Atração Conversão Editorial Posicionamento Relacionamento Vendas

Inteligência de marketing: o que machine learning e IA trarão para nossa área?

inteligencia-de-marketing

Ao frequentar alguns eventos de marketing, é comum ouvir termos repetidos à exaustão. Passamos da época do “Conteúdo é rei” e “Precisamos demonstrar resultados” para temas mais técnicos: machine learning, big data, inteligência artificial (IA), tudo isso adaptado ao nosso trabalho digital. Em alguns casos, essas palavras não passam de buzzwords vazias de significado. Porém – e essas são as aplicações mais interessantes – a inteligência de marketing caminha a passos largos para a automação – e cabe a nós nos prepararmos para esse novo cenário.

Todos esses termos técnicos parecem coisas distantes, pertencentes a um universo distópico onde as máquinas controlam o mundo. No entanto, essas tecnologias estão muito mais acessíveis, próximas e aplicáveis do que imaginamos. “Entre seus objetivos para 2018, coloque o seguinte: 50% do seu marketing digital deve ser feito com apoio de machine learning” A frase, proferida por Avinash Kaushik em sua palestra no RD Summit, parece catastrófica, mas traz algumas perspectivas sobre a inteligência de marketing auxiliada por máquinas.

Kaushik certamente tem autoridade para falar do assunto. Atual Digital Marketing Evangelist do Google, é autor de livros clássicos da área de inteligência de marketing, como Web Analytics 2.0 (livro de 2009). Ele acompanhou de perto o desenvolvimento da área de marketing digital e, dentro da gigante de Mountain View, pôde acompanhar o desenvolvimento de aplicações práticas de machine learning e inteligência artificial no marketing digital.

Um dos casos mais curiosos, apresentado na sua palestra no RD Summit 2017, fala da rede hoteleira Red Roof, com unidades perto de aeroportos. Com o suporte de anúncios do Google e cruzamento de vários dados, foi possível executar uma campanha segmentada para “pessoas com grandes chances/perto de perder o voo”. O resultado? Um aumento declarado de 60% no número de quartos reservados.

O ponto mais importante mais importante do case Red Roof é: os textos, as segmentações e as artes usadas foram todas selecionadas de forma automática. Outra ação com a mesma toada produzia anúncios para cidades turísticas. Todos os criativos foram gerados via inteligência artificial e a campanha se “auto-regulava” durante sua execução. Kaushik não trouxe muitos números, mas garantiu que a ação foi um sucesso.

A maioria dos exemplos explorados por Kaushik vem do Google, por motivos óbvios. Entretanto, nem todos os casos citados se aplicam a grandes empresas ou indústrias. Em sua palestra, mencionou a ferramenta Intelligence do Google Analytics. Com base nas informações coletadas (e com a configuração adequada), o sistema gera relatórios personalizados e, principalmente, análises contextuais. A plataforma é capaz de apontar falhas na sua estratégia de marketing digital ou oportunidades que você pode explorar.

Outro exemplo é o Google Fotos. A ferramenta é capaz de identificar informações dentro de imagens, mesmo que você não as tenha declarado. Um exemplo prático: ao pesquisar por “Border Collie”, o Google Fotos apresenta imagens do pet da minha cunhada – sem eu nunca ter dito que aquele animal era um Collie.

Separando conceitos e buzzwords de inteligência de marketing

Uma das falas mais interessantes da palestra de Kaushik foi a explicação dos conceitos usados nessa área. Essas palavras-chave fazem bem mais sentido do que aparentam. Os três termos apresentados:

1. Inteligência artificial

Pense nesse conceito como um termo guarda-chuva. Assim como “marketing digital” faz parte do grande grupo “marketing”, “machine learning” é parte de “inteligência artificial”. Buscando as definições mais acadêmicas na Wikipedia, trata-se de um tipo de inteligência tecnológica que (tenta) imitar a humana.

2. Machine learning

Não se trata de uma escola de máquinas (embora a imagem mental disso seja maravilhosa). Também chamada de aprendizagem de máquina, é uma subárea de conhecimento dentro da inteligência artificial. Essa disciplina cobre a capacidade de computadores aprenderem e aperfeiçoarem suas ações na prática, sem a necessidade de inserções de novas informações por humanos. Voltando ao exemplo das campanhas de anúncios do Google, o machine learning permite que a campanha seja ajustada automaticamente para aumentar as conversões sem a necessidade de configurações manuais.

3. Deep learning

A aprendizagem profunda está dentro do machine learning. Para a explicação mais acadêmica, vale dar uma lida no verbete da Wikipedia. De forma extremamente simplificado, a deep learning tenta imitar exemplos do cérebro humano para assimilar novos conhecimentos com pouco ou nenhum dado inserido externamente por humanos.

