Análise preditiva: o poder de ver o futuro

Prever ações não é mais uma exclusividade de ficções científicas. Na verdade, nunca foi!

Analisar informações passadas para aumentar a probabilidade de acerto de uma ação no futuro é algo que a humanidade já usa há bastante tempo.

Em mais ou menos 500 anos ante de cristo, Confúcio, um filósofo chinês, já havia dito que “se queres prever o futuro, estude o passado”.

E ele tinha razão!

Claro que não estamos falando de uma previsão como a de Tom Cruise e sua equipe em Minority Report, mas a tendência das ações é que elas se repitam.

Então se temos uma leitura exata dos acontecimentos no passado, ficamos muito mais próximos de prever o que pode acontecer no futuro.

É exatamente nisso que se baseia a análise preditiva. Mas com uma diferença: a grande ajuda da tecnologia!

O que é análise preditiva afinal?

Na história recente da humanidade, sempre tivemos bastante informação sobre acontecimentos passados. E essa foi na maior parte das vezes a fonte de sabedoria para os principais líderes e sábios.

O que acontece é que hoje conseguimos uma exatidão muito maior dessas informações. Isso ocorre pelo alto volume de dados que estamos gerando, possibilitando a leitura de mais fatos e maior probabilidade de análise.

Mas com isso, também trazemos um problema, nenhum ser humano é capaz de estruturar e analisar tamanha quantidade de informação. Para isso, é fundamental o uso da tecnologia.

A análise preditiva é exatamente a junção do avanço tecnológico que temos, que inclui mineração de dados, machine learning, inteligência artificial e estatística,  com o alto volume de informações que criamos diariamente.

Quando usamos computadores para processar e entender comportamentos padrões, conseguimos antecipar certos acontecimentos e ações.

Que tal um exemplo?

Você possui uma empresa de SaaS (Software como serviço) e analisando as informações dos seus clientes, você percebe que 75% dos cancelamentos são feitos por pessoas que ficaram mais de 30 dias como inativos, e isso representa uma curva significativa no seu gráfico de churn.

Ou seja, a probabilidade de alguém cancelar o plano do seu produto é muito maior quando ele fica esse período de inatividade.

Você agora tem uma tendência clara e pode agir mais efetivamente para evitar os cancelamentos.

Por que ela é fundamental na sua estratégia hoje em dia?

A estratégia de análise preditiva é fundamental caso você queira antecipar futuros riscos e perceber oportunidades.

Com um bom processo de estruturação e análise de dados, você consegue prever sua base e principalmente o mercado.

É exatamente esses fundamentos que usamos para entender qual será o possível futuro do marketing e para onde devemos focar nossas prioridades aqui na Rock.

Além de tentar entender quais são os principais pontos que precisamos intervir no nosso produto e relacionamento com o cliente.

Ela faz parte da transformação digital que estamos vivenciando e precisa ser tratada de forma cada vez mais urgente e essencial para todas as estratégias.

Quem já utiliza de forma efetiva

As empresas que já adotam essa estratégia estão avançando de forma rápida para um futuro de cada vez mais reconhecimentos de padrões.

A Amazon é um ótimo exemplo. Ela promete que, em um futuro próximo, vai realizar entregas antes mesmo dos clientes pedirem o produto. Caso você não queira, você não precisa devolver e muito menos pagar por aquilo.

A confiança na sua equipe de dados é tão grande que a Amazon quer antecipar desejos através de uma análise comportamental totalmente personalizada na sua plataforma.

Ela acredita que vai ser possível compreender quando você precisará de leite, ou café, ou qualquer outro produto que ela vende em seu site ou supermercado inteligente, Amazon Go.

Ou seja: para que a empresa conhecerá você mais do que você mesmo.

Como você pode começar

Antes de tudo, você precisa entender a estratégia em um passo a passo. Saber quais são os principais estágios que você precisa ter para rodar uma análise efetiva.

Coleta de dados

Que estamos produzindo muitas informações, acho que não é mais novidade. Mas a coleta desses dados está sendo efetiva?

