À procura da segmentação perfeita (e por que ainda não chegamos lá)

23 de junho de 2021 - 9h46

(Crédito: Ktsimage/iStock)

Se promovermos um debate sobre diversidade, sem dúvida nenhuma, a maior parte das opiniões apontarão que a publicidade ainda reforça o preconceito e a discriminação. Enquanto muitas pessoas lutam pela igualdade racial no mundo, determinadas raças e tipos físicos ainda têm de lidar e lutar por seus direitos no mundo virtual. Estamos falando do racismo algorítmico que veio à tona em meados do ano passado e ocorre quando os algoritmos discriminam imagem ou qualquer conteúdo digital de pessoas de diversas origens culturais.

Atualmente, isso é muito comum e podemos identificar por meio de imagens de pessoas de vários grupos identitários com alcance diminuído, por meio de filtros que modificam cores e formatos físicos e até pela publicidade que não é entregue para essas pessoas. Isso nos deixa claro que a tecnologia não é e nunca foi neutra ou objetiva. Ela é moldada pelas desigualdades raciais, étnicas, de gênero e outras desigualdades prevalentes na sociedade e, normalmente, torna essas desigualdades ainda piores.

Na tecnologia, esse preconceito inconsciente promovido pelos algoritmos acaba criando predições a partir de machine learning e inteligência artificial (IA) que são altamente prejudiciais para o planejamento de mídia. Há segmentações baseadas em dados e segmentações baseadas em comportamento.

A IA permite a predição da probabilidade de que algo aconteça em um site. Quando se atua com segmentações baseadas em predição, pode-se ocorrer equívocos. Como, por exemplo, um pai que entra em blogs e sites de conteúdos sobre primeira infância. A IA pressupõe, devido às concepções e conceitos de quem a modelou, que esse pai que consome conteúdos sobre primeira infância também se interesse por anúncios de absorventes ou joias. Esse tipo de atitude faz com que uma série de oportunidades de engajamento seja desperdiçada.

Vale dizer que esses algoritmos e suas priorizações são algoritmos de machine learning. E são algoritmos nos quais que você coloca uma grande massa de dados. O algoritmo entende essa massa de dados e gera algum tipo de agrupamento como resultado, entendendo padrões.

Em casos de racismo algorítmico, a falha técnica muitas vezes é a humana, pois não existe diversidade na decisão. E podemos afirmar que foi uma decisão provocada por sistema “eurocêntrico”, independentemente da raça da pessoa que o operou. E, como consequência do algoritmo enviesado, uma das primeiras coisas a serem listadas é a invisibilização das pessoas sem o estereótipo eurocêntrico na internet e, consequentemente, na publicidade. Só iremos mudar essa realidade a partir do momento que dermos mais foco no consumidor final em detrimento de quem aprova o investimento na comunicação.

Outra alternativa para evitar a armadilha da segmentação por predição é a criação de anúncios e, pensando alguns passos antes, a definição de público-alvo das campanhas. Deve se basear nas pessoas que acessam os canais de marketing das marcas, para depois entender o perfil demográfico delas e como acessam a internet, por meio de ferramentas de pesquisa de público, como o Google Trends, do Google, e o Business Manager, do Facebook.

O importante é que, para evitar esses tipos de preconceitos, devemos considerar aquilo que atualmente se denomina por diversidade em todas as fases da comunicação, e não somente na criação ou na segmentação de mídia. Precisamos buscar alternativas para driblar eventuais riscos dos algoritmos com uma segmentação mais assertiva das peças publicitárias, evitando excluir grupos da comunicação e buscando mais informações sobre a cultura do público alvo, indo além do comportamento de compra.

Não podemos mais perder tempo com esse tipo de debate. O mercado precisa questionar o viés algorítmico e exigir mudanças nas plataformas, adotando práticas mais rígidas com seus parceiros comerciais e trazer mais diversidade para suas campanhas.