Proxxima

Sem Categoria

Morse Academy | Aula 1, Mobile meets Big Data

Published

on

E começou o Morse Academy! Há duas semanas demos início ao Projeto criado pela Hands, junto às principais cabeças do mercado, com o objetivo de aterrissar para o mundo do Marketing e da Mídia os temas que devem impactar o nosso trabalho até 2020.

O tema do primeiro evento foi “Mobile meets Big Data” e abordamos os principais pontos com um olhar mais técnico: como funciona, o que funciona, o que não funciona, oportunidades, desafios etc.

A idéia foi literalmente abrir a cozinha e mostrar na prática o dia-a-dia, pois acreditamos que a transparência total é a chave para avançarmos com as novas possibilidades.

First things first: o que temos de novo?

O maior desafio ao começar a trabalhar com dados é ter uma fonte rica e confiável de dados, que possa realmente gerar novos insights e novos olhares.

Historicamente o principal tipo de dados externos sobre consumidores que as marcas tinham acesso eram dados sociodemográficos. O próprio target das marcas vinha sendo pautado por esse tipo de informação. Gênero, idade, classe social, renda etc atuando como as principais características para definir quem poderia, ou teria interesse, em comprar ou consumir algo.

Porém, com o passar do tempo marcas e empresas começaram a entender a importância de não apenas conhecer seus consumidores, mas também saber o que eles fazem, em quais circunstâncias, em quais locais e assim por diante.

A importância, e ao mesmo tempo o desafio, de entender melhor sobre o comportamento cotidiano das pessoas acabou unindo esses dois mundos: Mobile & Big Data.

Mobile Behavior: o smartphone como reflexo do nosso comportamento

Os Smartphones acabaram dando super poderes às pessoas. Temos hoje nas mãos uma capacidade computacional, de armazenagem e processamento, capaz de resolver 99% das nossas necessidades cotidianas.

Para utilizar essa facilidade a que todos temos acesso, fomos nos acostumando à compartilhar com nossos devices tudo o que fazemos e precisamos. Cruze isso ao fato destes aparelhos estarem conosco 24/7 e, voilà, temos o reflexo do nosso comportamento, organizado, digitalizado e em realtime.

Essa base de dados enorme, cada vez mais à disposição, esta se mostrando extremamente útil para que empresas e até órgãos públicos possam entender um pouco melhor sobre o que esta acontecendo para até prever o que vai acontecer.

Os dados assim coletados são chamados dados inferidos pois, diferente dos que possuem informações declaradas pelo próprio usuário, utilizam inferências para definir perfis, comportamentos etc.

Em um primeiro momento pode-se entender que sejam menos precisos, o que não necessariamente é verdade, e possuem algumas vantagens como por exemplo entender o que o próprio usuário não conhece ou entende.

Muito do que fazemos, praticamos, gostamos ou não gostamos esta refletido nas informações coletadas pelos smartphones. Lugares que frequentamos e aplicativos que utilizamos, o que chamamos aqui de GeoBehavior e AppBehavior respectivamente, refletem ipsis litteris o nosso dia.

Outro ponto importante é a bilateralidade já que os mesmos dispositivos que coletam as informações podem ser utilizados para ativar os usuários, estreitando ainda mais esse relacionamento.

But how it Works?

O ponto de partida: background information.

O smartphone é diferente de qualquer outro device, seja o seu computador ou sua geladeira, pois eles no máximo conseguem ter informações sobre um usuário enquanto ele usa o aparelho. À partir do momento que você fecha o computador ou sai da frente da geladeira, eles pouco poderão saber sobre você.

No caso dos smartphones existe uma série de informações que podem ser coletadas e tratadas mesmo quando você não esta utilizando um app específico, ou melhor, mesmo quando você não esta utilizando o celular.

Esse tipo de informação é fundamental para permitir o funcionamento de alguns apps e serviços que utilizamos hoje em dia e por consequência trouxeram uma nova avalanche de dados comportamentais.

Obviamente esse tipo de coleta de informação já é, e esta ficando cada vez mais, simples e fácil de entender, bem como organizar e restringir.

De onde surgem os dados? Como capturá-los?

Os dados gerados pelos smartphones podem ser disponibilizados via Conexão, Aplicações ou Aparelhos.

A Conexão, seja através de redes móveis ou do WiFi, são as formas mais antigas de coleta de dados. Vale lembrar que bem antes dos smartphones surgirem já era possível utilizar informações das operadoras para segmentar mensagens SMS. Isso tudo ocorre através do CDR, Call Detail Record, Plataforma das Operadoras que gerencia tudo o que seus clientes fazem na rede. O CDR existe para organizar a prestação dos serviços core das Operadoras bem como realizar o billing. Porém, com o uso de softwares específicos, que conseguem analisar e tratar esses dados, o CDR é capaz de gerar uma série de informações sobre os usuários como perfil de consumo, viagens e até a Geolocalização, que é determinada com base na triangulação das antenas, ou seja, analisando a distância que você esta de cada antena já mapeada e com isso determinar seu ponto no mapa.

As Aplicações são os APPs e SDK’s que ou coletam informações, quando o usuário disponibiliza algo no cadastro ou uso do app, ou recebem as informações dos Aparelhos e fornecem para as fontes externas.

