5 de junho de 2023 - 11h23

(Crédito: Shutterstock)

“A mesma estratégia não serve para todos”. A frase impactante é de Philip Kotler, na obra “Marketing 5.0 – Tecnologia para a Humanidade”, em um trecho em que o autor comenta a liderança das gerações Y e Z no processo de transformação digital global, que ganhou força durante as fases de lockdown impostas pela pandemia de COVID-19. Segundo o autor, as restrições colocadas pela crise sanitária abriram a mente daqueles que ainda eram reticentes sobre a necessidade de abraçar e entender o digital. E para as marcas, entre vários outros pontos, isso significa uma coisa: conhecer bem seu consumidor.

Nesse contexto, a coleta de dados e sua análise por ferramentas baseadas em Inteligência Artificial (IA) se tornaram o processo-padrão no marketing digital. Conheça o consumidor e seu comportamento, e tente gerar uma conversão no momento mais propício para que ela ocorra. O mercado brasileiro entendeu e abraçou esse conjunto de tecnologias. Segundo dados do IDC, 63% das empresas brasileiras utilizam aplicações baseadas em IA, contra uma média de 47% em toda a América Latina. Além disso, 90% das companhias brasileiras investem em dados e ferramentas de analytics com o objetivo de identificar tendências e padrões de consumo.

IA e Big Data estão intimamente ligados. Sem a coleta e análise de vastos volumes de dados, é impossível existir uma Inteligência Artificial eficiente. As IAs aprendem e, para isso, precisam de dados, que são trançados e usados para o entendimento de padrões de consumo em publicidade digital. Assim, quanto melhores forem as ferramentas de IA e de gestão de dados, mais assertivos serão os resultados de recomendação e personalização.

Nesse cenário dominado pela IA, tecnologias baseadas em Deep Learning são a cereja do bolo, pois permitem maior exatidão e velocidade para essas análises. Por exemplo, hoje há soluções baseadas em Deep Learning capazes de fazer 240 trilhões de operações no período de tempo que você levou para ler esta frase.

O Deep Learning dá sentido aos padrões comportamentais e segmenta consumidores de acordo com suas preferências. É uma solução que pode ser usada em todas as etapas do funil de vendas, com objetivos diferentes para cada uma delas, e que gera resultados expressivos. Hoje, há casos de empresas utilizando o Deep Learning que têm estimativa de vendas 42% maiores em relação à média de mercado.
Com isso, é possível concluir que a solução oferece insumo para que profissionais de marketing possam realizar um

trabalho cada vez mais estratégico, pautado em dados fidedignos sobre o comportamento de suas audiências.
Maturidade

Kotler relata no mesmo livro um caso famoso envolvendo IA e Big Data. Uma rede de varejo norte-americana começou a enviar cupons de desconto para roupas de bebê e produtos para gestantes para uma adolescente. O sistema de IA da rede havia entendido que a garota poderia estar grávida. Seu pai ficou furioso, achando que a varejista estaria querendo incentivar a filha a engravidar. Mas após uma conversa, descobriu que a adolescente realmente estava esperando um filho. Isso nos permite concluir que o sistema foi extremamente preciso e, ao mesmo tempo, extremamente falho, pois não considerou contextos éticos específicos e fundamentais para a realização da campanha.

Casos como este levantam uma questão: qual é o nível de maturidade envolvendo o uso dessas tecnologias? Como já mencionado, a coleta de dados torna fácil entender o padrão de comportamento e gostos, mas o que faremos com essas informações ainda é uma questão fundamental. No exemplo de Kotler, os dados estavam precisos, mas sua aplicação falhou.

Ainda que o conceito de personalização introduzido pela IA e pelas ferramentas de Big Data seja simples, obter e utilizar dados de forma realmente relevantes para o seu negócio é bastante complexo e, em geral, é onde as empresas investindo nessas soluções pecam. Milhares de dólares são gastos todos os anos com a coleta e análise de dados que simplesmente não importam, sobrecarregando sistemas e impedindo que diferentes companhias avancem em sua estratégia de negócio e oferta de produtos. Ou seja, não se trata apenas de aplicar a IA e o Big Data ao seu modelo de negócio, mas de usá-los com inteligência e de forma a realmente lhe gerar vantagens competitivas.

Nesse cenário em que podem ocorrer dilemas entre o uso da IA e ética, as marcas devem considerar com muita seriedade a possibilidade da ocorrência de uma crise de reputação. No universo da mídia programática, por exemplo, há soluções de brand safety baseadas em Processamento de Linguagem Natural capazes de inspecionar o site onde o anúncio será exibido e avaliar questões como nível da página, URL, conteúdo e metadados, antes de permitir a exibição de um anúncio. Filtros adicionais ainda podem e devem ser aplicados às campanhas se necessidades adicionais forem identificadas.

Desse modo, não se trata apenas de ter tecnologias de Big Data e IA à disposição. É preciso recorrer a parceiros sérios e relevantes para fazer a captura e gestão dos dados, caso das empresas especializadas no setor. Elas já contam com a estrutura necessária para coletar e analisar um volume imenso de dados, eliminando gastos imensos que seriam necessários para a construção de estruturas e o treino de profissionais. Terceirizar essa atividade pode ser mais barato e mais competitivo, visto que terceiros especializados têm a capacidade de gerar resultados mais assertivos em razão da bagagem e experiência já adquiridas. Blindada com as tecnologias e ferramentas corretas, dificilmente sua marca enfrentaria uma crise reputacional envolvendo IA.

Confira também: O que é e quais as tendências do Marketing 5.0