Sob dados não-estruturados, marcas aproveitam só 20% do big data

Buscar
Meio e Mensagem – Marketing, Mídia e Comunicação

Sob dados não-estruturados, marcas aproveitam só 20% do big data

Buscar
Publicidade

Notícias

Sob dados não-estruturados, marcas aproveitam só 20% do big data

Dirceu Corrêa Jr, da Postmetria, detalha como, com isso, se perdem oportunidades de personalização em massa, o que simplificaria a vida dos clientes


21 de junho de 2022 - 6h03

Nos últimos anos, a frase genérica “dados são o novo petróleo” se multiplicou nas discussões dos mais diversos setores. Apesar de suas limitações, a máxima ajuda a ilustrar a valorização dos dados na tomada de negócios, impulsionada pelo movimento de transformação digital nas empresas e a abertura dos usuários para o comércio online desde o início da Covid-19. No entanto, se engana quem pensa que levar os dados para o centro dos negócios é um movimento fácil. A transição exige investimento e a capacidade de traduzir informações em insights. Esse trabalho se torna ainda mais complexo quando se trata de dados não-estruturados – ou seja, que não são naturalmente organizados de forma pré-definida. Mas é exatamente na subjetividade desses dados que empresas como a Postmetria apostam para uma visão mais centralizada do consumidor. Dirceu Corrêa Jr, CEO & Partner da Postmetria, explica o conceito de dados não-estruturados e como podem atualizar as métricas de experiência.

 

Dirceu Corrêa Jr, CEO & Partner da Postmetria (Crédito: Divulgação)

Meio & Mensagem – O que são dados não-estruturados? Quais são suas características? Onde podem ser encontrados? Quais são as diferenças centrais entre dados estruturados e não-estruturados?
Dirceu Corrêa Jr – De forma sintética, dados não-estruturados são definitivamente dados que não possuem uma pré-estrutura que permita uma eficiência numérica, como acontece com valores como datas, nomes, e outros itens quantificáveis. Ou seja, por não possuírem um padrão numérico identificável na informação, são dados mais difíceis de serem tratados diretamente por análises estatísticas e quantitativas, o conhecido analytics. Portanto, tais dados necessitam de uma interpretação léxica e semântica, como o NLP (sigla em inglês para Processamento de Linguagem Natural), a partir de uma Inteligência Artificial, gerando processos de aprendizagem de máquina contínuos. Devido ao crescimento do chamado Big Data, esses dados não-estruturados são hoje 80% dos dados disponíveis na internet, e tendo por característica ser um tipo de dado mais complexo, subjetivo, qualitativo e espontâneo, quando oriundo das experiências do consumidor (CX), é comum ser gerado a partir de textos, imagens e voz, produzidos nos diversos pontos da jornada do cliente com a empresa, a partir de canais internos e externos de SAC como: – email Fale Conosco, Chatbot, Whatsapp, reviews de e-commerce e aplicativos, comentários em fóruns técnicos e blogs, DMs e Timelines de redes sociais, sites de conciliação como Reclame Aqui, Consumidor.gov, bases de dados internas como pesquisas legadas, contatos “Phygital” direto do PDV, entre outros ainda mais complexos de gerarem enriquecimento estratégico, a exemplo das gravações telefônicas do SAC. Os dados estruturados – ou analytics – são aqueles que já possuem um padrão minimamente definido. Fontes de dados como cliques, tempos de navegação, quantidade de logins, curtidas e comentários que atualmente são o tipo de dados mais usados para solucionar diversos problemas nos negócios, mas que por seu formato, não conseguem agregar a subjetividade, a autenticidade e a espontaneidade das percepções do mercado, e principalmente, tem mais dificuldade em agregar “contexto” a informação, ou seja, as empresas em geral, estão se beneficiando de apenas de 20% do big data nos seus processos de tomada de decisão.

