O Meridian do Google foi desenvolvido sobre a base dos materiais RBA/LMMM lançados anteriormente. Os desenvolvimentos incluem experimentos geográficos para serem incorporados à modelagem, além de detalhes sobre o alcance do YouTube. A ênfase na triangulação por meio de testes A/B para aprimorar a precisão do MMM é uma estratégia que nós mesmos conhecemos bem e oferece uma boa base para começar. No entanto, é fundamental observar que, embora o Meridian ofereça um passo à frente na medição, ele continua sendo apenas uma ferramenta - uma ferramenta sofisticada que requer mãos experientes para ser manuseada com eficácia.

Em nossa agência, temos orgulho de nossa plataforma interna robusta, que é líder do setor em termos de velocidade e funcionalidade. O Meridian oferece um avanço para as marcas que estão apenas começando sua jornada no MMM, ajudando-as a se afastar do último clique para quantificar melhor os aumentos de mídia.

Do ponto de vista de um modelador experiente, esses são alguns dos principais pontos a serem considerados com o Meridian:

• A metodologia por trás do Meridian é sólida e faz sentido em relação à ênfase na triangulação, o que aumenta a precisão dos resultados.
• Entretanto, econometristas experientes serão essenciais para operar o Meridian de forma eficaz internamente. As marcas devem garantir que suas equipes possuam o conhecimento necessário para obter os dados corretos, criar modelos que reflitam o mundo real e traduzir as percepções dos dados em ROIs e curvas de resposta acionáveis, ou correm o risco de tomar decisões equivocadas com base nos resultados.
• Como em todas as iniciativas de MMM, a qualidade dos dados continua sendo um fator essencial para saber se você está agregando valor ou tomando decisões precisas. Ter dados precisos e completos sobre todos os impulsionadores de vendas (mídia, preço, promoções, sazonalidade, clima etc.) é fundamental para um MMM, e uma base de dadossólida também oferece uma vantagem significativa, quer as marcas estejam utilizando a Meridian ou qualquer outra tecnologia.
• A comunicação eficaz dentro das organizações é fundamental para impulsionar a tração e a implementação das estratégias de MMM, e explicar os modelos de forma clara e eficaz é fundamental para o sucesso de qualquer MMM
• O lançamento do Meridian representa uma mudança dos modelos de atribuição desatualizados para uma abordagem mais precisa e incremental de avaliação de mídia. Mesmo que não seja a ferramenta mais adequada para todas as marcas, é mais um passo no amadurecimento do setor, especialmente na esteira da depreciação dos cookies e das mudanças na legislação de privacidade.
• Clientes menores com estruturas de dados mais simples, como clientes de comércio eletrônico que gastam menos de US$ 2 milhões em mídia digital, se beneficiarão dessa ferramenta como um ponto de entrada para o mundo do MMM.
• Alguns clientes podem questionar a execução da medição de mídia em uma plataforma de um proprietário de mídia

Concluindo, o Meridian do Google oferece um ponto de partida sólido para marcas menos complexas que desejam aprimorar seus recursos de medição por meio de uma estrutura. Aumentar o uso do MMM só pode ser bom para o setor como uma ferramenta confiável para medir e otimizar a mídia. Dito isso, ainda é preciso trabalhar duro para atrair talentos econométricos para o mundo do marketing a fim de manter a precisão do modelo e aumentar a adoção dessas metodologias. No final das contas, um modelo é tão bom quanto o seu modelador: você pode ter o melhor modelo do mundo, mas se ele não for alimentado com dados precisos e de alta qualidade ou se não for entregue claramente às principais partes interessadas, ele não será confiável (e, portanto, não será adotado) em uma organização.

Um bom passo à frente, mas ainda há muito a ser feito na área de talentos. Consulte nossa postagem sobre aprendizados sobre o que estamos fazendo para resolver esse problema.

Para obter mais informações sobre como podemos ajudá-lo com a medição da eficácia do marketing ou com a modelagem do mix de mercado, visite nossa página Medição ou entre em contato conosco.

Em primeiro lugar, a importância dos dados para a tomada de decisões tornou-se primordial. As empresas reconhecem a necessidade de insights sólidos baseados em dados para navegar no complexo cenário do marketing. O MMM oferece uma solução ao quantificar o impacto de várias atividades de marketing, permitindo que as empresas tomem decisões informadas com base em evidências sólidas.

Em segundo lugar, a fragmentação dos canais de marketing tornou a tomada de decisões cada vez mais desafiadora. Com uma infinidade de plataformas e canais disponíveis, as empresas estão buscando maneiras de medir com precisão o impacto de seus investimentos em marketing. O MMM oferece uma abordagem holística, permitindo que as empresas compreendam a eficácia de cada canal e otimizem seus investimentos de acordo com isso.

Além disso, a economia em rápida mudança apresenta desafios únicos para as empresas. Fatores como a inflação, a confiança do consumidor, a estabilidade política, os conflitos globais e os preços do petróleo podem afetar muito a previsão de negócios. Nesse ambiente dinâmico, os clientes estão ansiosos para utilizar a inteligência mais recente para tomar decisões inteligentes. O MMM fornece os meios para analisar e se adaptar a essas circunstâncias variáveis, permitindo que as empresas se mantenham à frente da curva.

Estruturalmente, o cenário de atribuição vem passando por mudanças significativas. A descontinuidade dos cookies, o surgimento de "walled gardens" e o aumento dos investimentos digitais exigiram uma abordagem mais abrangente e incremental para a medição. O MMM evoluiu para atender a essas demandas, oferecendo agilidade e granularidade que se alinham às necessidades do mercado atual.

Já se foi o tempo em que o MMM era um navio de cruzeiro lento, navegando calmamente pelos mares do marketing. Ele se transformou em uma ferramenta ágil e adaptável, capaz de enfrentar os desafios impostos pela fragmentação dos canais e pelas rápidas mudanças econômicas. O MMM permite que as empresas quantifiquem o que está funcionando, levando em conta as circunstâncias mais recentes e impulsionando a tomada de decisões com base em dados.

Como a fênix que ressurge das cinzas, o MMM está à altura da ocasião, demonstrando sua resiliência e capacidade de fornecer insights significativos. Em um mundo em que as estratégias de marketing precisam se adaptar constantemente, o MMM é uma ferramenta poderosa que orienta as empresas para o sucesso em um cenário em constante mudança. Adotar o MMM significa adotar o futuro do marketing, onde os dados e os insights reinam supremos e a tomada ágil de decisões é a chave para liberar o crescimento e a lucratividade.

Para obter mais informações sobre como podemos ajudar na medição da eficácia do marketing ou na modelagem do mix de mercado, visite nossa página de medição ou entre em contato conosco.

