Mantenha‑se no jogo: como prosperar com Deep Data

Ryan Anderson, diretor de Análise da FortyFour, está sentado perto da cozinha da agência enquanto a luz do sol entra pela janela atrás dele. Ele se sente com sorte por estar aqui.

"Após a faculdade, comecei a trabalhar na logística da cadeia de suprimentos", diz Anderson. "Foram necessários cerca de 18 meses para perceber que eu não era muito apaixonado por encontrar maneiras mais eficientes de mover caixas."

Anderson deixou o emprego para trabalhar em startups e empresas de tecnologia até que Adam Roe o abordou. Roe, juntamente com o cofundador Thomas Frank, abriu a FortyFour como uma agência de design de sites. Mas, uma vez que os sites eram criados, os clientes queriam ver como eles funcionavam.

"A FortyFour estava se concentrando mais em marketing e análise quando entrei para a empresa", diz Anderson. "Quando se tem os dados, quer-se aprender como impulsionar o desempenho. Mas foi uma transição para mim. Tive que aprender a alternar entre várias contas em um dia de trabalho, e uma boa comunicação com o cliente se torna crucial. No entanto, quando passei por essa curva de aprendizado, passei a curtir a vida na agência."

Dataismo secular

A FortyFour trabalhou para a American Cancer Society, Robot Chicken do Cartoon Network e na popular campanha "Share a Coke" (Compartilhe uma Coca) da Coca-Cola. Por tudo isso, Anderson trabalhou incansavelmente nos bastidores, usando dados para impulsionar o sucesso. Isso significa mais do que coletar análises após o fato. Em primeiro lugar, significa compreender os objetivos do cliente.

"Começamos garantindo que entendemos como os clientes veem os negócios deles e o que querem que eles façam", diz Anderson. "Estão tentando aumentar as vendas no varejo? Otimizar o site deles? Quais métricas são realmente significativas? Também queremos saber se acham que já estão obtendo esses dados de alguma forma ou aspecto, para entendermos de onde vêm."

Muitos dos clientes de Anderson já estão envolvidos em algum tipo de coleta de dados, seja na forma de um painel de estatísticas do WordPress ou do Google Analytics. Esse tipo de dados pode ser útil desde o início, mas não é estritamente necessário.

"Somos abertos às plataformas: se as pessoas gostam das plataformas de análise delas, ficamos satisfeitos em trabalhar com elas", diz Anderson. "O principal, do nosso ponto de vista, é determinar se podemos responder às perguntas que eles têm com os dados que coletaram. Se a resposta for não, é aí que começamos a adicionar mais rastreamento ao site deles e em plataformas como o Facebook e o Mailchimp."

Mas, diz Anderson, as ferramentas de análise nem sempre concordam. É quando é importante saber quando se preocupar, e quando não se preocupar.

Submarinos nucleares e grandes baleias brancas

Imagine, por um momento, que você pediu a seus colegas de trabalho para descreverem o veículo de seu chefe. Pode haver algum desacordo sobre o ano do modelo ou o tom de vermelho. Esses tipos de pequenas diferenças são esperados. Não é um problema até que alguém diga que, na verdade, seu chefe dirige um submarino nuclear.

"As pessoas se preocupam muito quando veem uma incompatibilidade entre a plataforma de medição e o banco de dados de registro delas", diz Anderson. "O Google Analytics, por exemplo, tende a não ser compatível com o Shopify, e é bastante consistente em como erra. Você quase sempre verá uma discrepância de 3 a 5% lá. Mas sabemos disso, consideramos isso, então não nos preocupa. É quando se obtém um valor discrepante real que há uma preocupação."

Parte do problema está na atribuição. Diferentes plataformas de marketing têm suas próprias maneiras de contar os cliques. Fazer essas plataformas se darem bem não é fácil.

"O problema geral da atribuição é o grande X da questão na análise, o problema que todo mundo está tentando resolver", diz Anderson. "Isso pode enlouquecer você. Mas, a certa altura, você decide a fórmula que vai usar e toma decisões com base no que tem em mãos. Caso contrário, os dados podem paralisar você."

Para evitar tal mal, Anderson tem uma solução simples.

As métricas certas para o trabalho

"Quais métricas permitem que você aja? Essas são as que importam", diz Anderson. "No e-commerce, por exemplo, todos querem acompanhar a receita e por um bom motivo. Mas em termos de ação, não há alavanca de receita que eu possa usar para aumentar esses números. A medição não se traduz em ação."

Em vez disso, diz Anderson, ela orienta os clientes a observarem os fatores que resultam em vendas.

"A receita é composta por tráfego x a taxa de conversão x o tamanho médio do pedido, né? E essas são métricas em torno das quais pode-se criar estratégias. Você pode descobrir maneiras de aumentar esses fatores e isso, por sua vez, resulta em mais vendas", diz Anderson.

Outra forma de evitar a paralisia de dados é escolher suas métricas e segui-las.

