Encontre, identifique e venda para estas novas tribos de consumidores
Se varejistas como a Whole Foods quiserem se estabelecer em Madrid ou Cidade do Mexico provavelmente esta uma das demografias que a rede deve compreender e focar. Como isso seria feito em 2001? Um time de pesquisa de mercado tradicional seria contratado e um longo processo de entrevistar pessoas, levantando seus hbitos ou mesmo submetendo-as a longos questionrios de pesquisa na rua. O resultado: apenas um percentual de todos os entrevistados seriam identificados como target porque a grande maioria no se encaixaria no critrio definido como LOHAS. Mas j que estamos em 2014, a nova country manager da Whole Foods decidiu coletar dados no twitter, uma das redes sociais mais abertas hoje em dia. Usando um software de minerao de dados ela busca por termos relevantes como yoga, zumba, comida orgnica, e em menos de uma semana consegue identificar mais de 100 mil pessoas. O segundo passo deste processo armazenar todas as timelines dos usurios identificados e aplicar tcnicas de clusterizao e minerao de texto com o intuito de descobrir padres de dados e tendncias nesta grande massa de dados. Janeiro de 2014 | elife.com.br | Twitter.com/elife_br LOHAS sigla para Lifestyles of Health and Sustainability (Estilos de Vida de Sade e Sustentabilidade) um dos muitos perfis demogrficos que nascem em sociedades contemporneas ricas. LOHAS composto predominantemente por mulheres com elevado nvel educacional, que se preocupam com o meio ambiente, compram comida orgnica e praticam yoga (e talvez zumba). 01 O ltimo passo implica em alocar analistas experientes que iro vasculhar toda a coleo de dados, num processo similar a um focus groups tradicional o que o twitter de fato se assemelha: um grande focus groups desestruturado com 250 milhes de participantes opinando sobre tudo. Bem-vindo ao novo mundo da inteligncia de mercado, um mundo onde os conceitos de mdias sociais e anlise de tribos de consumidores se encontram. Segundo o professor Bernard Cova no artigo Tribal Marketing: the Tribalisation of Society and its Impact on the Conduct of Marketing (Marketing Tribal: a Tribalizao da Sociedade e seu impacto no Marketing) uma tribo definida como uma rede de pessoas heterogneas em termos de idade, sexo, rendimento etc) que esto ligadas por uma paixo ou emoo; uma tribo capaz de aes e comportamentos coletivos, seus membros no so simples consumidores, so advogados de marcas. Quando conectamos esta definio com o que ocorre hoje em plataformas de mdias sociais percebemos que estas tribos esto tomando conta do ambiente digital. H grupos no Facebook para discusso sobre vinho, golf, seguro sade, movimentos sociais e uma infinidade de outros tpicos. Experts em um tema influenciam milhares de consumidores com uma mensagem de 140 caracteres no Twitter. Yelp e Foursquare so o destino de quem procura informaes sobre lugares legais. Cada vez mais estas tribos esto tomando conta de pginas no Facebook aonde marcas gerenciam seus contedos. Da mesma maneira os consumidores membros destas tribos enviam mensagens para contas oficiais de marca no twitter solicitando atendimento e de forma geral pedindo por melhores produtos e servios. Do outro lado, muitos gestores de marca gerenciam um exrcito de analistas de Social CRM capazes de acalmar massas enfurecidas de consumidores, em casos de levantes digitais, no pouco frequentes. As ameaas porm representam novas oportunidades. Em Mdias Sociais os consumidores informam os gestores de marketing e o pessoal de vendas dos seus desejos mais profundos assim como de acontecimentos importantes nas suas vidas de uma forma nica. Imagine por exemplo um perfil chamado @Mom39 que se descreve como me, que vive em Barcelona, mdica, e uma f radical de jogging. Ou o quarento @CarlosFly, que mora em Londres, que faz menes frequentes a carros e que usa frequentemente o Foursquare para fazer check in em diversos aeroportos pelo mundo. Aposto que muitas empresas adorariam ter dados to detalhados dos seus consumidores. 