Em primeiro lugar, a Salesforce anunciou seu novo produto, o Marketing Cloud Growth Edition, que foi projetado para colocar os dados ao alcance das marcas para ajudá-las a crescer. Em segundo lugar, a Salesforce está estendendo o acesso gratuito ao Data Cloud a todos os clientes do Marketing Cloud e do Marketing Cloud Account Engagement, dando a eles acesso a ferramentas que podem ser usadas para impulsionar resultados de negócios mais fortes com o Einstein 1. Isso inclui aumentar a velocidade de comercialização, gerar conteúdo mais relevante, aumentar as conversões e a capacidade de conectar conversas em todo o relacionamento com o cliente. Ambos os anúncios serão lançados nas Américas em fevereiro deste ano e na região EMEA no segundo semestre de 2024.

Não importa se você está experimentando o Marketing Cloud pela primeira vez ou se já está firmemente estabelecido na plataforma, as notícias têm implicações promissoras para todos. Continue lendo para saber o que os anúncios significam para sua equipe.

O Data Cloud ajuda marcas de qualquer tamanho a preparar e otimizar os recursos de IA generativa.

Este é um momento empolgante para ser um profissional de marketing; a IA generativa deu início a uma era de transformação liderada pelo marketing e novos fluxos de trabalho que nos ajudam a fazer nosso trabalho de forma mais inteligente e rápida. De acordo com a pesquisa Generative AI Snapshot Survey da Salesforce, 71% dos profissionais de marketing afirmam que a IA generativa eliminará o trabalho pesado e permitirá que eles sejam mais estratégicos. Mas a IA só é tão boa quanto seus dados; dados de alta qualidade são essenciais para alimentar modelos e insights precisos na plataforma Einstein 1.

E é aí que entra o Data Cloud. O acesso gratuito ao Data Cloud abre as portas para que ainda mais empresas usem a plataforma pela primeira vez, ajudando-as a criar uma base sólida de dados que servirá e simplificará suas jornadas de transformação de IA.

O Data Cloud está se tornando rapidamente a principal plataforma de dados de clientes, graças à sua capacidade de se conectar a vendas, serviços, marketing, comércio, fidelidade, publicidade de terceiros e aplicativos legados. Anteriormente, a Salesforce anunciou acesso gratuito para clientes do Sales Cloud e Service Cloud com edições Enterprise ou Enterprise Unlimited.

O Marketing Cloud Growth Edition aplica a automação de marketing para ajudar as marcas a crescer.

O lançamento do Marketing Cloud Growth Edition expandirá o acesso da plataforma ao mercado de pequenas empresas pela primeira vez. De fato, essa nova edição do Marketing Cloud foi projetada para ajudar as marcas a expandir seus negócios. Desde a entrega mais rápida de campanhas e conteúdo com IA confiável até a melhor personalização do relacionamento com o cliente com dados, o Marketing Cloud Growth Edition aplica a automação de marketing para ajudar as pequenas empresas a conectar suas equipes e gerar receita em uma plataforma única e intuitiva.

Os benefícios da plataforma incluem ajudar as equipes pequenas a fazer mais com menos recursos. Isso significa que as pequenas equipes podem dedicar mais tempo à construção de bases de dados sólidas - dados que serão essenciais para o sucesso da IA generativa - e aproveitar os recursos de IA corporativa pela primeira vez. O Marketing Cloud Growth Edition elimina algumas das barreiras tecnológicas de entrada que as pequenas empresas enfrentam na implementação da IA, ajudando-as a se atualizarem com menos dores de cabeça.

E se eu já for um usuário do Marketing Cloud?

O Marketing Cloud Growth Edition pode ser a novidade mais legal do mercado, mas não há necessidade de migrar de um Marketing Cloud existente para esse. O Marketing Cloud Growth Edition traz, de fato, novas funcionalidades, mas esperamos ver mais inovações no Marketing Cloud Engagement e no Marketing Cloud Account Engagement, que colocarão cada plataforma em pé de igualdade. Isso significa que todos os clientes do Marketing Cloud podem esperar mais boas notícias no horizonte.

Se você já é um usuário do Marketing Cloud ou está apenas começando a usar o Marketing Cloud Growth Edition, teremos prazer em ajudá-lo a aproveitar ao máximo os recursos da plataforma. Tendo um assento no Conselho Consultivo de Parceiros do Salesforce Marketing Cloud e fazendo parte do programa piloto do produto, estou entusiasmado em ver a plataforma se tornar mais acessível a um número ainda maior de empresas, concedendo-lhes acesso a ferramentas de dados robustas e de nível empresarial pela primeira vez - especialmente em um momento em que isso é tão crucial para entrar na nova economia de IA.

Para aqueles que usam o Marketing Cloud em qualquer uma de suas formas, oferecemos orientação sobre como conectar sua estratégia de dados e implementar recursos à medida que são lançados. Para os usuários do Data Cloud, podemos ajudá-lo a perceber o papel dos dados além do contexto do gerenciamento de relacionamento com o cliente, como uni-los a funções de IA generativas.

Desbloqueie o poder da IA com o Salesforce.

Ambos os anúncios recentes da Salesforce serão notícias bem-vindas para os profissionais de marketing que estão ansiosos para acelerar suas jornadas de transformação de IA. Embora o Marketing Cloud Growth Edition e o acesso sem custo ao Data Cloud sejam especialmente benéficos para empresas menores, uma estratégia de dados sólida é importante para organizações de qualquer tamanho - e, independentemente da escolha do Marketing Cloud, podemos ajudá-lo a aproveitar ao máximo os dados de seus clientes na plataforma.

Tem alguma dúvida sobre o Marketing Cloud Growth Edition? Confira o anúncio da Salesforce para saber mais.

Estou aqui para dizer que ninguém coloca o MMM em um canto.

O MMM não apenas quantifica o impacto de várias atividades de marketing sobre os principais indicadores de desempenho (KPIs), mas também fornece uma medida do efeito sobre o desempenho dos negócios de outros fatores controláveis e externos, como alterações de preço ou distribuição, ações da concorrência, clima econômico e pode até mesmo responder à pergunta que todos nós gostamos de discutir: "Quanto do nosso desempenho se deve realmente ao clima?"

Como o MMM oferece essa visão panorâmica de todos os principais fatores, é importante garantir que ele nunca opere em um silo se você quiser que ele atinja todo o seu potencial. Veja por quê:

1. Colaboração multifuncional: O MMM envolve a análise de grandes quantidades de dados de várias equipes. Ao demonstrar os benefícios do MMM em termos de insights e recomendações adicionais, ele incentiva um maior envolvimento das equipes. Essa colaboração leva a uma compreensão mais abrangente da eficácia do marketing e gera melhores resultados.

2. Influência além do marketing: O MMM tem um papel significativo na formação de decisões comerciais, especialmente em preços e promoções. A tomada de decisões embasadas nessas áreas, como a identificação dos pontos ideais de preço, a compreensão da elasticidade do preço e a avaliação do impacto das promoções sobre as vendas e a receita, permite que as empresas alcancem o equilíbrio certo entre a lucratividade e a demanda dos clientes.

