Análise preditiva como ferramenta para aumentar a eficiência do marketing

A crescente capacidade de coletar e armazenar dados forneceu às empresas recursos aprimorados para análise retrospectiva e em tempo real. Agora podemos traçar padrões e tirar conclusões sobre falhas para não pisar no mesmo rake. Ou podemos identificar as soluções mais bem-sucedidas e repetir nosso sucesso.

A análise preditiva é sempre mais eficaz do que a análise retrospectiva ou em tempo real a longo prazo, assim como a prevenção é mais eficaz do que o atendimento médico urgente. A análise retrospectiva é essencialmente uma autópsia – uma análise de um erro que não pode ser desfeito. A análise em tempo real é uma ambulância respondendo aqui e agora, e a análise preditiva é a medicina preventiva que o salva da doença em primeiro lugar.

Como disse Thomas Davenport, ninguém tem a capacidade de coletar e analisar dados do futuro. Mas temos a oportunidade de prever o futuro usando dados do passado. Isso é chamado de análise preditiva e, de fato, muitas empresas já a estão usando. Você pode usar dados do passado para:

1. calcular o valor da vida útil de um cliente (CLV). Esse indicador ajudará você a entender qual valor um cliente trará para sua empresa ao longo de sua vida, incluindo ganhos futuros.
   
2. desenvolver recomendações ideais com base nos dados de comportamento do usuário do seu site.
   
3. prever quais produtos ou serviços um cliente provavelmente comprará no futuro.
   
4. prever o churn de clientes.
   
5. desenvolver um plano e previsão de vendas no próximo trimestre/seis meses/ano.

Todas essas são formas simples de análise preditiva. Vejamos os métodos populares de análise preditiva.

Podemos identificar os seguintes estágios da modelagem preditiva:

• Coleta de dados primários
• Formação do modelo estatístico
• Previsão
• Verificando/revisando o modelo à medida que dados adicionais se tornam disponíveis

Os modelos preditivos analisam o comportamento passado de um usuário para avaliar a probabilidade de que ele exiba determinado comportamento no futuro. Esse tipo de análise também envolve modelos que encontram padrões sutis nos dados, como para detectar fraudes.

Muitas vezes, os modelos preditivos fazem cálculos imediatamente quando um usuário passa pelo funil de conversão a caminho de realizar uma ação de conversão — por exemplo, para avaliar a probabilidade de um usuário atingir uma meta. Com dados precisos sobre a probabilidade de transição de uma etapa do funil para outra, uma empresa pode gerenciar melhor os fatores que impedem ou ajudam os usuários a passar pelo funil e pode descrever com mais precisão os padrões de comportamento de diferentes categorias de clientes.

O usuário médio tem aproximadamente 50 aplicativos em seu smartphone. Cada um deles recebe, transmite e gera dados. Esses dados são armazenados em diferentes serviços e em diferentes formatos. Embora à primeira vista isso possa parecer um fator positivo para os profissionais de marketing, trabalhar de forma eficaz com esse volume de dados estruturados e não estruturados é um problema.

Vejamos alguns exemplos de empresas que aplicaram com sucesso os resultados da análise preditiva.

… para recomendar produtos e serviços aos usuários com base em seu comportamento anterior. De acordo com alguns relatórios, essas recomendações trazem até 30% das vendas da Amazon. Além disso, a Amazon tinha planos de desenvolver uma ferramenta que, com base em previsões, entregaria produtos em zonas nas quais os pedidos eram esperados antes mesmo que esses pedidos fossem feitos no site, reduzindo o tempo de entrega de mercadorias aos clientes.

A equipe da Macy's aproveitou a análise preditiva para um marketing direto mais preciso. Ao longo de três meses, a empresa aumentou suas vendas online de 8% para 12%, capturando dados sobre categorias de produtos navegadas pelos usuários e enviando e-mails personalizados de acordo.

… para segmentar clientes em potencial, atrair leads e fechar negócios. Eles identificam os clientes em potencial mais valiosos que estão prontos para fazer uma compra. Em seguida, um representante de vendas entra em contato diretamente com esses clientes em potencial e os conduz pelo processo de vendas para encontrar a oferta mais adequada.

StitchFix é outro varejista com um modelo exclusivo de vendas baseado em previsão.
Ao se registrar no StitchFix, os usuários preenchem uma pesquisa sobre seu estilo. Em seguida, os modelos de análise preditiva são aplicados para oferecer aos clientes as roupas que eles provavelmente desejam. Se os clientes não gostarem das roupas que recebem, podem devolvê-las com frete grátis.

