EM TEMPOS DE SOCIAL BIG DATA

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