Esse é o primeiro passo de qualquer estratégia com dados e é onde a maioria já não consegue avançar.

Coletar dados não é algo simples, principalmente do seu produto ou empresa.

Uma forma interessante de começar esse estágio é perguntando quais questões você precisa fazer para obter as respostas, para depois focar nas informações necessárias que você precisa ter.

Desse jeito você consegue ter uma coleta muito mais efetiva, sem perder tempo em pastas de bancos de dados que você não tem a necessidade de estar nesse momento.

Estrutura dos dados

Após recolher as informações necessárias, você precisa estruturar elas para facilitar o momento de análise.

Algumas ferramentas usadas nesse estágio é o Excel ou o Power BI.

Essa é a fase da estratégia onde você vai transferir os dados para um local onde consiga facilitar a visão do tanto de informação coletada.

Caso você tenha uma única fonte e essa ofereça uma extração em .csv, o uso do Excel é o recomendado, onde é possível organizar os dados em colunas para gerar gráficos e tabelas fundamentais no momento de análise.

Em uma estratégia mais avançada e automatizada, o uso do Power BI facilita a centralização das informações, além de entregar os dados em um layout já pré-definido por você ou sua equipe.

Análise de dados

Com os dados mais claros para serem visualizados, é o momento de analisar as informações que você tem.

Aqui vai ser possível compreender as anomalias gráficas ou tendência de linha a partir do uso de conhecimentos estatísticos.

Na análise preditiva, caso o fato a ser analisado é uma ação recorrente, como no exemplo já citado nesse texto, é possível fazer a análise de anomalias no gráfico gerado.

Esse é o momento de entender, por exemplo, o mês onde você tem a maior taxa de cancelamento de planos, para assim pensar em um plano de ação mais efetivo.

Caso você queira entender uma tendência de linha, por exemplo o crescimento do tráfego do seu blog, é possível utilizar estratégias básicas de estatística para compreender qual o futuro das suas informações.

Gráfico com uma linha de tendência básica, baseada nos vales (fundo) das linhas gráficas.

Estatísticas

Quando falamos de estatística na análise preditiva, levamos em consideração duas técnicas bem conhecidas da área: Estatística Descritiva e Estatística Inferencial.

A Estatística Descritiva tem como objetivo sumarizar e descrever um grande conjunto de dados. A partir dele é possível criar medidas de tendência central e medidas de variabilidade ou dispersão.

Já a Estatística Inferencial é o estudo de um grupo amostra para tirar conclusões de um grupo maior. Levantamentos populacionais são um grande exemplo dessa técnica.

A estatística é fundamental para se ter uma análise preditiva rodando de forma correta.

Modelagem

Quando reunimos todas essas informações adquiridas até agora às técnicas de modelagem preditiva, criamos o modelo.

O modelo preditivo é o momento onde os primeiros insights sobre os possíveis acontecimentos no futuro começam a aparecer.

Ele reúne técnicas matemáticas e estatísticas aos dados obtidos na sua empresa, criando um modelo para ser observado, no qual as principais respostas que você deseja estarão com fácil acesso visual, atualizando e melhorando a cada nova informação gerada.

Monitoramento do modelo

Após realizar todos os passos anteriores, é necessário manter um monitoramento para que os dados processados e principalmente as informações obtidas a partir da modelagem continuem sendo confiáveis.

Além de ter de forma mais rápida e objetiva as respostas que você precisa para otimizar e melhorar ainda mais o seu processo e/ou produto.

Exemplos de Análise Preditiva

Agora que você já sabe como realizar uma estratégia de análise preditiva, vamos entender onde mais ela pode ser aplicada.

São 5 exemplos de aplicação, mas não se limite a isso e use a criatividade para procurar as respostas que você quer.

Previsão de Churn

Como já citado nesse post, a previsão de cancelamento é uma aplicação muito utilizada pelo time de Sucesso do Cliente a partir de análise preditiva.

Quando é compreendido em qual momento o seu produto não está satisfazendo o cliente na forma como você gostaria, as ações tomadas para criar a melhoria são muito mais efetivas.