3. Envolvimento das equipes de finanças: O MMM geralmente fornece recomendações de alocação de orçamento entre canais de mídia, campanhas, departamentos, diferentes marcas do seu portfólio e diferentes mercados. O envolvimento das equipes financeiras garante que as recomendações sejam implementadas e beneficiem toda a organização. Essa colaboração quantifica as decisões comerciais a curto e longo prazo.

Em conclusão, o MMM deve ser integrado em toda a empresa. Ao eliminar os silos, promover a colaboração e incorporar o MMM aos processos de tomada de decisão, as empresas obtêm insights mais precisos, tomam decisões melhores e obtêm melhor desempenho de marketing e resultados gerais.

Em breve, todos estarão segurando os resultados e as recomendações do MMM acima de suas cabeças, no meio da sala de reuniões.

Para obter mais informações sobre como podemos ajudar na medição da eficácia do marketing ou na modelagem do mix de mercado, visite nossa página de medição ou entre em contato conosco.

Em tempos de dados infinitos, é fundamental fazer uma coleta mais inteligente.

Como especialista e profissional de análise, sei em primeira mão que a coleta de dados em vários ativos e canais digitais pode ser assustadora. Esse é especialmente o caso quando o número de dispositivos conectados à Internet global ultrapassa 21 bilhões em 2023. Felizmente, nosso atual sistema de endereçamento da Internet pode lidar com muitos desses dispositivos, ou seja, até 3,4×10E38 (isso é 34 seguido de 37 zeros).

Desses 21 bilhões de dispositivos, cerca de 66% são compostos por dispositivos da Internet das Coisas (IoT), que geram dados sobre sua operação, recursos e configurações. Chame isso de caixas pretas conectadas ou telemetria com esteroides, mas esses dispositivos estão enviando dados para os provedores de serviços que usam esses dados para aprimorar os produtos.

Essa escala de coleta de dados fornece não apenas o combustível ideal para IA e aprendizado de máquina, mas também os meios para estabelecer linhas de base de desempenho e exceções. Modelos de uso de recursos, insights e planos de ação podem ser derivados de um poço de informações tão insondável.

(Re)introdução do Measurement Protocol (protocolo de medição).

Como esses dispositivos medem a atividade, você pergunta? Esta publicação é uma desculpa perfeita para analisar o Measurement Protocol do Google Analytics 4 como um método alternativo de coleta de dados que pode ajudá-lo a medir todos os dados de IoT de que você precisa e torná-los compatíveis com o modelo de dados simples que você adotou e adora. O Measurement Protocol foi introduzido no início da década de 2010 com a versão anterior do Google Analytics, o agora extinto Universal Analytics. Naquela época, o Measurement Protocol era usado de maneiras muito criativas, portanto, vê-lo renascer no GA4 é uma ótima oportunidade para (re)descobrir esse recurso menos conhecido, porém poderoso, do Google Analytics.

Em essência, o Measurement Protocol é uma API que permite que você envie eventos diretamente para os servidores do Google Analytics, evitando a necessidade de kits de desenvolvimento de software volumosos e integrações complexas. O mínimo de software do Measurement Protocol significa que ele pode ser facilmente incorporado em qualquer sistema que possa chamar um URL. Como você pode imaginar, isso pode ser usado para toda a IoT - tudo, desde quiosques a pontos de venda e dispositivos de IoT. Algumas vantagens claras incluem:

• Protocolo padrão, por isso é compatível com uma ampla gama de dispositivos e plataformas
• Fácil de usar, mesmo para desenvolvedores com pouca experiência
• Escalável, para que possa ser usado para coletar dados de um grande número de usuários
• Segurança, por meio do uso de chaves secretas de coleta de dados

Devido à sua abordagem leve, usar o Measurement Protocol significa que você pode coletar apenas os dados de que precisa. A falta de um mecanismo de consentimento explícito do usuário na maioria dos dispositivos de IoT o incentivará a adotar uma abordagem de privacidade em primeiro lugar, portanto, concentre-se na telemetria e não nos dados pessoais.

Descobrir o funcionamento interno do Measurement Protocol.

Como tudo isso funciona? Bem, ao criar uma propriedade do Google Analytics 4 (GA4) para o seu projeto de IoT, primeiro você precisa criar uma nova propriedade da Web e, em seguida, basta clicar nesse fluxo de dados recém-criado para acessar o painel de segredos da API do Measurement Protocol.

A próxima etapa é criar uma chave, à qual você fará referência nas chamadas à API do Measurement Protocol. Tudo o que você precisa fazer é fornecer um apelido para sua chave e usar o ID fornecido em suas chamadas de API. Como você pode ver na lista abaixo, nossos Data.Monks a utilizam bastante!

Depois que as chaves estiverem configuradas, anote o ID de medição do GA4 para o fluxo de IoT e use o código para criar um URL para o serviço de Measurement Protocol que combine tudo o que precisamos, inclusive os parâmetros do evento. No exemplo abaixo, nossa geladeira conectada enviará um evento quando a porta da geladeira estiver aberta.

O URL desejado deve ter a seguinte aparência:

https://www.google-analytics.com/mp/collect?measurement_id={your ID}&api_secret={your key}

Agora precisamos enviar o URL acima como uma solicitação POST, com um payload JSON contendo os parâmetros de evento que queremos enviar. Lembre-se de que, como esse não é um evento do GA4 enviado de um navegador ou de um aplicativo móvel, não há detecção e coleta automáticas de elementos extras, como ocorre com a medição aprimorada do GA4. Na verdade, o Measurement Protocol mede apenas o que você envia. A partir daí, publique a solicitação em sua linguagem de programação favorita - Python, no meu caso.

Com certeza, o evento será registrado na interface em tempo real do GA4 e as ocorrências subsequentes farão parte dos seus relatórios do GA4 - e serão transmitidas ao BigQuery se você tiver vinculado sua propriedade ao Google Cloud Platform.

E, é claro, como tenho certeza de que você já adivinhou, criar painéis sobre a atividade dos seus dispositivos é muito fácil no Google Looker Studio. Isso é tudo o que há para fazer!

É hora de experimentar você mesmo o Measurement Protocol do GA4.

Vimos que o Measurement Protocol como outras plataformas de coleta de dados em nível de evento, usa um formato amigável de API para enviar dados ao Google Analytics. Do ponto de vista técnico, essa é uma implementação muito fácil e eficiente, portanto, sinta-se à vontade para ser criativo em todos os seus projetos de IoT.