… e fornecer preventivamente as informações necessárias sobre como mantê-los. A IA da Sprint prevê o que os clientes desejam e oferece ofertas quando eles correm o maior risco de deixar a empresa. Desde a introdução desse sistema de IA, a taxa de rotatividade da Sprint despencou e os clientes deram à empresa excelentes classificações por serviço personalizado e ofertas direcionadas. Como você pode ver, prever a rotatividade de clientes é uma tarefa viável para análises preditivas entre empresas de SaaS e comércio eletrônico.

Aqui está uma lista das métricas mais populares no âmbito da análise preditiva:

1. Taxa de saída do cliente (taxa de rotatividade)
   
2. Previsão do plano de vendas
   
3. Valor da vida útil do cliente
   

A introdução da análise preditiva é impossível sem a cooperação dos departamentos de marketing e análise, entendendo os objetivos do estudo e a ordem estabelecida nos dados. A execução da análise preditiva é a seguinte:

1. Defina sua hipótese
   
2. Colete dados interna e externamente para construir um modelo
   
3. Defina métricas para medir a precisão do seu modelo
   
4. Use um serviço pronto ou desenvolva o seu próprio:
   1. Construir um MVP
      
   2. Treine o modelo em termos de parâmetros de falta de precisão para obter uma versão de trabalho estável
      
   3. Criar uma interface ou relatório
      
   4. Atualizar ou treinar novamente o modelo para atender a novos requisitos
      

No estágio de coleta de dados, verifique se você configurou a análise de ponta a ponta, pois sem ela, a implementação da análise preditiva geralmente é ineficaz.

A porcentagem de decisões de negócios com base em análises de marketing atingiu um pico no início de 2019 (considerando dados dos últimos seis anos) de acordo com o relatório CMO Survey: Spring 2019 da Deloitte. De acordo com um estudo da MarketsandMarkets, o mercado de análise preditiva crescerá de US$ 4 bilhões para mais de US$ 12 bilhões em 2022

O interesse em análise de marketing em geral – e em análise preditiva em particular – incentiva as empresas a desenvolver soluções e serviços fáceis de usar que tornam a análise preditiva mais acessível para as empresas.

Aqui estão alguns desses serviços:

• Um produto OWOX BI que ajuda as empresas a atingir metas de marketing e crescer 22% mais rápido que a média do mercado.
  
• Líder nos rankings de primavera e verão de 2019 da G2 Crowd nas categorias “Software de marketing – analytics” e “Software for analytics in e-commerce”.
  
• Envia previsões sobre a implementação do seu plano de marketing diretamente para o seu e-mail.
  

OWOX BI:

• Combina dados de marketing de várias fontes, disponibilizando-os para análise no Google BigQuery.
  
• Determina o valor da etapa de cada usuário usando seu próprio modelo de atribuição baseado em funil.
  
• Cria relatórios automaticamente para analisar a eficácia do marketing.
  
• Mostra como seu plano de vendas será implementado, quais são suas áreas de crescimento e pontos fracos e como sua participação no mercado está mudando.
  

Você pode experimentar o OWOX BI agora mesmo usando o período de teste gratuito:

Você pode saber mais sobre o OWOX BI em nosso artigo sobre como prever áreas de crescimento e riscos em um plano de marketing baseado em dados.

Os modelos preditivos oferecidos pela Infer ajudarão você a combinar todas as suas fontes de dados para obter uma visão completa da posição de seus leads no funil de vendas. O Infer rastreia sinais de fontes online e bancos de dados públicos e cria modelos preditivos com base em contas principais anteriores e nas regras que você definiu. Os dados obtidos pela Infer serão úteis para profissionais de marketing e especialistas em vendas tanto para encontrar leads que provavelmente se converterão em clientes no futuro quanto para otimizar o funil de vendas como um todo.

A Radius fornece vários serviços de análise de dados com foco em marketing B2B preditivo. Os principais recursos incluem:

• Radius Customer Exchange (RCX), que compara o perfil da sua empresa com o de outras empresas que possuem o mesmo público, dando a você a oportunidade de trabalhar em conjunto e criar suas próprias listas de marketing.
  
• Radius Connect: envie dados preditivos para o Salesforce.
  

A plataforma Radius também ajuda os profissionais de marketing a trocar dados entre departamentos e encontrar novas contas em bancos de dados internos. Assim como o Infer, o Radius é um sistema baseado em nuvem.

Baseado nas regras da modelagem preditiva, o BOARD funciona em uma interface adaptativa com dashboards em tempo real.

Isso significa que você pode modelar vários cenários e analisar os resultados possíveis sem ter que criar um novo modelo a cada vez.

O BOARD vem com vários conectores integrados, para que você possa extrair dados de praticamente qualquer fonte - seu sistema ERP, banco de dados em nuvem, cubo OLAP e até arquivos simples. Você também pode transformar suas previsões em aplicativos personalizados usando as ferramentas do BOARD.

