Escolar Documentos
Profissional Documentos
Cultura Documentos
Customer Analitycs PDF
Customer Analitycs PDF
Customer
Analytics:
O guia de
Big Data
para vendas
BIG DATA
Pg. 12 → Visão 360º do cliente
3 Pg. 15 → Aumento de upsell e cross-sell
BUSINESS
Pg. 18 → Mapeamento da Jornada de Compra O melhor blog sobre
COMO BIG DATA PODE Pg. 23 → Retenção e fidelização do cliente Big Data, Data Science
Pg. 28 → Diminuição do churn e Inteligência Artificial
AUMENTAR MINHAS VENDAS? Pg. 31 → Personalização de ofertas do Brasil. Acesse!
4
Big Data & Inteligência
B
Customer Analytics: o guia de Big Data para vendas 2 / 37
1
INTRODUÇÃO
Big Data tem aplicações altamente diversificadas dentro das organizações atualmente.
E, com o aumento da adoção da tecnologia, progressivamente vão surgindo novas
formas de se obter vantagens competitivas por meio dos insights extraídos dos
grandes volumes de dados disponíveis em sites, posts de redes sociais, relatórios
financeiros, ferramentas de CRM, aplicativos para smartphones, registros de IPs,
imagens, vídeos, músicas e vários outros tipos de fonte.
Neste cenário, as marcas vem conseguindo cada vez mais proveito da tecnologia
para aumentar suas vendas com base na inteligência de dados. E quando falamos
em vendas, sabemos que esta é uma preocupação transversal a empresas de todos
os tamanhos e segmentos.
B
Customer Analytics: o guia de Big Data para vendas 3 / 37
As marcas vem conseguindo cada vez mais
proveito da tecnologia para aumentar suas
vendas com base na inteligência de dados.
Não à toa, uma das soluções de Big Data mais buscadas pelas companhias
é a de Customer Analytics, que visa justamente alavancar seus processos de vendas.
Neste eBook, você vai saber tudo sobre os resultados que pode alcançar com
Customer Analytics, além de como e em que situações esta solução tem um papel
de destaque para que você consiga novas formas de vender mais.
B
Customer Analytics: o guia de Big Data para vendas 4 / 37
2
O que é
Customer
Analytics?
B
Customer Analytics: o guia de Big Data para vendas 5 / 37
2
Estes processos se dão por meio da coleta de dados e subsequente análise por sistemas
de TI, indexando informações específicas dos consumidores, como aspectos demográficos,
histórico/padrão de compra, uso de internet, dentre outros. Posteriormente são aplicadas
análises preditivas que possibilitam incrementos de vendas com base nos padrões
extraídos destes dados.
B
Customer Analytics: o guia de Big Data para vendas 6 / 37
Com a utilização de rotinas de Customer Analytics, uma organização pode atingir
um estágio diferenciado, com a geração sistematizada de informações e insights
de alto valor para definição de políticas, precificação e ofertas relevantes,
inovadoras e no timing exato.
B
Customer Analytics: o guia de Big Data para vendas 7 / 37
Em suma, Customer Analytics se utiliza de dados e estatísticas para compreender, de
forma aprofundada, o perfil, necessidades e nível de satisfação dos consumidores de
uma marca. Além disso, permite a segmentação dos clientes em clusters com base em seu
comportamento, para determinar tendências ou desenvolver ações de marketing.
B
Customer Analytics: o guia de Big Data para vendas 8 / 37
3
B
Customer Analytics: o guia de Big Data para vendas 9 / 37
3
Neste sentido, quanto mais você conhecer os hábitos de compra do seu cliente e
também aspectos mais subjetivos ligados ao estilo de vida dele, mais precisas serão as
análises preditivas sobre o comportamento de consumo deste freguês que sua
empresa poderá fazer. Consequentemente, você terá muito mais sucesso no propósito
de entregar ofertas relevantes para o seu público.