02 Este novo mundo vrias vezes o oposto do tradicional ambiente de vendas. Ao invs de cold calls, com pessoas que mal conhecemos do outro lado da linha e ofertas genricas, um representante de vendas pode escolher o melhor momento e a melhor oportunidade para falar com um potencial cliente. E se o seu software de monitoramento te alertar que @Mom39 publicou que hoje seu aniversrio de 40 anos? Excelente momento para uma aproximao. Voc pode tuitar algo como Mom39, 40 so os novos 30, e voc ainda est 10 anos mais sbia, parabns pela data! Bingo! Excelente forma de quebrar o gelo com uma futura consumidora. Aguarde alguns dias e envie para ela um link para um texto sobre porque pessoas inteligentes devem ser as mais bem informadas sobre seguros. Junto com um prospecto da sua empresa. Vejamos agora @CarlosFly. Como sua empresa vende muitos seguros de carro voc configurou sua ferramenta de monitoramento para monitorar todos os grupos de fs de carro no Facebook que pde encontrar. Voc recebeu outro alerta relatando sobre o ltimo tweet de @CarlosFly: Pessoal, quero comprar um novo carro, alguma sugesto?. Mas espere, o software ainda te contar dos frequentes check ins que @CarlosFly faz em aeroportos. E voc finalmente tem o produto certo para ele: comprando o seguro auto de sua empresa @CarlosFly receber 10,000 pontos no programa de fidelidade da sua companhia area favorita. Voc ento decide fazer esta meno, assim como a sua marca de carros favorita no tweet que sua empresa envia para ele. O que descrevemos acima apenas a ponto do iceberg do que acontece quando uma empresa aposta no enorme poder das tribos de consumidores on-line. Voltamos aos primrdios da vida humana na terra onde ramos grupos de caadores em busca de comida, diverso, credos e mil outras coisas. Desta vez num ambiente digital que funciona 24 x 7. Neste novo mundo de mltiplas e variadas escolhas as pessoas no podem continuar a serem classificadas por mtodos demogrficos j ultrapassados. H uma enxurrada sem fim de informaes sobre cada um de ns e estamos s comeando a entender como us-las. H cinco anos falvamos de centenas de menes de uma marca no Twitter. Hoje contamos as marcas aos milhes. Isso nos leva ao nosso prximo e mais importante tema: social big data. Viagem Barcelona Filhos Jogging Mdica Aniversrio A boa notcia que agora elas podem. Com as ferramentas de software certas, um analista de mercado ou um representante de vendas pode usar as mdias sociais para identificar, classificar e interagir apenas com os consumidores certos para seu negcio. Por exemplo, nossos dois personagens ficcionais acima, @Mom39, mdica e me e @CarlosFly, um cara que curte carros e viaja bastante. Digamos que voc um representante de vendas que trabalha para uma companhia de seguros. Ambos esto no target de possveis clientes da seguradora. Quais os prximos passos? Em mdias sociais, estamos falando cada vez mais de dilogo 1-para-1 e tribos. 03 Social Big Data: um novo desafio Nos dias de hoje os dados internos das empresas sobre os consumidores so apenas uma frao pequena da informao sobre os mesmos consumidores disponvel externamente e armazenada na nuvem. At o programa de fidelidade mais sofisticado no pode informar que @CarlosFly est buscando por um novo carro. H mais de 1 bilho de usurios do Facebook no mundo. Twitter, com seus 250 milhs de usurios ativos gera mais de 400 milhes de tweets diariamente. Dados sobre consumidores e hbitos de consumo, em suas vrias dimenses, podem ser encontrados facilmente em plataformas de mdias sociais: O que eles bebem? Aonde vo? O que assistem na TV? O que compram alm do seu produto? Est tudo l, num rio de informaes e de big data sobre consumidores. O que muda com o Social Big Data Amostra de dados N=all. Hoje