Nessa análise é preciso entender todo o processo da sua base de cliente para assim criar estratégias para evitar cancelamentos futuros.

Com o modelo criado, você pode entender também as variações de cada mês de uma forma mais rápida, possibilitando ações mais ágeis do seu time.

Leitura de Upsell and Cross-Sell

Praticamente na mesma leitura da aplicação anterior, aqui você vai conseguir entender em quais pontos da caminhada seu cliente está mais propício para aumentar o plano ou adquirir mais produtos da sua empresa.

Se na previsão de churn você detectou o momento onde o cliente estava mais insatisfeito, aqui a compreensão necessária é o contrário.

Entendendo o momento de satisfação do usuário do seu serviço, conectado ao que você pode oferecer para gerar mais valor para ele, o momento de realizar um upsell ou cross-sell fica ainda mais claro.

Otimização de campanhas de Marketing

Usando o auxílio de dados, as decisões tomadas em uma campanha são blindadas de erros já cometidos no passado.

Quando você utiliza a análise preditiva para realizar uma campanha de marketing, é possível entender quais serão os melhores canais para cada conteúdo e linguagem usada. Entendendo suas campanhas anteriores, é possível prever como o público irá reagir para cada técnica usada em determinada ação.

Empresas como Amazon e Target são conhecidas pelo uso de dados nas suas campanhas de Marketing. Tanto para criar estratégias efetivas quanto para engajar o público.

Segmentação de lead para campanhas de nutrição

Nesse caso, o uso de dados já se tornou algo essencial. A nutrição da sua base de leads é cada dia mais segmentada, entregando exatamente o conteúdo que a pessoa precisa no momento certo.

Nós estamos em um processo para ter entregas mais personalizadas, e criar grupos segmentados é um enorme passo para ter uma nutrição mais eficiente, onde a audiência recebe apenas conteúdos relevantes para eles.

O uso de big data pode ser um grande diferencial na sua estratégia de segmentação.

Distribuição de conteúdo personalizado

Estamos em um processo, mas já é realidade para alguns. A entrega preditiva da Amazon é um grande exemplo de como acertar os desejos do cliente ou possível cliente na hora exata que ele precisa.

Na nutrição, estamos falando basicamente da mesma leitura de dados, mas com uma entrega de conteúdos que vão gerar cada vez mais valor para sua audiência, aproximando sua empresa do futuro cliente. Fazer um conteúdo baseado em dados pode ser o diferencial de uma boa estratégia.

Quando temos uma análise pessoal, sem dúvida alguma a entrega será mais efetiva para cada lead que você tem.

Cultura de dados

Depois de ler esse post, tudo parece mais simples, certo?

Não!

Para se ter uma estratégia de análise preditiva, sua empresa precisa passar por diversas etapas de análise de dados anteriores.

E a principal delas é criar uma cultura de dados no ambiente de trabalho.

As decisões precisam começar a ser tomadas cada vez mais por dados, os passos dados precisam ser registrados como informações para serem usados em um evento futuro e isso demanda tempo e dedicação.

A parte boa é que ainda estamos começando a ter essa preocupação no Brasil. Quem se adiantar e criar um negócio que gira em torno dos dados, com certeza estará dando um passo na frente do mercado e da concorrência.

O poder está nas suas mãos

Sempre enxergamos a habilidade de ver o futuro como um super poder. Mas isso nunca foi tão possível como é agora.

Claro que prever todas as ações é algo apenas das ficções científicas, mas se a ação é uma repetição de um comportamento, ela só não é previsível se você não quiser.

Reúna seus dados, limpe eles, estruture gráficos e tabelas e comece a se divertir com o que ele quer te dizer.

Tenho certeza que já será possível tirar várias conclusões.

Não é necessário começar com uma análise completa e complexa, mas esteja atento às informações que você já tem.

O tempo gasto numa análise de dados pode poupar tempo e investimento da sua empresa, além de entregar resultados muito mais eficientes. E aí, está pronto para aplicar os dados em sua estratégia?