B
Customer Analytics: o guia de Big Data para vendas 10 / 37
É vital desenvolver
uma cultura que Mas como acessar estes dados dos clientes, que se encontram pulverizados
não é focada e fragmentados? Este é exatamente o trabalho de Data Mining em Big Data.
exclusivamente Os clientes interagem com uma marca por diversos canais diferentes. Redes sociais, o
site da empresa, sistemas de CRM, SAC, call centers e e-mail (apenas para citar alguns
em TI, mas aborda exemplos) são pontos de contato do consumidor com a marca que, quando
a análise de clientes convergidos, são capazes de mostrar um perfil completo – algo essencial para que as
organizações direcionem suas estratégias.
de forma holística. A essa altura, você deve estar se perguntando como, na prática, Customer Analytics
pode aumentar suas vendas. A resposta é que os resultados vêm com a conjugação de
LARS FIEDLER
McKinsey & Company várias estratégias baseadas na coleta e análise de dados gerados pelos consumidores
em fontes e pontos de contato variados com a marca. A seguir, demonstraremos alguns
deles.
B
Customer Analytics: o guia de Big Data para vendas 11 / 37
3.1 Visão 360° do cliente
As formas e momentos como cada cliente interage com a sua marca até a ocasião
de compra são totalmente individuais. Cada consumidor tem suas próprias
necessidades ao longo deste processo e, para que chegue ao objetivo desejado – a
compra –, sua experiência deve ser conduzida da forma mais adequada ao que ele
precisa.
Este objetivo é atingido por meio de uma compreensão aprofundada de tudo a que se
tenha acesso sobre o consumidor, como seus padrões de compra e presença em redes
sociais. Por meio da utilização de tecnologias de Big Data, esta tarefa é totalmente
factível e cada vez mais acessível a organizações de diversos portes.
B
Customer Analytics: o guia de Big Data para vendas 12 / 37
Com Big Data, as empresas podem acessar muito mais fontes de dados, como redes
sociais, dados de dispositivos móveis, históricos de pesquisa e compra e, cada vez mais,
sensores em dispositivos dos mais diversos tipos que compõem a chamada
Internet das Coisas – os quais têm a possibilidade de fornecer insights muito claros
sobre o comportamento não apenas do consumidor, mas também humano,
por estarem integrados a diferentes atividades cotidianas.
Esta ubiquidade para a qual estamos caminhando vem abrindo caminho para que
as organizações obtenham uma visão 360º dos seus clientes. Além disso, avanços
tecnológicos dos sistemas de TI relacionados permitem realizar análises de conjuntos
de dados cada vez maiores em tempo real. Isso sem contar o fato de que a computação
em nuvem, que tem aumentado sua popularidade dia após dia, contribui para facilitar
e democratizar o acesso aos recursos de Big Data.
Desta forma, profissionais de marketing e vendas podem, cada vez mais, se apoiar em
recursos de Customer Analytics para extrair, de fontes diversas, dados dos seus
consumidores com o objetivo de obterem uma visão 360º do público.
B
Customer Analytics: o guia de Big Data para vendas 13 / 37
Isto contribuirá decisivamente para
responder questões importantes como:
● Que demandas do público você poderia atender mas ainda não atende;
compra.
B
Customer Analytics: o guia de Big Data para vendas 14 / 37
3.2 Aumento de upsell e cross-sell
A utilização de Customer Analytics para incremento de vendas vem ganhando cada vez
mais popularidade. E quando se fala em vendas, duas técnicas similares são recorrentes
e um caminho relativamente fácil para o aumento dos resultados: o upsell e o cross-sell.
O upsell acontece quando um cliente está prestes a fechar uma compra e recebe a
oferta de um produto similar, porém de uma categoria superior, constituindo um
melhor custo-benefício ou maiores vantagens por um preço um pouco mais alto. Já o
cross-sell consiste em técnicas que convencem os clientes a adicionarem à compra dos
produtos inicialmente desejados, outros que lhe sejam complementares. Por exemplo,
se uma pessoa está interessada em adquirir uma câmera fotográfica, com o cross-sell
ela pode incluir na sua compra, por exemplo, uma bateria extra e um case para
proteger o aparelho.