possvel analisar (quase tudo) que gerado pelas mdias sociais, sem recorrer a amostras. Silos de dados Fim dos silos de dados. Dados de diferentes mdias sociais podem ser armazenados em um nico armazm de dados. Dados j utilizados uma nica vez podem ser descartados A informao pode ser reusada. O custo de armazenamento de dados na nuvem permite que voc salve um grande volume de dados e reuse-o, mesmo que os dados tenham sido coletados com outro propsito. Porque? O qu melhor que Porqu? para social big data. Geralmente no vamos conseguir ter explicaes para tudo, mas teremos mais certeza sobre o qu estamos falando graas ao grande volume de dados. Verso nica da verdade O fim de uma verso nica da verdade. Os dados contam histrias e as histrias dependem das questes perguntadas. Em outras palavras acostume-se a ter muitas verses da verdade, dependendo das perguntas que fizer. Datas estruturados em bancos de dados tradicionais A natureza dos dados de social desestruturada, o que significa que h poucos ou nenhum campo estruturado. Apenas uma corrente contnua de texto. Os analistas devem aprender a lidar com a desestruturao e extrair os dados destes bancos desestruturados, limpando o lixo, atravs de software especfico para este fim. Relatrios consolidados Os relatrios consolidados, geralmente uma fotografia da realidade, esto sendo pouco a pouco substitudos por dashboards em tempo real. A prpria E.life oferece dashboards em real time do social big data. ANTES AGORA 04 Apesar de todo o hype Social Big Data no precisa ser um assunto complicado. No devemos nos sentir angustiados ou preocupados sobre como lidar com mais uma palavra da moda entre tantas outras que cruzam o nosso caminho. Um framework conceitual para comear seu projeto de Social Big Data j existe. Este modelo, desenvolvido pela E.life, procura enfocar no conhecimento do consumidor e da sua jornada de consumo compartilhada em redes sociais. Chamamos este modelo de 4Ps de Insighs. KEY INSIGHT INDICATIORS $ + + Location Check-ins Places Bio Brand mentions Intention/Action Personality traits People Bio Brand mentions Intention/Action Apps RTs Preferences Price or cost mentions Brand mentions Pricing Os 4Ps de Insights apenas um guia heurstico que pode nos ajudar a fazer boas perguntas base de dados. H uma piada antiga entre a comunidade de data mining que diz: se voc pressionar os dados com fora eles iro confessar. Os 4Ps apenas nos ajudam com esta confisso. Os itens que voc v abaixo de cada P na figura so tipicos elementos de todas as plataformas de social media e so chamados atributos. A Bio por exemplo permite aos usurios do twitter se descreverem em at 140 caracteres. Por exemplo, @CarlosFly tem esta bio: Cara legal, amo carros & vinho, noivo e espero ter filhos algum dia. Como a Bio vrios outros atributos podem ser extrados de plataformas sociais como mostrado na figura: location, check-ins, menes a marcas, discusses sobre preos etc. Os 4Ps abrangem estes atributos em 4 dimenses o que torna possvel estud-los individualmente e combin-los para elaborar perguntas e desenhar um projeto de social big data que possa respond-las. O mais importante que os 4Ps, Preferncias, Precificao, Places e Pessoas nos ajudem a identificar incrementalmente que tribos de consumidores compem nosso universo. Fonte: www.4psofinsights.com 05 A seguir uma descrio rpida de cada P: Preferences Preferncias Usando likes, comments e shares do Facebook ou menes e RTs do Twitter possvel refinar continuamente o que sabemos sobre as preferncias de um consumidor. Voltando ao exemplo: @CarlosFly tuitou que ele est assistindo a um filme de fico cientfica? O software armazena esta informao diretamente associada a seu perfil. Seguindo @CarlosFly no twitter ou analisando as pginas do Facebook aonde ele ativo podemos construir, passo a passo, um mapa dos gostos de @CarlosFly, que chamamos de DNA de suas