Discutimos o uso do Measurement Protocol principalmente para dispositivos de IoT (ou qualquer dispositivo que não seja um computador, telefone celular ou console de jogos). Tendo isso em mente, você também pode usá-lo como um método de troca de dados em um ambiente de nuvem como uma chamada de retorno de API após a conclusão de um processo. Isso significa que o protocolo de medição funciona muito bem com o Cloud Functions ou com filas de mensagens como o Google Pub/Sub ou o Kafka.

Por fim, voltando à observação que fiz sobre IA, esse tipo de medição é, de fato, uma maneira ideal de coletar combustível para um modelo de IA/ML, mas a IA também pode ser usada para acionar o evento certo no momento certo e com a carga de dados certa. Nesse ponto, a IA pode improvisar e melhorar seu plano de coleta de dados pretendido, começar a enviar eventos fora do escopo de seu programa original e revelar ainda mais insights. Juntamente com o Cloud ML do Google Cloud Platform, os resultados podem surpreendê-lo!

Em resumo, aqui estão suas principais conclusões sobre o Measurement Protocol:

• Mecanismo simples: qualquer sistema que possa gerar um URL pode usá-lo
• Incentiva a coleta de dados concisa, compacta e favorável à privacidade
• Pode ser usado em qualquer coisa, sobre qualquer coisa
• Aproveita o poder do modelo de dados simples do Google Analytics 4
• Pequena pegada de software: consumo de recursos muito limitado
• Complementa uma estratégia de IA e abre novas oportunidades

Mas como você garante que a medição da eficácia do marketing seja robusta, defensável e clara? Aqui estão algumas dicas importantes para você considerar.

É preciso começar com o alinhamento de objetivos!

A primeira etapa é ter clareza sobre seus objetivos: qual é a finalidade da campanha? É para aumentar o conhecimento da marca? Ou é um lembrete para comprar novamente? Estamos tentando aumentar a confiança no online por ter uma margem maior? Ao ter clareza sobre o que você quer que a campanha faça e para qual público, você começa a definir quais métricas deve medir e, portanto, a definição do KPI que deve ser monitorado (por exemplo, aumentar a conscientização se o seu objetivo for aumentar o conhecimento da marca). Vale a pena ler este artigo do guru dos dados Avinash Kaushik sobre como definir melhor os KPIs corretos.

Defina metas realistas!

Depois de escolher o KPI, você precisará definir expectativas realistas de como espera que a campanha movimente o KPI. Para isso, observe o passado para ver o quanto a métrica se moveu; se não houve muita variação, talvez você não deva esperar um grande aumento. Se houver muita variação, o que parece realista em termos de aumento? Certifique-se de considerar a sazonalidade. Por exemplo, observe o padrão de três anos: há determinadas épocas do ano que estão sempre em alta? Se sim, leve isso em consideração.

Como você medirá?

Com as metas definidas, você precisará pensar em como vai medir a campanha antes de implementá-la. Algumas técnicas incluem:

• Testes de controle aleatórios (RCTs) e testes geográficos
• Testes A/B
• Medição em relação a uma linha de base histórica
• Atribuição multitoque (MTA)
• Modelagem de mix de mercado (MMM)

Saber qual técnica você usará ajuda a definir o formato da campanha. Saber qual técnica você usará ajuda a definir o formato da campanha. Por exemplo, se você fizer um teste geográfico, precisará identificar a área geográfica mais apropriada para a atividade e uma área comparável para usar como controle. Enquanto isso, para o MMM, você precisará garantir que os níveis e a variação de gastos com mídia sejam suficientes para permitir uma leitura do impacto.

Certifique-se de que o gasto de teste tenha os seguintes atributos principais:

• O gasto é suficiente para mover seu KPI?
• O formato é adequado para que você possa obter uma leitura o mais clara possível (ou seja, agrupe-o, não o espalhe)?
• Ele está em um momento que se confundirá com outros impactos?

Execute e meça.

Depois que você tiver os objetivos e as métricas corretos, souber qual método de medição usará e a campanha for implantada com sucesso, é hora de executar e medir. Quando se trata de medição, esteja ciente das limitações de sua técnica de medição.

As abordagens RCTs, geo e A/B são fáceis de implantar, simples de entender e podem ser implantadas internamente. Entretanto, há algumas limitações nessas técnicas que podem impedi-las de fornecer uma leitura completa da eficácia de sua atividade.

Em primeiro lugar, há dificuldade em obter uma leitura da "repercussão" da campanha (geralmente chamada de efeito memória), que é o efeito que a campanha continua a ter após o término da campanha. Essas abordagens também têm dificuldade para medir o impacto de uma atividade de mídia específica em outros canais; por exemplo, a execução de uma atividade social pode impulsionar o PPC. Essas descobertas são fundamentais quando se tenta entender uma visão completa do desempenho da sua mídia.

Esses métodos também não são capazes de fornecer informações sobre o dimensionamento dos resultados. Um gasto de teste de £20 mil em uma região não terá o mesmo ROI que uma campanha nacional de £5 milhões. Esteja ciente dos retornos decrescentes. Você pode contornar esse problema aumentando o investimento em incrementos e continuando a testar.

O MTA é excelente para fornecer detalhes, pode ser relativamente fácil de configurar e oferece uma boa leitura relativa. No entanto, não é uma análise incremental, portanto, não é confiável para cálculos de ROI.

O MMM é incremental e inclui uma leitura completa de todos os impulsionadores do seu KPI. No entanto, ela é direta (você precisa gastar pelo menos £100 mil em uma campanha), não fornece detalhes tão granulares quanto outras técnicas e pode ser cara.

Considerações sobre a medição interna.

Então, como cliente, o que você poderia fazer?

• RCTs, testes geográficos e A/B: Na maioria das vezes, não há necessidade real de parceiros externos.
• Atribuição multitoque: Tente, é bastante simples e você pode usar técnicas como cadeias de Markov. Mas você só pode usar o MTA tradicional por um curto período: com o fim dos cookies de terceiros, há uma necessidade de longo prazo de investir em soluções sem cookies.
• MMM: ótimo para uso interno se você tiver a escala, mas precisa manter uma equipe ocupada e satisfeita. Portanto, isso só funciona se você for uma empresa ou uma companhia global que gaste mais de £100 milhões em mídia.

Esteja ciente de alguns cuidados com o armazenamento interno.

• Não use cientistas de dados para o MMM - use econometristas. Temos visto repetidamente que, quando os cientistas de dados são encarregados de criar modelos de MMM, isso raramente funciona. Os cientistas de dados e os econometristas veem as coisas em dimensões diferentes.
• É difícil encontrar econometristas e é mais difícil mantê-los. Você precisa garantir que o trabalho seja variado e interessante para que eles permaneçam na empresa.
• Certifique-se de que haja trabalho suficiente para pelo menos quatro pessoas. Caso contrário, se você depender de um econometrista e ele for embora, será muito difícil conseguir outra pessoa para dar continuidade ao trabalho.
• Progressão na carreira: Uma consultoria sempre pode crescer, mas uma equipe interna de uma empresa atinge um limite. Assim, você não tem progressão e as pessoas vão embora. Ou você as transfere para funções não econométricas, mas ainda tem o problema de recrutar em um campo de nicho.
• Estagnação do método: Há menos oportunidades para os econometristas aprenderem novas técnicas com equipes maiores que trabalham em outros clientes. Portanto, há o perigo de que sua capacidade comece a ficar para trás, a menos que você tenha uma rotatividade de pessoal muito alta, o que exigirá uma equipe grande o suficiente para suportar.