TIBCO Data Science é um produto relativamente novo, anunciado em setembro de 2018. Criado como uma plataforma única, TIBCO Data Science combina os recursos de gerações anteriores de serviços da TIBCO: TIBCO Statistica, Spotfire Data Science, Spotfire Statistics Services e TERR.

O serviço Data Science ajuda as organizações a inovar e resolver problemas complexos mais rapidamente, convertendo rapidamente as previsões em soluções ideais.

A SAS tem 33% de participação no mercado de análise preditiva e 40 anos de experiência; eles fornecem aos usuários recursos avançados de análise de dados com base em muitos editores visuais. A principal funcionalidade do SAS Advanced Analytics é baseada em gráficos, mapa de processo automático, código embutido e regras de tempo automáticas.

De acordo com avaliações de usuários, o SAS Advanced Analytics faz um excelente trabalho de previsão e análise de movimento geral e pode processar grandes conjuntos de dados com relativa rapidez. O SAS oferece demonstrações gratuitas de seus produtos e uma base de conhecimento para ajudá-lo a começar a trabalhar com eles.

Este software permite automatizar a criação de relatórios com base em intervalos de tempo. Você pode importar seus próprios conjuntos de dados e exportá-los para outros programas graças a mais de 60 integrações integradas.

As extensões oferecem maior flexibilidade (detecção de anomalias, processamento de texto, mineração na web), mas podem não estar incluídas no preço básico da assinatura

Embora o RapidMiner tenha sido criado para cientistas de dados, é fácil de instalar e começar.

O IBM SPSS usa modelagem e análise de dados com base em estatísticas. Este software trabalha com dados estruturados e não estruturados. Está disponível na nuvem, localmente ou por meio de uma implantação híbrida para atender a quaisquer requisitos de segurança e mobilidade.

Você pode usar seus dados existentes para construir modelos preditivos no editor visual SPSS e nos painéis de modelagem. O suporte premium para dados não estruturados inclui tecnologia linguística e processamento de linguagem natural, para que você possa incluir dados de redes sociais e outras fontes baseadas em texto em seus modelos.

O SAP HANA fornece bancos de dados e aplicativos localmente ou na nuvem. Este software reduz o tempo necessário para criar modelos com conectores adicionais para grandes conjuntos de dados externos e visualizações intuitivas.

Você também pode conectar bibliotecas de análise preditiva (PALs) ao SAP HANA para obter informações extras de grandes conjuntos de dados. Para indústrias centradas no cliente, este software oferece análise de texto e dados de mídia social para prever o comportamento futuro do cliente e recomendar produtos com base no comportamento passado.

O SAP HANA é compatível com a linguagem de programação R, portanto, você não precisa aprender uma nova linguagem para configurar suas consultas. Quando seu sistema integra dados internos suficientes, os modelos preditivos fornecem automaticamente novos insights.

A análise preditiva em marketing é uma poderosa ferramenta de ciência de dados cujos recursos não podem ser abordados em um artigo. Deixe-nos saber nos comentários sobre quais aspectos da análise preditiva você gostaria de saber mais em nossos próximos artigos.

Como lembrete, aqui estão os três mandamentos da análise preditiva:

• Comece com o básico: verifique a qualidade dos seus dados e colete-os automaticamente para eliminar o erro humano. A qualidade do seu modelo treinado depende da qualidade dos seus dados de treinamento.
  
• Nunca se afaste do objetivo de sua pesquisa, pois não é o processo que importa, mas o resultado.
  
• Observe os requisitos de precisão. Lembre-se de que os resultados de sua previsão só podem ser validados medindo a precisão do modelo comprovado quando aplicado aos seus dados.
  

Modelagem Preditiva
A importância da análise preditiva para lojas de comércio eletrônico
Um guia abrangente para análise preditiva
As 10 principais ferramentas de análise preditiva, por categoria
Previsão de receita usando análise preditiva: um estudo de caso interativo
Uma cartilha de análise preditiva
OS 24 PRINCIPAIS SOFTWARE GRATUITOS DE ANÁLISE PREDItiva
20 melhores softwares de análise preditiva de 2019
Ferramentas de análise preditiva
Software de análise preditiva
Modelagem Preditiva
Ferramentas de análise preditiva
Insights para ação — de verdade desta vez
7 maneiras como a Amazon usa big data para persegui-lo (AMZN)
Amazon quer usar análise preditiva para oferecer envio antecipado
Retenção de clientes: Macy's usa análise preditiva para aumentar os gastos dos clientes
Análise preditiva em 2019: o que é possível, quem está fazendo e como
Como usar a análise preditiva para um melhor desempenho de marketing
Previsão de receita usando análise preditiva: um estudo de caso interativo
Desmistificando a análise preditiva