preferncias. Conhecendo o DNA de uma pessoa implica que voc e seu time podero planejar suas ofertas de produtos e servios e melhorar a performance de vendas. Pricing Precificao As pessoas levantam vrias informaes on-line antes de irem a uma loja fsica e fazerem uma compra. Se voc quer comprar uma nova TV provavelmente usa alguns sites para buscar dados sobre modelos e preos antes da compra final. Alguns consumidores ainda vo mais longe trocando informaes com amigos e comparando preos. Inspecionando com cuidado estas trocas de informaes possvel encontrar evidncias que respondem a questes como: como a sua oferta de preo se compara com a do concorrente. E como criar estratgias para lidar com a percepo atual do consumidor. Places Lugares O cdigo postal reinou por dcadas para identificao de agrupamento de consumidores em cidades e bairros. Avanando alguns anos para a segunda dcada do sculo 21 o que encontramos: as pessoas fazem check-ins no Facebook, Foursquare e muito mais. Voc conhece a geografia digital dos seus consumidores? A @Mom39 do nosso exemplo anterior est fazendo check-ins em agncias de viagens? Talvez seja o momento de oferecer para ela um seguro viagem. O P de Places (Lugares) tem um novo significado em social media. menos um lugar fixo (como no PDV de Kotler) e mais um conjunto de lugares onde as pessoas param e compram, de forma dinmica. People Pessoas Muita gente declara o que faz profissionalmente (como a @Mom39 na sua bio do twitter) e ainda associa o seu perfil profissional do Linkedin a outras contas no twitter e Facebook. A declarao de hobbies e check-ins on-line complementa o quadro que possibilita entender que tribos tm mais apelo para seu produto. Ns escolhemos People (Pessoas) como nosso quarto e ltimo P, para enfatizar que as empresas esto lidando com seres humanos muito bem informados, complexos e sofisticados e que no cabem mais em modelos antigos e baseados em dados scio-demogrficos. + + $ 06 Dados os conceitos, como uma empresa comea a usar Social Big Data? Numa tpica estratgia de vendas temos dois cenrios bsicos: em ambos voc traz novos negcios para a empresa. Ex.: consumidores que no compraram seu produto ainda, ou voc olha para sua atual base de consumidores e tenta criar estratgias de up-selling e cross-selling. Software e metodologias de Social Big Data funcionam em ambos. Veja como: Deep profiling, up-selling e cross-selling Imagine o seguinte cenrio futuro para Maria, uma representante de uma empresa de seguros. A ferramenta de software que sua empresa adquriu envia para ela prospectos de novos clientes todas as manhs, monitorando twitter e Facebook, buscando tpicos relevantes que os analistas de marketing definiram. Ela encontra no topo da lista o ltimo tweet de @Mom39 e ela fala que est completando 40 anos. Rapidamente Maria tuta de volta para @Mom39 dizendo: 40 so os novos 30 e segue-a. Alguns dias depois, Maria volta para sua caixa de e-mail e envia outro tweet com um link sobre seu seguro. Neste momento @Mom39 est curiosa, clica no link e se cadastrada no site, deixando seu telefone. Bingo! Maria agora tem um novo lead e est pronta para comear o seu processo de vendas. Ela revisa o perfil de @Mom39 feito pelo software e descobre sobre seu recente check-in numa agncia de viagem. Ela faz uma nota mental para mencionar seguro-viagem na sua conversa. O cenrio acima est acontecendo neste momento em muitas empresas ao redor do globo. Como explicado anteriormente neste artigo, os consumidores no so mais entidades estticas num banco de dados. Atravs de uma tcnica chamada Deep Profiling, ferramentas de software monitoram buscando por extrao de informao e dados estruturados sobre o consumidor. Como no caso de @Mom39, todo o histrico digital que ela deixa para trs pode ser revisto a qualquer momento por um representante de vendas para contextualizar uma venda feita por telefone, por exemplo. Isso