Ghost Interview
GHOST INTERVIEW #30 | O Power Couple do Big Data
Se “dados são o novo petróleo”, o Ghost Interview resolveu ir direto na fonte. No caso, na fonte dessa famosa frase: o matemático britânico, Clive Humby. Junto com sua esposa, Edwina Dunn, Humby foi responsável por criar o mercado de uso de dados para entender audiências.
Ambos criaram a Dunnhumby direto da cozinha de casa em, pasmem, 1989. O sucesso da consultoria veio apenas no meio dos anos 90, quando a empresa fez parceria com a Tesco para criar um programa de fidelidade. O resultado foi tão positivo que a rede de supermercados britânica pulou de terceiro lugar para líder do setor no país em três anos, o que a fez comprar parte da Dunnhumby em 2001. Com isso, Edwina e Clive mostraram para o mercado algo que nos é muito valioso: dados também podem ser core business do Marketing. E eles tem muito a dizer sobre o mundo do Mobile e Big Data de hoje em dia, segue só:
Data is Soil
Edwina: Na verdade, quando a gente começou a Dunnhumby éramos só nós dois, trabalhando de casa. A decisão de criar o negócio veio porque nós dois estávamos desempregados e com uma grande hipoteca para pagar (péssimo timing, eu sei). Éramos duas pessoas com qualidades opostas: um matemático, estatístico e uma mais voltada para negócios. Nos juntamos para criar esse negócio. Usamos novas tecnologias e dados que as empresas “jogavam fora” por falta de espaço. De alguma forma, isso desafiava todo mundo, e acreditávamos – mas não tínhamos muita certeza – que esse seria um negócio tão transformador.
(Entrevista ao site da Starcount em 24 de maio de 2019)
Edwina: A Tesco estava querendo criar um programa de fidelidade, mas estava lutando para analisar os dados que tinham, o que a levou a nos chamar para um contrato de três meses. Eles falaram que eles nunca usavam consultorias num prazo longo. Quando apresentamos o resultado do que fizemos, daqueles três meses, houve uma pausa muito longa na mesa, todo mundo olhando para baixo, parecendo muito tenso. Então MacLaurin [Ian MacLaurin, CEO da Tesco na época] falou que, naqueles três meses, a gente conseguiu entender melhor o cliente da Tesco do que ele, em 30 anos de negócio. Foi um tremendo momento e fechamos o contrato de longo prazo.
Quando aceitamos o projeto, todo mundo da indústria disse que, para analisar essa quantidade de dados, levaria três anos e custaria 50 milhões de libras em hardware e software. Em um dos nossos muitos erros, nós falamos, com convicção para a Tesco que nós poderíamos fazer em 10 semanas e por 250 mil libras. A questão era que, a quantidade de dados era enorme e a razão pela qual nós conseguimos usá-los foi porque a gente abordou o problema do ponto de vista estatístico.
(Entrevista ao The Telegraph, em 30 de agosto de 2014)
Clive: Enquanto todos estavam falando para a Tesco que custaria milhões de libras para construir esses sistemas massivos, a gente fez uma análise em alguns de nossos computadores no fundo de nosso escritório e, ali, descobrimos os padrões que importavam. Para a nossa vantagem, os técnicos não estavam pensando estatisticamente. Eles olhavam para aquela quantidade de informação [de cadastro de clientes] e pensavam “como nós vamos lidar com essa quantidade de dados”. A gente, em contrapartida, pensava em encontrar os padrões, assim, a gente conseguiu provar utilizando uma amostra de 10% daqueles dados. E isso trouxe mudança palpável para o negócio: quando a gente começou a analisar dados de clientes que compravam 50 ou 60 itens a cada semana.
O que a gente percebeu é que entender o hábito comportamental[do consumidor] é um grande criador de valor. Se você comprar o mesmo café toda semana, eu não preciso promovê-lo para você ou preciso? A promoção serve para levar os usuários a comprar algo novo ou fazer com que ele compre o de sempre, mas com desconto? O varejo nos apresentava um novo set de desafios em como interpretar os números.
A gente optou por não perguntar muitas questões para o cliente participar do programa de fidelidade porque a gente tinha a certeza de que conseguiria entendê-lo puramente pelos itens que eles compravam. O contrato era simples: o usuário tinha que permitir para a gente ver o que a pessoa comprou e a gente mandaria ofertas para outros produtos que ele poderia gostar. Até hoje, sou um pouco cínico com relação a dados declarados porque eles envelhecem muito rápido. Os dados das compras não, porque eles contam como é a vida do usuário. A partir dele conseguimos ver, vendo as porções que compra, se a pessoa cozinha para duas pessoas ou para quatro. Se a pessoa tem ou não filhos. É possível chegar a muitas informações a partir daquilo que você compra, então não preciso ter essas perguntas no formulário. O dado que não envelhece é mais capaz de me responder essas questões.