No entanto, se você for grande o suficiente e tiver a equipe certa, o in-housing poderá economizar muito dinheiro com consultores no futuro, mantendo o controle total dos seus dados e modelos. Para manter o ritmo e garantir que você não fique estagnado, considere a possibilidade de usar um parceiro externo para ajudar a refinar sua abordagem de MMM.

Resumo

Concluindo, ter o início definido é fundamental na avaliação de marketing. Alinhe os objetivos com os KPIs e com a forma como você estabelece a campanha. Pense cuidadosamente sobre qual técnica você usará para medir e se fará isso internamente ou com ajuda externa. Nestes tempos de incerteza econômica, nunca houve uma necessidade tão grande de fazer isso direito. Boa chance!

Para obter mais informações sobre como podemos ajudar a medir os fatores de crescimento da sua empresa, visite nossa página Medição ou entre em contato conosco.

Em essência, a governança fornece as regras, os processos e as políticas de que precisamos para gerenciar dados e conteúdo com segurança, por meio de fluxos de trabalho que garantem sua disponibilidade para as pessoas certas no momento certo. Em seguida, concluímos o ciclo com o business intelligence (BI), usando esses dados para gerar insights e análises valiosos que apoiam a tomada de decisões estratégicas. "Entendemos a governança de BI como um ciclo de ponta a ponta que abrange tudo, desde a coleta de dados até a visualização e o consumo, com foco no feedback e no gerenciamento contínuo", diz Juana Masanet, nossa Analista de BI Semi Sênior.

De fato, esse é um processo de vital importância. No entanto, a governança de BI é um aspecto que as organizações geralmente ignoram. "Em nossa equipe de dados, colaboramos com clientes que enfrentam dois desafios comuns que a governança de BI pode resolver", diz Masanet. "Por um lado, temos empresas com fontes de dados dispersas em várias plataformas que precisam de um banco de dados centralizado para suas análises. Por outro lado, há empresas com painéis de controle dispersos entre diferentes indivíduos ou departamentos, o que leva a discrepâncias em seus KPIs e outros problemas."

Ao enfrentar esses desafios, certas plataformas de BI, como Looker, Power BI e Tableau, solidificaram suas posições como soluções confiáveis. Elas capacitam as organizações a centralizar a modelagem de diversas fontes de dados, garantindo a disponibilidade contínua de informações cruciais para a tomada de decisões orientada por dados. O domínio dessas plataformas é crucial, não apenas por motivos de segurança - que são primordiais por si só -, mas também para dimensionar projetos de grande escala que envolvam várias partes interessadas, equipes e funções com diversos objetivos, responsabilidades e tarefas. Agora, podemos nos perguntar: como é uma boa estratégia de governança de BI?

A imagem abaixo apresenta os elementos essenciais de uma estratégia robusta de BI. Igualmente importante para a definição desses elementos é garantir que todos os envolvidos no fluxo de trabalho os compreendam e os sigam. Dessa forma, eles podem confiar nas análises que consultam para tomar decisões baseadas em dados, eliminar silos, promover a colaboração entre usuários e reduzir custos.

"Ter equipes experientes e ferramentas seguras, eficientes e flexíveis é essencial para orquestrar fluxos de trabalho que priorizem a governança de BI", explica nosso especialista em análise, Martin Milloschik. "Junto com meus colegas da equipe de dados, colaboramos com várias organizações para atingir esse objetivo, aproveitando duas ferramentas poderosas: Looker e Tableau."

Os benefícios e as especificidades do Looker e do Tableau.

O Looker e o Tableau, duas das mais renomadas plataformas de BI do setor, oferecem a capacidade de consolidar vários processos do ciclo de vida dos dados em uma única ferramenta. Ambas as plataformas hospedam seus recursos na nuvem, com o Tableau fornecendo o Tableau Cloud ou Server, e o Looker usando o GCP (Google Cloud Platform). Essa abordagem baseada na nuvem não apenas aumenta a eficiência, mas também equilibra o campo de atuação de empresas menores com recursos operacionais limitados. Vamos nos aprofundar em alguns dos recursos de destaque que aprimoram a governança de BI.

Um dos principais pontos fortes do Looker é o gerenciamento centralizado de dados. A ferramenta foi desenvolvida para integrar perfeitamente os dados de diversas fontes, criando uma visão unificada que passa por uma limpeza e consolidação meticulosas por meio de sua modelagem de camada semântica proprietária. Por outro lado, o Tableau, embora não possua ferramentas ETL (Extrair, Transformar, Carregar) nativas em sua plataforma, oferece uma alternativa com o Tableau Prep Builder e o Tableau Prep Conductor, que têm a mesma finalidade.

A colaboração de dados também é otimizada em ambas as ferramentas. "As equipes podem acessar, analisar e compartilhar dados em um espaço de trabalho compartilhado, melhorando a comunicação e evitando duplicações ou conflitos de dados", diz Milloschik. Além disso, ambas as plataformas oferecem controle de versão, permitindo uma colaboração tranquila e capacitando as equipes a trabalharem simultaneamente, independentemente do nível de especialização no uso de dados.

Para o gerenciamento de metadados, o Tableau oferece uma funcionalidade adicional chamada Tableau Catalog. Essa ferramenta indexa todo o conteúdo de seu site, incluindo painéis, métricas, fontes de dados, conexões virtuais e fluxos, para reunir metadados detalhados sobre o conteúdo. Com o Tableau Catalog, os usuários podem acessar recursos como linhagem, análise de impacto e um dicionário de dados, o que lhes proporciona uma compreensão mais profunda das informações que usam e permite que eles acompanhem onde elas são utilizadas em toda a organização.

Além disso, o Tableau oferece aos usuários uma camada adicional de supervisão dos dados por meio dos recursos Avisos de qualidade dos dados e Monitoramento de ativos. Esses recursos permitem que os usuários definam alertas sobre fontes de dados, garantindo que aqueles que utilizam painéis ou acessam os dados diretamente sejam prontamente notificados sobre quaisquer problemas pertinentes. Os avisos podem abranger uma série de preocupações, incluindo dados obsoletos ou obsoletos, manutenção contínua e a presença de informações confidenciais, entre outras. Além disso, essas funcionalidades servem como um mecanismo para alertar os usuários quando os dados não estão atualizados devido a falhas ou outros fatores. Isso ajuda a garantir que os usuários sejam informados sobre a qualidade e a disponibilidade dos dados.