fundamentelmente diferente do monitoramento tradicional de mdias sociais, que est focado na marca, enquanto o Deep Profiling est enfocado no consumidor e as marcas ao seu redor. o que chamamos de consumer-centered monitoring. Como voc j deve ter concludo, o Deep Profiling pode ser usado tanto para prospeco de novos clientes como para up- sell ou cross-sell de um cliente existente. Para tirar vantagem das possibilidades porm h um ponto que voc deve insistir com o seu gerente de marketing: Social Targeting. Top Bios Top Locations Top Topics Top Applications 10% 20% 30% 40% Classe A Classe B Classe C Classe D 10% 20% 30% 40% Classe A Classe B Classe C Classe D 07 Social targeting Sua empresa tem um web site com social login? Social Targeting uma forma de saber mais sobre os visitantes do seu site convidando-os para usar seus perfis do Facebook e Twitter para logar no seu site. As duas plataformas permitem aos desenvolvedores pedirem permisso aos consumidores para ver likes, bio e outros dados que podem ser agregados para encontrar o melhor tipo de contedo para cada visitante. As empresas esto indo alm deste procedimento bsico de login e usando tcnicas estatsticas sofisticadas de processamento para inferir o que um dado consumidor com uma meno pode estar interessado. Uma destas tcnicas mais populares a clusterizao, com a qual possvel agrupar pessoas de acordo com suas similaridades. Voc pode descobrir um cluster de amantes de vinhos que mencionam Ribera del Duero ou Catena Zapata ou um cluster de fanticos de games que mencionam games on-line de ltima gerao. Um novo visitante, que fez login, pode ser classificado automaticamente em um destes clusters e ofertas j enviadas para pessoas deste cluster podem tambm funcionar para ele. Voltando ao caso da @Mom39, ao clicar no link que Maria a enviou, ela ir receber uma landing page com um social login. No momento que ela logar com seu Facebook ou twitter, o sistema ir conhecer um pouco mais sobre seus likes, preferncias e outros dados que podero ser utilizados pelo pessoal de marketing e vendas com muito mais cuidado e preciso. Para ilustrar como up-sell e cross-sell vamos supor que a empresa de seguros que Maria trabalha tem uma parceria com uma empresa erea que vende passagens areas e seguro- viagem em conjunto. Depois que @Mom39 se registra Maria passa a saber um pouco mais sobre ela. @Mom39 informa seus seguidores no twitter que est planejando tirar frias. Maria rapidamente busca os destinos de viagem que @Mom39 gosta e encontra Santorini. Bingo! Maria alerta a companhia area e gera uma oferta por e-mail com passagem area e seguro- viagem para este destino. Neste exemplo vemos tanto um up-sale como um cross-sale, graas ao poder do Social Targeting. O poder de se comunicar de forma personalizada com o cliente nunca foi to grande. Entrar com Facebook Entrar com Twitter USERNAME/E-MAIL OK OU Login Registrar 08 medida que o tempo passa os sistemas de social targeting recolhem ainda mais dados do consumidor e comeam a agrupar consumidores que tm as mesmas preferncias que @Mom39 e @CarlosFly, agrupando as tribos ao redor e servios da empresa. Os times de marketing, por seu lado, podem pesquisar estas tribos para criar novas ofertas, preos e servios, fazer parcerias com terceiros e at criar novos produtos. A oferta ideal finalmente possvel Identificando e entendendo como vender para as tribos dos consumidores se torna mais e mais sofisticado. Com as ferramentas certas, cada lead recebe uma oferta nica e contextualizada, que leva em considerao quem o consumidor, o que ele gosta, aonde mora, aonde vai e qual o melhor momento para fazer a oferta ideal. A oferta ideal nunca esteve to ao nosso alcance. Obrigado pela leitura. Jairson Vitorino, PhD CTO da E.life @jvitorino www.elife.com.br Conhea as solues da E.life em Social Big Data e Consumer-centered Monitoring: negocios@elife.com.br