{"id":4441,"date":"2023-03-09T15:38:14","date_gmt":"2023-03-09T14:38:14","guid":{"rendered":"https:\/\/liminal.pt\/martech-magazine\/?p=4441"},"modified":"2024-08-06T12:41:15","modified_gmt":"2024-08-06T11:41:15","slug":"business-analytics-na-automacao-de-marketing","status":"publish","type":"post","link":"https:\/\/liminal.pt\/martech-magazine\/business-analytics-na-automacao-de-marketing\/","title":{"rendered":"Business Analytics na Automa\u00e7\u00e3o de Marketing"},"content":{"rendered":"\n

No \u00e2mbito do tema de Business Analytics, L. Klaus (2021) define Key Performance Indicators (KPI)<\/a> como \u201cos indicadores de gest\u00e3o usados para medir o progresso face a objetivos chave ou fatores cr\u00edticos de sucesso dentro de uma organiza\u00e7\u00e3o. Eles s\u00e3o os indicadores mais importantes para medir sucesso, performance ou volume de trabalho,\u201d tais como, vendas, funil de oportunidades e leads<\/a>.<\/p>\n\n\n\n

Implementar um Software de Automa\u00e7\u00e3o de Marketing<\/strong><\/a><\/p>\n\n\n\n

Na base dos KPI est\u00e3o dados, mat\u00e9ria-prima para o processamento de an\u00e1lises; indicadores, pontos de refer\u00eancia \u00e0 an\u00e1lise que permitem estabelecer tend\u00eancias, tais como n\u00fameros de visitas ao website<\/a> ou vendas de produtos espec\u00edficos; e indicadores de performance, \u201cm\u00e9tricas operacionais usadas para medir o progresso face a objetivos chave ou fatores cr\u00edticos de sucesso dentro de uma organiza\u00e7\u00e3o,\u201d tais como, n\u00famero de cliques, likes, subscri\u00e7\u00f5es de newsletter. (Klaus, 2021)<\/p>\n\n\n\n

Os KPI devem ser acordados e adotados por toda a equipa e estabelecidos em fun\u00e7\u00e3o da fase do ciclo de vida da empresa (rentabilidade VS volume, por exemplo) e dos principais objetivos a alcan\u00e7ar na gest\u00e3o do pipeline de marketing<\/a> (demand generation VS customer loyalty, por exemplo). Klaus (2021) defende ainda que deve ser definido o menor n\u00famero poss\u00edvel de KPI por \u00e1rea, para facilitar a perce\u00e7\u00e3o, direccionalidade e impacto destes.<\/p>\n\n\n\n

A an\u00e1lise de KPI n\u00e3o deve ser apenas retroespectiva, isto \u00e9, limitada aos registos passados, mas deve ser tamb\u00e9m prospetiva, isto \u00e9, deve determinar a probabilidade de eventos futuros. Klaus (2021) alerta para o facto de que em muitas empresas abondam m\u00e9tricas, mas falta um sistema integrado que demonstre as rela\u00e7\u00f5es de causalidade e correla\u00e7\u00e3o com os resultados econ\u00f3micos do neg\u00f3cio.<\/p>\n\n\n

\n
\"\"
Figura 1 – Modelo para sele\u00e7\u00e3o de abordagem de Data Analytics (Malgaonkar, S.; Hirave, T.; 2018)<\/figcaption><\/figure>\n<\/div>\n\n\n

Algumas plataformas de Automa\u00e7\u00e3o de Marketing<\/a> e CRM<\/a> j\u00e1 usam modelos anal\u00edticos potenciados por t\u00e9cnicas de machine learning e intelig\u00eancia artificial<\/a> para compreender o passado atrav\u00e9s de uma an\u00e1lise retrospetiva (descriptive analytics), prever eventos futuros (predictive analytics) e para prescrever e simular cen\u00e1rios que auxiliam a tomada de decis\u00e3o (prescriptive analytics). Exemplo disso s\u00e3o as funcionalidades de scoring preditivo da Hubspot<\/a> ou da Zoho<\/a>, que permitem automatizar a qualifica\u00e7\u00e3o de leads<\/a>, priorizar o follow-up e antecipar a probabilidade de fecho de um determinado neg\u00f3cio a partir de centenas dados sobre a lead.<\/p>\n\n\n

\n
\"\"
Figura 2 – Scoring Preditivo no Sistema Zoho<\/a> (2022)<\/figcaption><\/figure>\n<\/div>\n\n\n

No caso do sistema Hubspot<\/a>, s\u00e3o usados algoritmos de deep learning para fazer este tipo de previs\u00f5es, analisando pontos de informa\u00e7\u00e3o como web page visits, time of last visit, email interactions, clicks, opens, replies, form submission events, firmografia da conta em causa, intera\u00e7\u00f5es registadas no sistema tais como tarefas de contacto telef\u00f3nico, reuni\u00f5es, etc. Estes tipos de algoritmos s\u00e3o tamb\u00e9m conhecidos como \u201cblack boxes\u201d, o que significa que \u201cos cientistas de dados entendem as entradas e sa\u00eddas do modelo, mas n\u00e3o \u00e9 poss\u00edvel determinar como a entrada \u00e9 transformada na sa\u00edda. O benef\u00edcio desses modelos \u00e9 que comprovadamente superam os modelos do tipo \u201cwhite boxes\u201d, mas n\u00e3o \u00e9 poss\u00edvel saber como cada entrada individual contribui para a pontua\u00e7\u00e3o de um contato. Em vez disso, o foco est\u00e1 no desempenho preditivo geral do modelo\u201d (Hubspot, 2022).<\/p>\n\n\n\n

Business Analytics em Dashboards<\/h2>\n\n\n\n

Independentemente do tipo de an\u00e1lise em causa (retrospetiva ou prospetiva) os relat\u00f3rios que cont\u00e9m estes indicadores devem ser agregados em dashboards que permitam facilmente medir a performance atual face aos objetivos e KPI definidos, de modo a \u201cobter insights que levem \u00e0 a\u00e7\u00e3o sempre que necess\u00e1rio\u201d (Klaus, 2021). Estes dashboards podem ser visualizados nos sistemas de automa\u00e7\u00e3o<\/a>, de CRM<\/a> ou em ferramentas de Business Intelligence<\/a> espec\u00edficas.<\/p>\n\n\n\n

Para Klaus (2021), devem ser desenvolvidos dashboards de acordo com as v\u00e1rias equipas e fun\u00e7\u00f5es, sugerindo os seguintes grandes temas e indicadores que devem nortear a cria\u00e7\u00e3o de dashboards:<\/p>\n\n\n\n