(Entrevista ao site da Royal Statistic Society em 18 de março de 2015)
Clive: Basicamente, o meu trabalho [na Tesco] é sentar na sua cozinha, observar você desempacotar suas compras e, então, descobrir como você vive sua vida. Você come junto da sua família? Você é saudável? Você tem filhos pequenos ou eles estão na Universidade e só voltam durante o Natal? Tudo isso emerge nos dados se a gente sabe como olhar para eles. Quando as Poptarts e bolachas desaparecem das compras e alimentos mais orgânicos começam a aparecer, exatamente quando o filho sai de casa para a Universidade.
Nós não construímos algoritmos para prever o que o usuário iria comprar, mas para compreender por que o usuário comprou algo. E o Big Data oferece a oportunidade de fazer isso. Éramos e ainda somos storytellers. Não estávamos lá para achar respostas, mas para descobrir o que significavam as compras.
(Apresentação na Alexander Mann Solutions em 9 de junho de 2015)
Edwina: A gente conseguia identificar grandes diferenças entre aquilo que as pessoas comiam. Alguns nunca cozinhavam, alguns apenas esquentavam os alimentos, alguns compravam snacks, outros preferiam comer as refeições separadas. Nós, então, tínhamos escopo para mandar mensagens diferentes para cada tipo de público, e, principalmente, identificar o que estava de diferente entre as prateleiras e os clientes.
(Entrevista ao Evening Standard em 28 de novembro de 2014)
Clive: Sendo realista, a maioria dos setores não consegue conhecer seus usuários de maneira profunda apenas utilizando seu próprio dado. Você pode saber onde as pessoas moram, mas não sabe muito sobre suas famílias ou sobre como vivem suas vidas. Os dados vindos das compras em supermercado nos conseguiam dizer isso, mas a maioria dos dados transacionais de setores que não o varejo, não.
Um outro ponto, e é uma questão a se pensar, é o boom das maneiras de conversar com os usuários, o que deixa mais espaços para a gente criar “guetos” em nossos dados. Uma vez que o usuário pode falar com a empresa via aplicativos de conversas e comprar muitas vezes.
Se você tem apenas os dados de transações, isso nem sempre consegue se traduzir em comportamento ou em driver de hábito ou até mesmo de atitudes. A marca precisa de mais informações para ter esse benefício. Nesse sentido, novas fontes de dados como o IoT e smartphones seriam saída. Você tem uma smart TV? Ela gera dados sobre você todos os dias. O seu carro pode gerar dados – vocês andam sempre dentro do limite de velocidade? Quais rotas você toma todos os dias? Isso tudo são informações. Essas são as novas fontes de dados que você, como marca, precisa incorporar ao pensar nos processos de análise de clientes. E mais importante, essas informações conseguem dizer o que as pessoas realmente fazem, não o que elas afirmam fazer. Um exemplo prático: na Tesco, milhões diziam que eles iriam doar os pontos que tinham para instituições de caridade. Mas, na verdade, poucos, de fato, faziam isso.
Tem uma nova revolução vindo. E não é uma gradual, mas uma enorme. A questão principal é: vai ser legal ou vai dar medo?
(Apresentação na Data & Marketing Association em 7 de de julho de 2017)
Clive: Há mais de 12 anos, eu falei que “dados são o novo petróleo”, na época, eu estava tentando dizer que os dados seriam o combustível para a próxima revolução, mas, exatamente como o petróleo, ele devia ser refinado e processado para criar novos produtos e para dar bons insights. Eu ainda acredito que essa analogia seja verdadeira.
(…)Mas qualquer um que entende as origens de inteligência artificial e Machine Learning reconhece que é o número de sinais que dá os bons resultados, não a quantidade de dados; setores como de moda e luxo precisam olhar para muito além de suas organizações para obter esses sinais… Eles precisam olhar para fontes abertas sobre competição de varejo, comportamento de compradores, tribos sociais, questões éticas, paixões e mais.