B
Customer Analytics: o guia de Big Data para vendas 15 / 37
Atualmente, com tanto volume de informação disponível, o consumidor espera que
as marcas realizem abordagens personalizadas e objetivas, o que pode ser feito com a
utilização de seus históricos e padrões de pesquisa e compras, promovendo
experiências mais positivas com as marcas. Para se realizar ações de upsell e cross-sell
eficientes, é necessário focar nas necessidades do cliente e não na intenção pura e
simples de se obter transações mais lucrativas.
Para que isto seja possível, é necessário realizar o cruzamento de dados sobre produtos
e o comportamento de pesquisa e de compra dos clientes em relação a estas
mercadorias. Upsell e cross-sell são oportunidades que podem ser exploradas
rapidamente, pois os dados de apoio a estas táticas de venda quase sempre estão
Upsell e Cross-sell: Big Data Analytics disponíveis nas bases internas das empresas, o que torna mais rápida sua estruturação
na linha de frente para sua empresa
e análise.
fechar mais negócios. Entenda→
B
Customer Analytics: o guia de Big Data para vendas 16 / 37
Além dos já citados históricos de compras e pesquisa, estes dados incluem contratação
de serviços adicionais e de outros eventos diversos, específicos de cada organização.
Desta forma é possível definir perfis de consumidores, tornando muito mais fácil saber
o que, como e quando realizar as melhores ofertas a eles.
B
Customer Analytics: o guia de Big Data para vendas 17 / 37
3.3 Mapeamento da Jornada de Compra do cliente
A jornada de compra refere-se à experiência do cliente com uma marca ao longo
do caminho entre o contato inicial, passando pelo processo de engajamento, a primeira
compra e chegando até uma relação de fidelidade com ela.
Com todo o volume e facilidade de acesso à informação que existe hoje em dia, a
jornada de compra do cliente aumentou muito em complexidade. Por isso, é essencial
ter foco e identificar os momentos mais importantes para um potencial consumidor em
seu processo de decisão de aquisição do produto ou serviço da sua empresa. Para
alcançar este objetivo, é necessário mapear o processo de compra, identificando os
pontos de contato mais relevantes dele com a marca ao longo deste caminho.
B
Customer Analytics: o guia de Big Data para vendas 18 / 37
Este mapeamento é mais uma aplicação de Customer Analytics para incremento
de vendas, pois as opções de canais de marketing, atualmente, são inúmeras e um
sistema de análise de dados se faz necessário para realizar tal tarefa de forma eficiente.
Tudo começa com os pontos de atração inicial e contato dos clientes com as marcas.
Mídia de performance, display, aplicativos para smartphones, mídias sociais, busca
do Google, marketing de conteúdo, inbound marketing… Todos esses (e muitos outros)
What gets measured, são possíveis pontos de atração e de contato ao longo da jornada de compra do cliente.
gets managed. Seguindo a lógica de que cada cliente tem uma jornada e um tipo de experiência,
é importante saber qual o mindset que cada um deles desenvolverá de acordo
com o fluxo de contatos com a marca e também com o seu comportamento e reações
PETER DRUCKER
em relação aos pontos ao longo desta jornada. Este mindset poderá variar de acordo
Consultor, autor e gestor.
com os canais com os quais aquele indivíduo teve ou não contato.
B
Customer Analytics: o guia de Big Data para vendas 19 / 37
Para ficar mais claro, daremos um exemplo:
São canais muito distintos entre si, e os clientes que já se relacionam com a sua
marca na rede social tendem a ter uma relação mais emocional com ela. Isto, por
si só, fornece embasamento suficiente para a criação de duas campanhas com
abordagens completamente diferentes.
B
Customer Analytics: o guia de Big Data para vendas 20 / 37
Outra grande utilidade da análise de dados neste processo está no aspecto
da mensuração. Ela normalmente é realizada considerando os canais de forma isolada,
o que deixa os dados fragmentados e, assim, os resultados analíticos fornecem uma
visão não integrada do impacto de cada mídia nos resultados finais.