M&M- Quais são os desafios na análise de dados não-estruturados? Que fatores precisam ser levados em conta?
Corrêa Por serem dados mais espontâneos e padrão de comunicação humana, os dados não-estruturados são gerados em quantidades e velocidades exponenciais, logo, o maior desafio é encarar a sua complexidade em escala. Com isso, se estivermos por exemplo falando de algum problema específico que uma marca está enfrentando em seus canais, provavelmente o que está acontecendo é o fato de que os consumidores desses múltiplos e dispersos pontos de contato são atendidos em suas dúvidas, reclamações e elogios, porém, num esforço inversamente proporcional à capacidade das empresas em absorver inteligência competitiva dessas “jornadas de experiências”. A quantidade de informação dos dados não-estruturados, quando dispersa nesses múltiplos canais, prejudica uma visão centralizada e profunda dos motivos que geram detratores e promotores, assim como, sem conseguir medir o impacto desses consumidores no negócio. Perdem-se assim, milhares de oportunidades de personalização em massa, que simplificaria muito a vida desses clientes.

M&M – Como os dados não estruturados se conectam com o conceito de Customer Experience as a Service? Na prática, como funciona o Customer Experience as a Service?
Corrêa – Nosso mercado está cada vez mais dinâmico e atualizado. Cada dia que passa nos deparamos com novas experiências, tecnologias e novos meios de comunicação. Assim, cria-se junto uma urgência em acompanhar práticas que gerem um ganha-ganha entre empresa e consumidores, demonstrando que a opinião, de fato, tem valor para aprimorar e criar serviços cada vez mais eficientes por empresas mais conscientes desse valor do cliente. É nesse cenário que surge o CXaaS – Customer Experience as a Service – a evolução em plataforma tecnológica que possibilita ir além na compreensão da Jornada do Consumidor. O CXaaS é um conceito dos novos tempos, dessa era de Big Data, Inteligência Artificial e Experiência do Consumidor. A proposta é justamente tangibilizar o que eu chamo de “Combo Clientocêntrico”, traduzindo, precisamos fornecer um Software como um serviço voltado à jornada da experiência do consumidor para que assim a marca:

– Consiga cobrir todos os pontos de contatos da jornada de experiência, acompanhando e coletando dados omnichannel e phygital;

– Seja capaz de interpretar e diagnosticar satisfações com métricas eficazes;

– Possa atender e registrar de maneira ágil as dores do consumidor em sua jornada de compra;

– Consiga fidelizá-los através de uma rica experiência nos canais de contato;

– E claro, ganhe novos clientes a partir de ativações de personalização em massa, o que vai qualificar seus processos de negócio e pontos de insatisfação que possam estar gerando frustrações.

No nosso caso esse serviço é feito com grande diferencial que é a métrica acionável Spontaneous NPS em si. Nós eliminamos a dependência com questionários, pois através da Inteligência Artificial da Postmetria interpretamos o conteúdo em texto, áudio, imagem das opiniões multicanais espontâneas do consumidor e transformamos todos esses feedbacks, automaticamente, em uma nota de score. Imagina conhecer a satisfação diária de seus clientes (NPS), no entanto, a partir de todos os canais de SAC com falas espontâneas, de modo centralizado, com uma métrica acionável e que ainda elimina o viés de questionários.

M&M – Quais são as vantagens dessa estratégia para as marcas? Por que pode ser considerado uma evolução das métricas?
Corrêa – De forma bem direta, o “CX como um serviço” agrega mais contexto estratégico aos negócios. A vantagem competitiva está no acompanhamento da satisfação do consumidor com as marcas, pois as pessoas já estão falando das marcas e tomando decisões de compra, embora muitas delas ainda não se deram conta. Ser direcionada em cima de números é importante, mas conhecer a subjetividade, autenticidade e espontaneidade dos consumidores é o que de fato gera a diferenciação. CXaaS é sem dúvida a evolução do mercado do CX em plataforma. Esse “novo serviço” se atenta em entender com profundidade os consumidores, centralizando a informação e escalando a capacidade de interpretação dos dados de satisfação e recomendação, principalmente aqueles mais espontâneos (os não-estruturados), – que pelo seu formato, são mais difíceis de serem lidos e traduzidos num diagnóstico sem o apoio de uma poderosa máquina de aprendizado contínuo de inteligência artificial. Dar escala para transformar todo esse volume e multicanalidade de dados em inteligência de negócios é algo que um ser humano já não dá conta, mas, é o que o consumidor quer que suas marcas favoritas sejam capazes de fazer, para atender melhor, qualificar produtos e facilitar a nossa vida.

Publicidade

Compartilhe

Veja também