(Artigo “Big Data and AI is not a panacea” publicado no seu LinkedIn em 4 de julho de 2019)
Edwina: O maior desafio na Ciência de Dados não é o Big Data, mas o “Sparse Data”. A verdade universal é que a gente tende a conhecer “muito sobre poucos” e “pouco sobre a maioria” dos consumidores e dos negócios. Os vencedores no mundo da transformação de dados entenderam como destravar uma série de mudanças no comportamento de milhões de consumidores, mais do que colocaram todos os seus esforços apenas em poucos – mesmo que “melhores” – usuários.
(Artigo “The 7 success factors towards data transformation” publicado em sua página do LinkedIn em 24 de abril de 2018)
Clive: Target relevante. Todo mundo já usou essas palavras e acho que o problema é que as pessoas confundem o significado de “relevante”. Relevância não significa personalização, personalização é falar com o cliente e mostrar que você o conhece – ou seja, usar o seu nome, as últimas visitas, coisas que você sabe dele para mostrar que, pelo menos, você se importa um pouco com ele. Relevância, no entanto, é conversar com a pessoa no tom, no momento certo e sobre o assunto que ela se importa. E vamos falar a verdade, as pessoas se importam com muito mais assuntos do que apenas a sua marca, pode ser os filhos, a saúde, o esporte que gostam. Dessa forma, fazer o “relevant targeting” é dizer “eu posso entender quais assuntos importam para as pessoas e posso me inserir na vida delas de maneira significativa” O que acontece quando a empresa faz isso? Pelo menos aumento de 20% em ROI. Se podemos ser relevantes, a gente consegue encarar de frente alguns assuntos que estão sendo muito falados hoje em dia, como, por exemplo, a GDPR [lei europeia de proteção de dados], que tem sido um assunto meio “bomba” para muitas organizações, que estão preocupadas com as taxas de opt-out, que perceberam que os usuários têm tido mais controle. E o que é bem claro é que os usuários começam a controlar quando você os bombardeia de e-mails e promoções. Se a empresa consegue ser relevante e consegue iniciar a conversa com as pessoas de forma significativa, reduz a saída desse cliente da base.
(Webinar da Starcount publicado em 5 de dezembro de 2018)
Clive: Com a maior mudança na regulação de proteção de dados nos últimos 40 anos a caminho, o debate, compreensivamente, tem sido dominado pelos requerimentos técnicos e legais. No entanto, existe o perigo, com essa abordagem, de perder uma oportunidade mais ampla para mudar o atual modelo de publicidade, transformação da qual profissionais de marketing inteligentes podem se beneficiar.
Algumas das questões em jogo incluem: Como entrar em contato novamente com os clientes existentes para obter consentimentos aprimorados, quais consentimentos são necessários agora e no futuro e como continuar a se envolver com os clientes, quais são as implicações dos seus métodos de publicidade programática e algoritmos e apenas o que pode ser legal e não ao usar canais digitais e publicidade de mídia social.
O que se resume é que estamos essencialmente nos movendo para um modelo positivo de “consentimento para o propósito” de usar dados.
(Artigo “How traditional marketing channels can truly benefit from GDPR and PECR ” publicado no seu Linkedin em 17 de janeiro de 2018 )
Clive: A primeira lição que todo mundo tem que aprender é que a maioria dos usuários que deu o consentimento para você usar os dados pela GDPR quer apenas uma coisa do seu negócio: ofertas. Eles percebem a troca de valor – “você pode falar comigo se me der ofertas e oportunidades”.
(…) O que significa que precisamos voltar para o básico, criar segmentações significativas que unam dados internos e externos para descrever tais segmentos e, assim, desenvolver boas ofertas com o tom correto, imagem correta e o conteúdo que seja melhor para esse grupo.
Você pode enriquecer e segmentar com segurança com dados de fora da empresa, dados sociais, padrões de mercado, de geolocalização e de proximidade, comportamentos de vizinhança, clima e tráfego. Dados reais que adicionam um contexto enorme ao pouco que você conhece sobre seus clientes.
(…)
Uma vez que você tenha os fundamentos certos, informe seus clientes e seja relevante, então você tem uma chance muito maior de ganhar.
Eu sou frequentemente citado dizendo que o R no CRM significa relevância e não relacionamentos. A maioria dos seus clientes não quer um relacionamento com você.
(Artigo “Hyperpersonalisation is just that – Hype” publicado no LinkedIn em 6 de agosto de 2018)
Edwina: Se dados trazem a verdade e se as pessoas podem confiar na sua empresa é uma discussão que se resume a uma pergunta: como a gente [como empresa] pode garantir que há algo bom para o consumidor nessa troca? É simples assim. É sobre dar e receber. Eles dão os dados, eles dão informações sobre o que fazem, o que você está dando em troca é relevante e importante para eles?