiras básicas de criar previsões no Google Cloud:

1. TensorFlow e CloudML são os métodos mais usados ​​por cientistas de dados que não têm preguiça de perder tempo personalizando modelos. Estas são ferramentas difíceis, mas permitem alcançar bons resultados.
2. BigQuery ML — Se você nunca trabalhou com machine learning, mas já tem dados no Google BigQuery, recomendamos começar com esse método. Se você possui dados do Google Analytics 360, já pode treinar um modelo, por exemplo, para calcular a probabilidade de conversão, churn ou qualquer outro parâmetro. É muito fácil escolher preditores, recursos e modelos de teste. Essa é uma maneira inteligente para um analista familiarizado com SQL.
3. As APIs AutoML e CloudML são as formas mais básicas para desenvolvedores. Eles tornam mais fácil implantar modelos, compará-los e reverter o controle de versão. Isso é ideal se você for um desenvolvedor e sua tarefa for implementar o modelo que você criou na produção.

Esta é uma grande tabela com dados dos quais você pode calcular facilmente o desvio, a conversão porque você tem todos os componentes para isso e eles estão agrupados em três blocos: planejado, real e previsto.

1. Se lhe disserem «Temos metas de marketing», na melhor das hipóteses, isso significa uma planilha do Excel que um analista atualiza manualmente uma vez por semana.
2. A previsão automatizada não substitui a análise — é apenas uma maneira de aumentar sua eficiência. Em nossa experiência, os ajustes manuais são sempre necessários. Por exemplo, digamos que em outubro abrimos uma grande loja em Houston. O modelo de previsão nunca dará conta disso porque não tem esse conhecimento.
3. A qualidade das previsões é significativamente melhorada se, além de seus próprios dados, você usar dados de mercado. É isso que torna a abordagem de previsão do OWOX BI qualitativamente diferente. Usamos dados de dezenas de milhares de projetos para treinar nosso modelo. Como resultado, ele mostra as tendências do mercado com mais precisão. Por exemplo, conhecemos a participação de mercado da pesquisa orgânica e da pesquisa paga para projetos no mesmo nicho do nosso cliente e sabemos a que esses números levam. Enriquecer o modelo com esses dados permite entender melhor as tendências e saber se você está indo bem ou se o mercado está apenas crescendo.
4. É necessário separar os cálculos da visualização de dados. Depois de formular expectativas de precisão e profundidade, você pode construir uma previsão e calcular os dados em um tempo estritamente alocado. Quanto à visualização de dados, esta é uma tarefa interminável e não há limite para a perfeição.
5. Para obter previsões de alta qualidade com granularidade de dois parâmetros, você precisa de dados do site em 3 milhões de sessões por mês. É possível construir uma previsão com uma quantidade menor sem segmentação, mas a questão é por quê. Se você vê, por exemplo, que as metas não estão sendo cumpridas, você pode dizer em que segmento não está dando certo? Quais regiões? Você provavelmente não encontrará a resposta porque há poucos dados.

Se você possui dados históricos de dois anos do Google Analytics, tráfego de 3 milhões de sessões por mês e deseja cumprir suas metas de marketing e crescer mais rapidamente graças aos insights, escreva para nós preenchendo um formulário em nosso site. Discutiremos os detalhes com você e ajudaremos você a criar uma previsão.