Informações oriundas de website analytics, call centers, mobile e outras são analisadas
de forma independente, o que não corresponde à realidade. Todos estes pontos
de contato, ao longo da jornada de compra, podem ter impacto não apenas sobre
a decisão de compra, mas também no valor do ticket médio e fidelidade do cliente,
por exemplo.
B
Customer Analytics: o guia de Big Data para vendas 21 / 37
Uma solução de Consumer Analytics integra, em uma única plataforma, todos estes
dados, sejam eles estruturados ou não estruturados, de fontes diversas, e faz a análise
conjunta de suas similaridades e correlações.
Isto permite identificar padrões lógicos que levam a insights de altíssimo valor,
sem similares nos métodos tradicionais, gerando benefícios como:
B
Customer Analytics: o guia de Big Data para vendas 22 / 37
3.4 Aumento da retenção e fidelização do cliente
Falaremos agora sobre como Customer Analytics pode contribuir decisivamente
na melhoria de indicadores chave para um negócio. Para começar, mostraremos como
a captação de dados de fontes diversas (por exemplo, mídias sociais, histórico
de navegação e de compras) que Big Data proporciona ajuda as empresas a fazerem
a retenção e fidelização dos seus clientes.
O trabalho de vendas bem estruturado com base em indicadores tende a ser muito
mais eficaz do que as vendas sem inteligência de dados. Por meio de métricas, é
possível ter clareza sobre os aspectos que funcionam e os que não funcionam nas
estratégias de venda de uma organização, corrigindo o que for necessário e otimizando
todo o processo.
Antes de tudo, você deve prestar muita atenção aos seus clientes. Isto é uma questão
É possível utilizar Big Data para de sobrevivência para as marcas, pois a maior parte da receita das organizações é
otimizar programas de fidelidade? gerada por consumidores recorrentes e não por aqueles com os quais você gasta
Descubra → consideráveis verbas de mídia para atrair pela primeira vez. Lembre-se também que é
muito mais barato vender para um cliente retornante do que para um novo.
B
Customer Analytics: o guia de Big Data para vendas 23 / 37
Não é surpresa que, de acordo com um estudo da consultoria BIA/Kelsey, a retenção já
seja prioridade em relação à aquisição de clientes no momento de definição de verbas
de marketing por executivos. Mas como promover, na prática, o aumento da retenção e
fidelização dos clientes?
B
Customer Analytics: o guia de Big Data para vendas 24 / 37
Você deve surpreender seu cliente com abordagens e ofertas que façam sentido
para ele – e quanto mais customizadas estas ações, melhor. Para tanto, as organizações
estão usando plataformas de Big Data Analytics combinadas com alta capacidade
de processamento em tempo real para atingir estágios cada vez mais avançados
de entendimento de clusters de clientes – caminhando, inclusive, para a criação
de perfis individualizados em alguns casos.
Imagine o nível de envolvimento que você pode criar nos seus consumidores
quando fala com eles de forma humanizada e individual! E tenha muita atenção
à palavra “envolvimento”, pois os clientes envolvidos com a sua marca são,
seguramente, aqueles que vão estabelecer relações mais duradouras (e lucrativas)
com ela.
B
Customer Analytics: o guia de Big Data para vendas 25 / 37
Para atingir este objetivo, você pode implementar ações
como:
● Prover o setor de CRM com dados que sejam úteis para abordar os clientes da
forma mais personalizada possível, tanto em termos de reconhecimento de suas
preferências quanto na recomendação de produtos e serviços;
● Entregar as ofertas certas no momento certo, para que elas tenham mais chance
de serem aceitas pelos clientes.