Fique tranquilo: você não precisa ser PhD em Harvard para aplicar esses conhecimentos no seu dia a dia. Conhecê-los ajuda bastante – e é possível desenvolver projetos fantásticos com o suporte deles. Os grandes players do marketing digital estão ligados nessas tendências e, aos poucos, colocam ferramentas suportadas por machine learning nos seus produtos. Além do exemplo do Analytics Intelligence, o próprio Facebook “aprende” com as campanhas e oferece segmentações melhores para anúncios.

Como fica nosso trabalho de inteligência de marketing?

Como vimos até aqui, o futuro da inteligência de marketing exige preparação de dois lados: empresas e profissionais. No primeiro grupo, Kaushik apontou a necessidade de investimento corporativo em tecnologias de inteligência artificial como diferencial competitivo. Mas o que concerne a nós, que trabalhamos com marketing?

Kaushik propôs um paralelo entre a Web Analytics atual e a futura. Hoje nós investimos:

  • 50% do tempo coletando dados;
  • 40% do tempo interpretando dados;
  • E 10% do tempo analisando. Nesse ponto, ele diferencia bem um relatório (conjunto de dados apresentados sem interpretação) de uma análise (oferecida com interpretações, saídas e prospectos). Ele desenvolve bem esses conceitos neste artigo.

Com o suporte de inteligência artificial, nosso tempo deve ser:

  • 10% para coletar;
  • 10% para interpretar;
  • 30% para analisar;
  • E 50% para agir.

Teremos análises mais realistas, interpretações mais rápidas e tempo suficiente para corrigir e agir – desde que nós e nossas empresas estejamos preparados para isso.

O futuro da inteligência de marketing

Os avanços promovidos pela inteligência artificial podem ser sentidos hoje. Mas ainda há estrada para percorrer – e as perspectivas futuras são bem animadoras. Um dos pontos apresentados por Kaushik na sua palestra no RD Summit é a identificação e interpretação de contexto.

As ações de marketing que executamos hoje são todas baseadas em demografia, psicografia, consumo e intenções declaradas do nosso prospect. Um exemplo: ao pesquisar por “lingerie”, infere-se que há tem interesse nesse tema – afinal, você declarou isso expressamente ao pesquisar pelo termo. Porém, qual é a intenção da pessoa que pesquisa?

Captar e interpretar as intenções das pessoas ajuda a entregar anúncios mais direcionados e úteis. Ao cruzar dados e oferecer hotéis para passageiros que perderam seus voos, o anunciante consegue transformar a intenção do lead – esperar e descansar até o próximo voo – em oportunidade de negócio. A busca contextual ainda está evoluindo, mas tende a influenciar diretamente nossa capacidade de produzir campanhas e gerar resultados  relevantes.

Por onde eu começo?

Com novidades surgindo a todo tempo na área de inteligência de marketing, vale a pena criar uma rotina de atualização e estudo dessas novas tecnologias.

Existem algumas referências para se aprofundar na área. Recomendo começar pelo blog do próprio Avinash, Occam’s Razor. Um de seus artigos recentes traz uma sugestão de “plano de estudo” para machine learning e inteligência de marketing: Digital Analytics + Marketing Career Advice: Your Now, Next, Long Plan. Além de publicar textos lá, há uma newsletter periódica, The Marketing < > Analytics Intersect Newsletter.

Se deseja se aprofundar de forma mais técnica no tema machine learning, dê uma olhada nos cursos vendidos na Udemy sobre o assunto. Existem treinamentos para diversos níveis de conhecimento e em diferentes idiomas – incluindo português.

Fora isso, recomendo acompanhar as próximas edições do evento ID360, organizado pela BuscarID em Belo Horizonte (MG) e focado em marketing por dados.

Se tiver mais sugestões de cursos, eventos ou referências sobre machine learning, inteligência artificial e suas interfaces com o marketing, vou adorar conhecê-las. Coloque-as nos comentários – vou complementar o texto com as novas sugestões que receber.

Diego Cardoso
Olá, tudo certo? Sou o coordenador de estratégia digital da Dialetto e gosto bastante de inbound para a área de TI. Se quiser trocar uma ideia, estamos aí!
Você também pode gostar
Requisitos do profissional de marketing para empresas de tecnologia
Inbound reduz custo de aquisição em empresas de TI

Deixe um comentário

Seu comentário*

Seu nome*
Sua página web

Assine as publicações do blog

Cadastre-se e receba novidades sobre inbound marketing e sales para empresas de tecnologia

Obrigado! Você receberá nossos conteúdos em breve.