Dos dados para a ação

25 de julho de 2019 - 17h14

(Crédito: Peterhowell/iStock)

Foi-se o tempo em que as interações entre consumidores e marcas eram simples e se davam por meio de apenas alguns canais. Atualmente, para completar uma só tarefa, por mais simples que ela possa ser, um consumidor pode acabar usando três, quatro ou até mais canais. Para abrir uma conta bancária, por exemplo, o consumidor médio começa uma jornada que pode incluir uma pesquisa online, falar pelo telefone com um funcionário do call center, visitar uma agência, baixar o aplicativo do banco no seu smartphone e entre outras atividades.

Quando se pensa no total de clientes de uma empresa, todo o rastro digital deixado por conta do grande leque de canais disponíveis, pode fazer com que encontrar insights sobre o comportamento do consumidor se transforme em um enorme desafio. Diante disso, algumas empresas podem simplesmente escolher não agir.

No entanto, hoje sabemos que analisar esses dados é imprescindível para melhorar a experiência do consumidor e potencializar os negócios de uma empresa. De acordo com o artigo “Don’t Let Data Paralysis Stand Between You And Your Customers”, assinado por Harald Fanderl e, parte do estudo From Data to Action(Harvard Business Review Insight Center), o segredo para sair do imobilismo e encarar de uma vez essa barreira é não pensar nos pontos de contato individuais, mas melhorar a jornada do consumidor como um todo. Segundo dados da consultoria McKinsey citados no artigo, empresas que utilizam os insights sobre a jornada de seus clientes para promover melhorias conseguem reduzir a repetição de visitas técnicas, aumentar o cross-sell e diminuir o churn (evasão de clientes), consideravelmente.

Para Fanderl, é preciso ter em mente três pontos na hora de empregar big data para melhorar a jornada dos consumidores (importante notar que ele trata as diferentes partes da jornada geral do consumidor com uma marca como jornadas em si):

1. Focar nas principais jornadas
Em vez de tentar analisar absolutamente todos os dados disponíveis, dedicar-se às jornadas que importam mais para os consumidores e para os resultados da empresa. Geralmente, elas incluem uma combinação dos processos de vendas e onboarding (início das interações com o bem ou serviço adquirido), uma ou duas questões técnicas principais, processos de mudanças e renovação de contrato, fraudes, faturamento e pagamentos. Ao diminuir o escopo de análise para essas jornadas, as empresas conseguem priorizar o que é mais importante.

O artigo cita como exemplo, uma companhia de TV a cabo que usou análise avançada de dados do comportamento dos consumidores em múltiplos canais, para focar nos momentos em que havia perda de clientes em duas jornadas – onboarding e resolução de problemas. A equipe de dados ajudou a identificar os principais problemas com o serviço e formas de melhorar o processo de onboarding. Isso levou à mudança de várias políticas da empresa, incluindo a criação de um “laboratório de aprendizado” que operava como uma mini empresa para testar e melhorar novas abordagens. Essas mudanças melhoraram mais de 20% os índices de satisfação dos clientes.

Acho válido pontuar que muitas empresas hoje já trabalham em formato de squads, times que atuam especificamente em uma parte da interação com o cliente. Um banco conhecido nosso, aqui no Brasil mesmo, possui mais de dez squads, cada um focado em um objetivo de negócio como, por exemplo, migração de clientes que recebem fatura pelo correio para meios digitais. Um time com total autonomia de estudar e atuar na jornada do cliente, com um objetivo bem claro e definido.

2. Não esperar até que os dados estejam perfeitos
Muitas empresas acabam esperando para agir por medo de que seus dados sejam insuficientes ou estejam bagunçados. De acordo com o autor, as companhias que obtêm sucesso são as que não ficam pensando demais e já botam a mão na massa. A maioria das empresas, inclusive, já tem os dados de que precisa. O desafio está em juntar todos eles.

O que essas empresas precisam fazer é descobrir onde os dados estão armazenados, e o que é preciso para extraí-los e agregá-los para que seja possível entender a jornada do consumidor através dos múltiplos pontos de contato. Como os dados muitas vezes estão em sistemas gerenciados por diferentes áreas da empresa, junte o pessoal de operações, TI, vendas e marketing para identificar os pontos de contato. Algumas companhias criam pequenas equipes SWAT com colaboradores de diversas funções, para transpor quaisquer barreiras burocráticas.

É importante medir o desempenho desde o começo, inclusive os erros, já que essa experiência ajuda as equipes a testar, refinar, aprender e, por fim, acelerar os benefícios. Como exemplo disso, o texto cita uma companhia europeia líder no segmento de energia que gerava muitos dados, mas que estavam guardados separadamente com as equipes de web, call center e marketing. Por conta disso, muitos insights eram perdidos. Então, usando dados que a empresa já tinha, uma equipe que unia operações e marketing se juntou para analisar a jornada dos clientes que mudavam de endereço. Observando os padrões de dados, a equipe descobriu que o processo de mudança por si só correspondia a 30-40% de toda a evasão de clientes. Esses clientes estavam cancelando suas contas antigas e não renovando para os novos endereços.

Em resposta a isso, a empresa decidiu gerir melhor as expectativas ao longo dos principais pontos de contato dessa jornada. Ela afinou sua comunicação oferecendo em seu site um conjunto de instruções fáceis de seguir, com links que tornavam o processo de gerar um novo contrato uma questão de uns poucos cliques. Isso reduziu o churn em 40% e aumentou oportunidade de upsell ao longo da jornada.

É bom lembrar que Jeff Bezos já falava que não adianta esperar ter 100% dos seus dados prontos para dar o direcionamento correto das ações, mas também para não tomar decisões com menos de 70% deles.

3. Focar na análise, não nos relatórios
As empresas tendem a usar seus dados para gerar relatórios sobre o que aconteceu. No entanto, é muito mais valioso analisar os dados para apontar causa e efeito e fazer previsões. O artigo exemplifica isso com o caso de um banco que estava procurando formas de usar big data, para apontar sinais precoces de prejuízo no seu serviço de empréstimos para pequenas empresas.

Os dados dos pontos de contato revelaram mudanças sutis no comportamento dos clientes, que levantaram suspeitas na equipe de fraudes. Foi só quando a equipe juntou os dados de todos esses pontos de contato, que o banco descobriu padrões de comportamento altamente correlacionados com o risco iminente de calote. Eles incluíam mudanças na frequência de checagem online das contas, número e tipo de perguntas ao call center e de visitas às agências, e uso da linha de crédito. Analisar esses padrões complexos permitiu que o banco desenvolvesse um sistema de alerta antecipado, que sinalizava clientes de alto risco.

Harald Fanderl finaliza seu texto com uma máxima que pode servir a qualquer empresa interessada em usar dados para alavancar seus negócios, mas que ainda se sente perdida frente ao grande volume de informações. De acordo com ele, “Big data traz grandes oportunidades para melhorar o valor e a jornada dos consumidores. Para aproveitar, é preciso comprometimento para focar naquilo que realmente importa”.

E, a minha orientação pessoal aqui, para os desafios do nosso dia a dia, é escolher bem a pergunta a ser respondida frente a uma oportunidade ou problema do negócio. Isso vai fazer com que o seu time de análise de dados busque hipóteses de resposta, de forma focada e teste cada uma delas para identificar qual é a melhor. Deixar o BIG somente para o volume de dados a ser trabalhado e transformar em SMALL cada problema a ser respondido.