Informações enviadas às Aplicações são coletadas pelos Aparelhos, seja o hardware em sí e/ou o sistema operacional, juntos no caso de iOS, ou separados nos aparelhos com Android.

No início a coleta dos dados era feita de forma menos estruturada, era possível uma Aplicação ter acesso direto ao aparelho, coletando as informações que quisesse da forma de quisesse. Com o passar do tempo essa prática foi sendo organizada e hoje a maioria das informações que podemos acessar ficam disponíveis através de APIs criadas por Google, Apple e Amazon, que abrem suas informações respectivamente.

Dados como posição geográfica, atividade física, uso de apps, até mesmo a música que esta tocando ao seu redor são informações já coletadas, organizadas e disponibilizadas via API’s. Veja exemplos abaixo:

Em resumo, o dado crú esta cada vez mais comoditizado já que o acesso a ele vem sendo padronizado. O diferencial hoje em dia esta em como tratar, enriquecer e fazer melhor uso dos dados disponibilizados.

Enriquecendo os dados antes de enriquecer com os dados

Nos dois casos citados mais acima, Geolocalização e uso de Apps, o dado crú não diz nada. Recebemos, respectivamente, a Latitude / Longitude e o ID dos Aplicativos de cada usuário mas, para criar qualquer tipo de análise ou inferência, precisamos primeiramente enriquecer e classificar os dados.

Em ambos os casos é importante entender qual a categoria, sub-categoria, perfil etc os dados pertencem. Apenas em posse dessas informações será possível começar entender e inferir comportamentos.

Para nos ajudar nesses trabalhos existem os algoritmos, base da inteligência artificial, que começam a criar correlações entre vários tipos de dados.

Um algoritmo pode por exemplo ajudar a corrigir a precisão da geolocalização de uma determinada coleta caso tenhamos dúvida entre 2 pontos, entendendo por exemplo o dia, horário, tempo de permanência, origem, destino etc, e com isso ajudar a definir se a pessoa estava no local A ou B.

Quais os pontos de atenção e os cuidados ao entrar em um projeto?

Gosto da imagem abaixo pois foi um marco num período no qual os grandes investimentos em Mobile Advertising tinham como objetivo promover download de Apps e na época surgiu o KPI infalível, o CPI – cost per install.

Diversas empresas começaram a descer rios de dinheiro olhando simplesmente o KPI final mas sem conhecer e entender a cadeia e a tecnologia por trás. Até que um belo dia o mercado descobriu o que estava acontecendo.

Sim, surgiram as “máquinas de download” que simplesmente encontravam meios de falsificar e fraudar as métricas pelas quais as marcas direcionavam seus investimentos.

Não acho que o mercado atual esteja passando por isso, mas é sempre bom conhecer como as coisas funcionam para ter uma maior clareza sobre o que esta sendo oferecido e vendido.

No caso da Geolocalização, o maior ponto de atenção é no que diz respeito ao CPV – custo por visita. Assim como no CPI, trata-se de um KPI que tem como objetivo vender o last mile, ou o sucesso da campanha, dado que o pagamento só é feito se forem geradas visitas às lojas.

Porém, antes de investir nesse tipo de modelo, vale entender e analisar melhor alguns aspectos importantes:

Segmentação:

Imagine que você é uma empresa que trabalha com geolocalização e recebe como briefing uma demanda para gerar visitas à uma rede de fastfood. Qual segmentação de mídia seria a mais fácil para você fazer? E qual a segmentação seria á que o Anunciante estava esperando?

Bom, clientes que visitam as lojas com frequência e clientes que não possuem visitas são respectivamente as melhores respostas, mas muitas vezes as Marcas não entram nesse tipo de detalhe.

Não estou dizendo que impactar Clientes frequentes não tenha valor, mas provavelmente o valor de trazer um novo cliente seja maior que o de ativar um já frequente. Em resumo, não existe o certo e o errado, mas sim a transparência das informações para que todos estejam alinhados sobre os entregáveis e quanto pagar por isso.

Atribuição:

Outro ponto importante ao se investir no modelo CPV é entender a atribuição bem como a estratégia.

Façamos novamente um breve exercício.

Imagine que tenhamos uma campanha com foto em impactar o recorte da base de smartphones de São Paulo com um potencial de 20.000.000 de usuários.

Quantas impressões seriam necessárias para cobrir 100% dessa base?

R: Considerando uma única impressão por usuário, 20.000.000.

Quantos CPMs nesse caso?

R: 20.000 CPMs.

Qual o investimento necessário para isso?

R$: Algo entorno de R$ 100.000,00

Ou seja, com R$ 100.000,00 em investimento é possível “carimbar” 100% do target e com isso reportar uma visita realizada por qualquer um dos usuários como KPI da campanha.

Por isso que defendemos que o modelo de negócio de venda por CPV precisa de transparência total da base, mostrando qual usuário foi impactado de que forma, com call frequência, teve qual engajamento etc. Essa é a única forma de alguém não estar pegando carona para essa visita .

Por Prof João Carvalho

Continue Reading
Advertisement Proxxima

Leave a Reply

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Trending

Copyright © 2021 Morse News