Com relação à segurança, ambas as plataformas oferecem recursos robustos para controlar o acesso a dados confidenciais e aplicar várias medidas de segurança com base nas funções do usuário. Essas medidas incluem autenticação e autorização da fonte de dados, filtragem em nível de linha, permissões e criptografia, entre outras. "É possível criar funções e grupos que são associados a diferentes usuários, permitindo que eles acessem camadas de informações com base nas necessidades comerciais e na acessibilidade definida para cada usuário", explica Valentina Gonzalez, analista de BI. Essa abordagem garante a existência de restrições para que apenas os usuários autorizados possam acessar as informações apropriadas.

Tanto o Looker quanto o Tableau oferecem ferramentas de gerenciamento e monitoramento que permitem que os administradores obtenham informações sobre os padrões de uso dos dados e resolvam proativamente problemas relacionados a desempenho, conectividade, uso e falhas de atualização, entre outros. O Tableau fornece exibições administrativas padrão usando dados do repositório do Tableau Server ou do Cloud. Enquanto isso, o Looker oferece a seção System Activity no menu geral de administração, fornecendo acesso a uma variedade de modelos e painéis LookML. Esses recursos permitem analisar a atividade do usuário, o consumo de dados e conteúdo, a frequência de consultas e o uso de painéis publicados, e até mesmo identificar erros que possam surgir durante a modelagem e a criação de Looks, que são visualizações predefinidas para responder a perguntas comerciais específicas.

Em resumo, ambas as plataformas fornecem todos os componentes necessários do ciclo de feedback para garantir uma governança eficaz. Entretanto, é fundamental reconhecer que o sucesso não é determinado apenas pela escolha da ferramenta. Igualmente importantes são o treinamento do usuário e a implementação de políticas e processos adequados dentro da organização. Esses elementos-chave desempenham um papel fundamental na obtenção do sucesso da governança de dados, garantindo que os dados sejam gerenciados e utilizados de forma alinhada às metas e aos objetivos da organização.

Em tempos de dados infinitos, é fundamental fazer uma coleta mais inteligente.

Como especialista e profissional de análise, sei em primeira mão que a coleta de dados em vários ativos e canais digitais pode ser assustadora. Esse é especialmente o caso quando o número de dispositivos conectados à Internet global ultrapassa 21 bilhões em 2023. Felizmente, nosso atual sistema de endereçamento da Internet pode lidar com muitos desses dispositivos, ou seja, até 3,4×10E38 (isso é 34 seguido de 37 zeros).

Desses 21 bilhões de dispositivos, cerca de 66% são compostos por dispositivos da Internet das Coisas (IoT), que geram dados sobre sua operação, recursos e configurações. Chame isso de caixas pretas conectadas ou telemetria com esteroides, mas esses dispositivos estão enviando dados para os provedores de serviços que usam esses dados para aprimorar os produtos.

Essa escala de coleta de dados fornece não apenas o combustível ideal para IA e aprendizado de máquina, mas também os meios para estabelecer linhas de base de desempenho e exceções. Modelos de uso de recursos, insights e planos de ação podem ser derivados de um poço de informações tão insondável.

(Re)introdução do Measurement Protocol (protocolo de medição).

Como esses dispositivos medem a atividade, você pergunta? Esta publicação é uma desculpa perfeita para analisar o Measurement Protocol do Google Analytics 4 como um método alternativo de coleta de dados que pode ajudá-lo a medir todos os dados de IoT de que você precisa e torná-los compatíveis com o modelo de dados simples que você adotou e adora. O Measurement Protocol foi introduzido no início da década de 2010 com a versão anterior do Google Analytics, o agora extinto Universal Analytics. Naquela época, o Measurement Protocol era usado de maneiras muito criativas, portanto, vê-lo renascer no GA4 é uma ótima oportunidade para (re)descobrir esse recurso menos conhecido, porém poderoso, do Google Analytics.

Em essência, o Measurement Protocol é uma API que permite que você envie eventos diretamente para os servidores do Google Analytics, evitando a necessidade de kits de desenvolvimento de software volumosos e integrações complexas. O mínimo de software do Measurement Protocol significa que ele pode ser facilmente incorporado em qualquer sistema que possa chamar um URL. Como você pode imaginar, isso pode ser usado para toda a IoT - tudo, desde quiosques a pontos de venda e dispositivos de IoT. Algumas vantagens claras incluem:

• Protocolo padrão, por isso é compatível com uma ampla gama de dispositivos e plataformas
• Fácil de usar, mesmo para desenvolvedores com pouca experiência
• Escalável, para que possa ser usado para coletar dados de um grande número de usuários
• Segurança, por meio do uso de chaves secretas de coleta de dados

Devido à sua abordagem leve, usar o Measurement Protocol significa que você pode coletar apenas os dados de que precisa. A falta de um mecanismo de consentimento explícito do usuário na maioria dos dispositivos de IoT o incentivará a adotar uma abordagem de privacidade em primeiro lugar, portanto, concentre-se na telemetria e não nos dados pessoais.

Descobrir o funcionamento interno do Measurement Protocol.

Como tudo isso funciona? Bem, ao criar uma propriedade do Google Analytics 4 (GA4) para o seu projeto de IoT, primeiro você precisa criar uma nova propriedade da Web e, em seguida, basta clicar nesse fluxo de dados recém-criado para acessar o painel de segredos da API do Measurement Protocol.

A próxima etapa é criar uma chave, à qual você fará referência nas chamadas à API do Measurement Protocol. Tudo o que você precisa fazer é fornecer um apelido para sua chave e usar o ID fornecido em suas chamadas de API. Como você pode ver na lista abaixo, nossos Data.Monks a utilizam bastante!

Depois que as chaves estiverem configuradas, anote o ID de medição do GA4 para o fluxo de IoT e use o código para criar um URL para o serviço de Measurement Protocol que combine tudo o que precisamos, inclusive os parâmetros do evento. No exemplo abaixo, nossa geladeira conectada enviará um evento quando a porta da geladeira estiver aberta.

O URL desejado deve ter a seguinte aparência:

https://www.google-analytics.com/mp/collect?measurement_id={your ID}&api_secret={your key}

Agora precisamos enviar o URL acima como uma solicitação POST, com um payload JSON contendo os parâmetros de evento que queremos enviar. Lembre-se de que, como esse não é um evento do GA4 enviado de um navegador ou de um aplicativo móvel, não há detecção e coleta automáticas de elementos extras, como ocorre com a medição aprimorada do GA4. Na verdade, o Measurement Protocol mede apenas o que você envia. A partir daí, publique a solicitação em sua linguagem de programação favorita - Python, no meu caso.

