Por que os consumidores compram?

0
9
Autor: Carlos Salvador
 
Os CMOs e os líderes de marketing lutam diariamente para responder questões, como: “Por que este cliente comprou? Quais foram os eventos específicos e as interações que culminaram em uma conversão?”. Por mais que seja muito fácil atribuir ao último passo toda a compra, essa movimentação não mostra a jornada total do cliente. Definir quais e quando as interações e eventos aconteceram, e em sua ordem, é difícil. É neste momento que a análise de Big Data chega para ajudar. Os líderes de marketing estão buscando nessa análise maneiras de responder questões desafiadoras e, também, medir a eficácia das suas ações.
 
As iniciativas de Big Data e de análise avançada ajudaram os profissionais a criarem campanhas altamente focadas, com mensagens personalizadas. Um estudo da McKinsey descobriu que profissionais que usam personalização baseada em dados são capazes de ter o retorno sobre investimento (ROI) de cinco a oito vezes no que foi investido. Abaixo, segue um exemplo de como uma empresa conseguiu capitalizar na análise de Big Data para ter um marketing mais focado.
 
Uma CMO de uma grande financeira procurava aumentar a eficácia do marketing ao melhorar a sua capacidade de segmentar os possíveis novos clientes/prospects e aqueles existentes, para enviar ofertas mais direcionadas. O objetivo era aumentar a taxa de conversão, reduzir os custos de e-mails devolvidos e ter uma atribuição mais precisa. As metas da equipe estavam diretamente alinhadas com os objetivos de negócios de alavancar os dados. Estrategicamente para aumentar a receita e fazer vendas adicionais com maior valor agregado. Melhorando a experiência dos clientes e aumentando o número de produtos por família. Infelizmente, ela tinha vários desafios operacionais. A empresa tinha diversas marcas diferentes, com produtos, canais de distribuição e estratégias de marketing múltiplas. 
Os dados dos clientes existentes e dos prospects eram fragmentados, inconsistentes e espalhados em várias aplicações de CRM, em dezenas de sistemas operacionais e de sistemas legados, diversas aplicações de marketing e de campanha. Além de fontes de dados de terceiros. Questões simples eram difíceis de responder e a fragmentação evitava qualquer entendimento verdadeiro da atribuição de marketing e da sua efetividade. Havia algumas questões que a equipe não conseguia responder e que impactavam diretamente a conversão de leads e a experiência dos clientes. Entre elas: Quem são os nossos leads e prospects? Quantos clientes realmente temos? Quem são eles? Quais sãos os produtos que eles já possuem? Quais são as relações que existem entre os clientes, os seus beneficiários, prospects e pessoal de vendas? Quais segmentos de clientes são os mais lucrativos? Quantos novos clientes nós conquistamos na semana passada? 
As áreas de marketing e de TI fizeram parceria na iniciativa de análise de Big Data para conseguir fazer a criação de perfis em tempo real de clientes e prospects no Hadoop. Por mais que diversos projetos de Big Data comecem jogando todas as informações para serem analisadas na plataforma, essa equipe buscou como abordagem “primeiro os dados”. Eles se focaram em gerenciar estrategicamente as informações para que as análises gerassem resultados significativos e acionáveis. Abaixo, estão os três passos principais no processo:
 
Passo 1: Centralizar os dados para fazer análise abrangente e confiável
Para começar, as equipes tiveram que centralizar os seus dados fragmentados e inconsistentes. A tecnologia de integração de Big Data permitiu que as equipes conseguissem mover e transformar todos os dados de clientes, prospects, distribuidores e produtos para a plataforma Hadoop. Da mesma forma, ela também permitiu mover e transformar todo o histórico de campanhas e de solicitação. Todas as informações de interação de vendas, do call center, dos registros web e redes sociais e todos os dados enriquecidos de listas de prospects e fornecedores de dados terceiros. Como Acxiom, Epsilon e Dun and Bradstreet 
 
Passo 2: Preparar e “masterizar” os dados
A ação seguinte era aprimorar, agregar e garantir a segurança dos dados no Hadoop. As equipes usaram tecnologia de qualidade dos dados para fazer o perfil dos dados agregados. A fim de ter melhores insights para padronizar, limpar e validar os dados com maior eficácia. Isso incluiu nomes, números de telefones e endereços de correspondência e de e-mail de clientes e prospects. A tecnologia de gestão de relacionamento em Big Data criou IDs únicos para todos os prospects e clientes para combinar e conectar todos os registros relacionados. Então, o conteúdo foi combinado com dados internos e externos de interação, histórico de campanhas de solicitação e registros web. Eles foram enriquecidos ainda mais com fontes de terceiros, com demografia e interações externas. Esta base de dados exatos, confiáveis e relacionados com a empresa forneceu ao Marketing um índice analítico em tempo real de indivíduos, lares, pontos de contatos, produtos, distribuição de vendas e as relações entre eles.
 
Passo 3: Entregar os Dados
A seguir, as pessoas precisavam de maneiras de acessar os dados. Um ambiente de análise de autoatendimento passou ser disponibilizados para as equipes de marketing, cientistas de dados e analistas de negócios. Com uma localização centralizada para dados corporativos confiáveis, as equipes de análise puderam usar ferramentas de business intelligence tradicionais, ferramentas de visualização e modelagem preditiva para analisar os fluxos de eventos e os modelos de atribuição de marketing. 
 
Assim, pela primeira vez, a equipe de marketing passou a conseguir gerenciar, estrategicamente, os seus dados de clientes e prospects para responder as questões: “Por que esse cliente comprou? Quais foram as séries específicas de eventos e interações que resultaram na conversão de lead com receita?”. Esse tipo de insight auxiliou a construir perfis de segmentação mais refinados e a se focar melhor nas personas com o objetivo de melhorar, continuamente, a eficácia das suas campanhas. Um benefício adicional é que esses dados de relacionamento foram direcionados para sistemas de gestão de campanha, aplicações de call center e de CRM para melhorar as conversões de leads, taxas de fechamento de vendas e a experiência dos clientes nos vários pontos de interação.
 
Os líderes de marketing que trabalham em organizações complexas estão embarcando nas iniciativas de análise de Big Data para otimizar a sua eficiência, fomentar a diferenciação competitiva e melhorar a experiência do cliente. O marketing, em uma parceria ativa com as áreas de TI, está abordando “primeiro os dados” para gerenciar estrategicamente as informações dos seus clientes e prospects. Ao alimentar a gestão de vendas de campanha e aplicações analíticas com dados limpos, consistentes e conectados, as corporações podem ter um Marketing mais focado e aumentar, continuamente, a eficácia das suas campanhas.
Carlos Salvador é gerente sênior de pré-vendas na Informatica LLC