B
Customer Analytics: o guia de Big Data para vendas 26 / 37
Big Data na Black Friday:
De alguns anos para cá, a Black Friday
tem ganhado força também no mercado
brasileiro. A oportunidade de atrair mais
clientes e alcançar picos de vendas de
produtos e serviços com descontos
especiais é cada vez mais valorizada entre
as empresas daqui. Contudo, o que nem
todas as companhias sabem é que, por
meio de Big Data é possível elevar a
efetividade das estratégias de promoções
se destacar. Veja mais aqui →
B
Customer Analytics: o guia de Big Data para vendas 27 / 37
3.5 Diminuição do churn
Ainda falando sobre indicadores, vamos abordar agora uma categoria que é crucial para
marcas que têm modelos de negócios baseados em assinaturas e pagamentos
recorrentes por produtos ou serviços: o churn.
B
Customer Analytics: o guia de Big Data para vendas 28 / 37
Antes do advento de Big Data e suas análises preditivas, as organizações só podiam
atuar sobre o churn de forma reativa, ou seja, quando um cliente já havia decidido
cancelar o serviço. Neste momento são tomadas medidas para tentar reverter este
cancelamento, incluindo os casos em que descontos são a única opção viável,
impactando negativamente nas margens de lucro e faturamento.
B
Customer Analytics: o guia de Big Data para vendas 29 / 37
A partir daí, contatos comerciais ou ações automatizadas podem ser disparadas
preventivamente. Esta é uma estratégia que gera muito mais resultados do que
aguardar passivamente pela solicitação de cancelamento do cliente, que na maioria dos
casos será irreversível ou, quando não, muito mais trabalhosa e cara para ser
contornada.
B
Customer Analytics: o guia de Big Data para vendas 30 / 37
3.6 Personalização de ofertas
Entre as formas como Customer Analytics pode contribuir para aumentar suas vendas,
a personalização de ofertas é possivelmente a mais objetiva e fácil de compreender.
Os rastros de toda essa atividade ficam espalhados pela rede, compondo o que,
juntamente com uma infinidade de outros dados, é chamado de Big Data. Quando você
explora esta valiosa fonte de informações estratégicas utilizando um sistema eficiente
de coleta e análise de dados, é possível gerar insights precisos e automatizados sobre o
perfil de consumo dos clientes de forma individualizada. A partir daí, você pode
começar a implementação de rotinas para a personalização das ofertas que serão feitas
a cada um destes clientes.
B
Customer Analytics: o guia de Big Data para vendas 31 / 37
Já imaginou o quanto uma abordagem individualizada e pessoal surpreenderá sua
clientela, podendo gerar um aumento das suas taxas de conversão e do seu ticket
médio?
A personalização, por sua vez, vai muito além disso, utilizando dados contextuais como:
● Geolocalização;
● Logs de CRM;
● Comportamento in-store.
B
Customer Analytics: o guia de Big Data para vendas 32 / 37
O volume de dados disponíveis em toda essa variedade de fontes é muito grande para
ser processado por sistemas de recomendação tradicionais. A solução é a utilização de
sistemas robustos de Big Data, que têm a capacidade de processar volumes muito
maiores de dados e extrair deles padrões que permitam a correta personalização das
ofertas para cada cliente.
B
Customer Analytics: o guia de Big Data para vendas 33 / 37
4
Conclusão
B
Customer Analytics: o guia de Big Data para vendas 34 / 37
4
CONCLUSÃO
B
Customer Analytics: o guia de Big Data para vendas 35 / 37
Com a imensa diversidade de plataformas que o consumidor moderno utiliza – redes sociais,
blogs, fóruns, aplicativos mobile, wearables e todas as possibilidades que estão se abrindo
com a consolidação da Internet das Coisas –, o consumidor deixa valiosíssimas pistas na web
não apenas sobre seus padrões de consumo, mas também sobre aspectos mais subjetivos
que podem levar uma marca a um patamar muito mais elevado de relacionamento com
o consumidor – como suas preferências de diversas espécies, comportamento, valores,
anseios e inseguranças.
—
Gostou do conteúdo deste ebook? Estas e outras reflexões
você encontra no blog da Hekima: bigdatabusiness.com.br
B
Customer Analytics: o guia de Big Data para vendas 36 / 37
Sobre a Hekima
B
Customer Analytics: o guia de Big Data para vendas 37 / 37