Com certeza, o evento será registrado na interface em tempo real do GA4 e as ocorrências subsequentes farão parte dos seus relatórios do GA4 - e serão transmitidas ao BigQuery se você tiver vinculado sua propriedade ao Google Cloud Platform.

E, é claro, como tenho certeza de que você já adivinhou, criar painéis sobre a atividade dos seus dispositivos é muito fácil no Google Looker Studio. Isso é tudo o que há para fazer!

É hora de experimentar você mesmo o Measurement Protocol do GA4.

Vimos que o Measurement Protocol como outras plataformas de coleta de dados em nível de evento, usa um formato amigável de API para enviar dados ao Google Analytics. Do ponto de vista técnico, essa é uma implementação muito fácil e eficiente, portanto, sinta-se à vontade para ser criativo em todos os seus projetos de IoT.

Discutimos o uso do Measurement Protocol principalmente para dispositivos de IoT (ou qualquer dispositivo que não seja um computador, telefone celular ou console de jogos). Tendo isso em mente, você também pode usá-lo como um método de troca de dados em um ambiente de nuvem como uma chamada de retorno de API após a conclusão de um processo. Isso significa que o protocolo de medição funciona muito bem com o Cloud Functions ou com filas de mensagens como o Google Pub/Sub ou o Kafka.

Por fim, voltando à observação que fiz sobre IA, esse tipo de medição é, de fato, uma maneira ideal de coletar combustível para um modelo de IA/ML, mas a IA também pode ser usada para acionar o evento certo no momento certo e com a carga de dados certa. Nesse ponto, a IA pode improvisar e melhorar seu plano de coleta de dados pretendido, começar a enviar eventos fora do escopo de seu programa original e revelar ainda mais insights. Juntamente com o Cloud ML do Google Cloud Platform, os resultados podem surpreendê-lo!

Em resumo, aqui estão suas principais conclusões sobre o Measurement Protocol:

• Mecanismo simples: qualquer sistema que possa gerar um URL pode usá-lo
• Incentiva a coleta de dados concisa, compacta e favorável à privacidade
• Pode ser usado em qualquer coisa, sobre qualquer coisa
• Aproveita o poder do modelo de dados simples do Google Analytics 4
• Pequena pegada de software: consumo de recursos muito limitado
• Complementa uma estratégia de IA e abre novas oportunidades

O que é geomarketing?

Geomarketing é uma técnica que usa dados de localização para otimizar campanhas, ajudando você a interagir com os clientes no local e na hora certos. O geomarketing pode ser usado para pontos de contato on-line e off-line, podendo assumir várias formas: um conjunto de informações que o ajuda na tomada de decisões, uma abordagem analítica para criar campanhas ou um canal estratégico que o ajuda a reunir dados demográficos. Pode até ser uma combinação dessas ferramentas.

Por que as marcas usam o geomarketing?

As pesquisas demográficas têm sido usadas há muito tempo pelas marcas para saber mais sobre os clientes atuais e potenciais e, historicamente, o geomarketing tem sido usado para ajudar os varejistas a escolher a região certa para abrir uma loja física com base nesses dados. Agora, o geomarketing continua a evoluir junto com a demanda por serviços em áreas geográficas específicas. Por exemplo, estima-se que 97,1% dos usuários no Brasil acessam a Internet por meio de smartphones - e com tantos clientes sempre em movimento, a necessidade de mensagens e serviços geograficamente relevantes aumentou. Há três vantagens principais do geomarketing:

Segmentação do público. O geomarketing é uma ótima maneira de segmentar seu público. Dessa forma, suas campanhas podem extrair mais resultados de locais específicos. Use esses dados para obter um melhor posicionamento em pesquisas locais, como "farmácias no Rio de Janeiro"

Aumento do ROI. Sem uma estratégia de geomarketing, é possível que suas campanhas atinjam pessoas localizadas em locais distantes, que talvez não tenham utilidade para seus serviços. Por exemplo, aquela farmácia no Rio de Janeiro não vai querer anunciar para pessoas de várias cidades distantes. Ao empregar o geomarketing, as marcas têm o poder de escolher exatamente onde suas campanhas serão veiculadas, o que significa que gastarão menos para obter resultados mais eficazes.

Mais leads qualificados e maior conversão. O ponto anterior mostra como a segmentação de públicos mais específicos e engajados é mais econômica. Mas isso também pode gerar mais leads, pois você atingirá um público que provavelmente terá mais interesse em seu produto ou serviço, especialmente quando outros dados, como comportamento de compra ou interações nas mídias sociais, são levados em consideração.

Se você tem uma sorveteria em Brasília, por exemplo, e está com um orçamento de marketing reduzido, o geomarketing o ajudará a obter leads que estejam em Brasília, perto do bairro e interessados em sorvete. Dessa forma, você obterá mais conversões a um custo muito menor do que anunciar para toda a cidade ou para toda Brasília, o estado.

Veja como usar o marketing de geolocalização em sua empresa.

Depois de entender o conceito de marketing de geolocalização e sua importância, você pode usar um dos muitos softwares disponíveis para gerenciar dados e otimizar seus esforços de geomarketing, como o Google Analytics ou o Meta Ads. Aqui estão três táticas para obter o máximo do geomarketing.

Geotargeting. O geotargeting é uma forma de mostrar aos usuários o conteúdo com base em sua localização. Com um banco de dados que mapeia endereços IP em locais específicos, você pode segmentar por país, estado ou até mesmo código postal, dependendo da plataforma escolhida.

Geofencing. Geofencing é o uso de tecnologias como o Sistema de Posicionamento Global ou a identificação por radiofrequência para criar uma geofence virtual. Em outras palavras, envolve a coleta de dados de localização de dispositivos eletrônicos para tomar medidas com base neles. Você pode usar o geofencing para fornecer conteúdo em tempo real aos seus clientes com base nos dados de GPS deles. Observe que o geofencing requer o uso de um aplicativo de marca que seu público já tenha baixado e autorizado a rastrear dados de localização.

Outra maneira de fornecer conteúdo aos clientes é aproveitar plataformas de terceiros, como o Waze, um aplicativo colaborativo de tráfego e navegação. Usando o Waze Ads, seu conteúdo pode ser exibido para motoristas em uma determinada região.

Marcação geográfica e check-in. Outra tática interessante de geomarketing é o uso estratégico do recurso de check-in. Por exemplo, se você criar uma página no Facebook e no Instagram que inclua o endereço da sua empresa, os dois aplicativos permitirão que os clientes façam check-in. Marcar o local ajuda outras pessoas a encontrar facilmente o perfil da empresa, além de outras informações úteis.

A marcação geográfica é semelhante, na qual os usuários marcam o local da empresa em uma foto ou outro conteúdo ao compartilhá-lo nas mídias sociais. Novamente, isso ajuda as pessoas a descobrirem a empresa e gera publicidade para a marca. Como as pessoas tendem a ser influenciadas por seus pares, isso pode ser um fator importante na análise do comportamento do consumidor.