"Tendemos a ter dois tipos de clientes: um quer números para tudo, quer o máximo de dados que você puder fornecer, quer atualizações minuto a minuto, adora isso", diz Anderson. "O outro apenas olha os números ocasionalmente e pode se sentir um pouco desconfortável com eles. Em ambos os casos, recomendamos que eles iniciem uma campanha concentrando-se em três a cinco métricas. É importante se mover incrementalmente na automação de marketing. Porque se você tiver muitos pontos de dados, eles não farão sentido juntos e você acabará gastando todo o seu tempo tentando filtrar respostas para questões de dados em vez de criar estratégias para as coisas que impactarão seus negócios."

Amo seus dados, adoro sua marca

Com a análise de e-mail, Anderson sugere uma estratégia semelhante: priorize algumas métricas relacionadas às suas metas e acompanhe-as diligentemente.

"O Mailchimp permite uma segmentação bastante profunda, para que possamos rastrear quem está recebendo e-mails, com que frequência e quais ações eles estão executando", diz Anderson. "E começar com algumas métricas simples ainda permite algumas coisas bastante sofisticadas à medida que você coleta mais feedback. Quando vemos o que funciona com cada segmento de público, podemos adaptar nossa mensagem a cada grupo."

Assim que os resultados chegam, é dada prioridade aos dados que melhor informam sobre a próxima decisão. No e-commerce, isso pode significar que a venda é mais importante do que a abertura.

"Claro que queremos que as pessoas gostem do e-mail, mas, em última análise, o objetivo ainda é vender coisas", diz Anderson. "No e-commerce, estamos mais preocupados com o rastreamento de itens adicionados a carrinhos, compras e valor por venda. Estamos menos preocupados com os números de taxa de abertura porque eles podem ser ajustados ao longo do tempo. O que é mais difícil de entender para nós desde o início é quem está lendo um e-mail e, na verdade, fazendo uma compra. É daí que vêm os dados mais valiosos."

Ao se concentrar em algumas métricas-chave, as decisões estratégicas se tornam mais fáceis, e também podem fortalecer a marca em geral.

"Você tem muito mais liberdade do seu público se for sincero e apaixonado pela sua empresa", diz Anderson. "É difícil manter esse nível de paixão se você está constantemente se concentrando em cada pequeno dado ou fazendo alterações que melhoram seus resultados em pequenas porcentagens. Você estará muito mais bem servido em longo prazo se estiver disposto a defender a identidade da sua marca em vez de permitir que ela seja ditada pelos números. É assim que você cria afinidade de longo prazo entre seus clientes e sua marca."

Quatro formas de lidar com dados ruins

Mais cedo ou mais tarde, acontece com todos nós: os dados param de fazer sentido. Talvez suas plataformas de medição não concordem com seu tráfego. Talvez os números de envolvimento levem você a tentar assuntos terríveis e frases de chamariz sem sentido. Sejam quais forem as particularidades, todos os envolvidos em análises, mais cedo ou mais tarde, enfrentarão um obstáculo.

Dados ruins acontecem com os melhores de nós. Confira como lidar com isso:

1. Confie no seu instinto (principalmente). Pode ser tentador trabalhar com os dados mesmo quando não fazem sentido, mas isso pode levar você a alguns resultados estranhos. Em vez de negar que há um problema com os números, confie em seus instintos. "Quando se está tentando eliminar dados ruins, parte disso é apenas bom senso", diz Anderson. "Se algo não faz sentido, você precisa olhar para seus dados para descobrir o que está acontecendo antes de mudar sua estratégia."

2. Esclareça a questão. Dados confusos podem ser o resultado de uma questão ou hipótese confusa. Talvez valha a pena rever o básico ou talvez você só precise obter feedback de alguém que não esteja tão próximo da campanha. De qualquer forma, o objetivo é o mesmo. "É preciso entender o que se está testando e como está testando", diz Anderson. Isso significa perguntas claras, poucas variáveis e o maior tamanho de amostra possível.

3. Encontre um panorama mais amplo. "Se você executar muitos testes pequenos que resultem em pequenos ajustes, você só maximiza localmente", diz Anderson. "Você chega ao topo de uma colina, mas acaba perdendo essa colina completamente diferente que exigiria uma mudança drástica para ser alcançada." Se você gasta muito tempo coletando dados para executar uma estratégia que resulta apenas em ganhos marginais, talvez não esteja pensando grande o suficiente. Em vez de assuntos dos testes A/B, pode ser hora de testar dois modelos totalmente novos.

4. Admita suas suposições. "Dados ruins são um pouco como o problema de atribuição de marketing", diz Anderson. "Quando você tem informações díspares, em algum momento você tem que admitir o que vai presumir e apenas viver naquele mundo por um tempo." Se você se deparar com dados conflitantes, não há problema em seguir o que se encaixa em suas suposições iniciais, contanto que você esteja ciente de que as criou e esteja preparado para revisitá-las mais tarde, à medida que mais informações estiverem disponíveis.