Você também pode aproveitar o geomarketing junto com outras estratégias de marketing.

O geomarketing se torna ainda mais útil quando associado a outras estratégias de marketing. Ter acesso à localização dos clientes é uma ótima maneira de aumentar a eficiência das ações de sua marca. Você pode analisar a concorrência do mercado na região de sua escolha, bem como o comportamento de seu público-alvo.

Essa estratégia envolve grandes volumes de informações, e você pode usar essas informações adicionais para otimizar seus processos e melhorar as estratégias de negócios em geral - como direcionar investimentos para regiões com maior potencial de conversão ou identificar áreas com alta demanda por seus produtos ou serviços.

O geomarketing realmente se destaca quando você procura informações de qualidade que possam fornecer insights sobre padrões de consumo ou outros dados obtidos por meio de estudos, melhorando assim o desempenho do seu geomarketing. Por exemplo, você pode procurar em bancos de dados públicos de dados sociodemográficos. Minha equipe no Brasil utiliza o IBGE, o PNAD e o Ipea.

Com isso, você deve estar pronto para começar a apoiar o geomarketing. Para a minha equipe, a diversidade geográfica é uma grande parte do que fazemos, e aproveitar o insight sobre o interesse e os comportamentos em diferentes regiões, cidades e lugares é uma maneira fascinante de fornecer conteúdo para desenvolver seus negócios. Ao usar as estratégias acima, você estará no caminho certo para atender às diversas necessidades de seus próprios clientes.

Como caçador de tesouros digitais, sei que não devo deixar esse ouro no chão e, como parceiro do Google, também sei como extraí-lo. Por meio da IA de Processamento de Linguagem Natural (NLP) do Google Cloud Platform (GCP), os parceiros de marketing digital podem ajudar as marcas a realizar a análise de sentimentos, entre outros métodos, para obter insights sobre os padrões de comportamento, as expectativas, as reclamações e o humor dos clientes e, assim, determinar o nível de fidelidade à marca.



Os dados quantitativos que você obtém por meio desse método de pesquisa permitem criar painéis e visualizar o sentimento da marca em todas as regiões. O objetivo aqui é descobrir quaisquer áreas de melhoria, pois esses pontos de dados podem ser usados para otimizar os aplicativos móveis e da Web ou os produtos e serviços de uma marca - informando, assim, as próximas etapas do processo de experimentação e ajudando-os a chegar mais perto de atender às necessidades do público.



Nos últimos meses, concentrei-me na integração da análise de sentimentos à nossa oferta de experimentação, e isso está mudando rapidamente o jogo. Com o objetivo de compartilhar aprendizados e garantir que nenhuma marca deixe seus valiosos dados intocados, vamos falar sobre por que esse método é tão bom quanto ouro.

Aproveitamento de dados textuais para determinar o sentimento da marca.

Imagine que você é uma marca global de alto nível no setor de alimentos e bebidas. Você adicionou recentemente novos recursos ao seu aplicativo e, por isso, está ansioso para saber se os clientes estão gostando dessa experiência aprimorada. Neste momento, há mais de 500 mil avaliações na Google Play Store. Analisá-las certamente seria uma grande ajuda, mas quem tem esse tempo? É um caso clássico que vemos o tempo todo: marcas que monitoram tudo, mas não fazem nada com as informações que monitoram. No entanto, esse tesouro de dados das interações ativas com os clientes só é um tesouro se for ativado e aplicado de forma eficaz.



É aí que entra a análise de sentimentos. Tornada possível pelo conjunto de ferramentas do GCP, essa técnica de pesquisa analisa o texto digital para determinar o tom emocional de uma mensagem, como uma avaliação. Como parte da experimentação, que tem tudo a ver com a criação de mudanças impactantes para atender às necessidades dos clientes, a análise de sentimentos permite traduzir dados textuais qualitativos em dados numéricos quantitativos. O objetivo é revelar insights importantes sobre a fidelidade à marca - no caso dessa marca, como os clientes se sentem em relação aos novos recursos do aplicativo. E depois? Isso mesmo, a tão necessária ativação de dados.

Coloque seus dados para trabalhar para melhorar seus negócios.

Analisando os detalhes da realização da análise de sentimentos, você verá que é muito fácil adotar esse método. Com essa solução de IA, não há necessidade de os profissionais de marketing analisarem manualmente uma avaliação após a outra para ter uma ideia da opinião das pessoas.



Aqui está o resumo. Depois de ter acesso a uma conta do Google Cloud, você pode organizar seus dados qualitativos, transacionais e comportamentais no Planilhas Google e no Google Cloud Storage. Em seguida, use o Apps Script (ou outra biblioteca de cliente de nuvem) para criar um menu personalizado e aproveitar a API de linguagem natural do GCP. Depois de ativar a API de linguagem natural e criar uma chave de API, você pode começar a processar seus dados em uma solicitação para a API de NLP e, em seguida, executar automaticamente a análise de sentimentos. Em última análise, isso abre a porta para que você aja com base nesses insights por meio de campanhas de teste A/B, otimização da Web e de aplicativos, marketing de marca e marketing de produto.



A API de Processamento de Linguagem Natural do GCP é tão avançada porque combina a análise de sentimentos com o reconhecimento de entidades nomeadas, que é uma subtarefa da extração de informações que busca localizar e classificar entidades nomeadas mencionadas em textos não estruturados em categorias predefinidas. Por exemplo, na frase "Eu tomo um cappuccino todos os dias e adoro o fato de que agora posso ganhar pontos no aplicativo e obter um desconto no meu produto favorito", já podemos identificar dois tipos de entidades: o produto e a plataforma. Portanto, a ferramenta não apenas fornece informações sobre o sentimento das pessoas, mas também conecta esse sentimento às entidades no texto.

É claro que isso não é de todo novo - apenas se tornou comum agora que o Universal Analytics foi oficialmente descontinuado e estamos todos migrando para o GA4 (se você ainda não o fez, este é o seu sinal para fazê-lo).

Nunca deixe que os dados de seus clientes sejam desperdiçados.

Compreender o comportamento, as expectativas e as dificuldades dos usuários deve estar sempre no centro de seus esforços. Essas informações essenciais alimentam todos os seus experimentos e o ajudam a ajustar seus produtos e serviços. Portanto, da próxima vez que você estiver pensando em deixar as avaliações sem ler e deixar o ouro murchar, pense novamente - porque essa solução fácil e alimentada por IA e os parceiros que sabem como aplicá-la estão aqui para ajudá-lo a extrair significado de seus valiosos dados primários e de terceiros. E para adicionar algumas cerejas frescas à torta, o Google tem novos serviços de IA que permitem que você responda automaticamente a essas avaliações e comentários, usando um Modelo de Linguagem Grande (LLM) - mas falaremos mais sobre isso na próxima vez.