Tudo o que um profissional de marketing precisa saber sobre machine learning
Conforme aumentam as expectativas dos consumidores por experiências mais personalizadas, relevantes e assistidas, o machine learning - ou aprendizado de máquina - se torna uma ferramenta valiosa para atender a essas demandas. Ele está ajudando os profissionais de marketing a criar segmentações de cliente mais inteligentes, oferecer campanhas com criativos mais relevantes e avaliar o desempenho com mais eficiência. Na verdade, 85% dos executivos acreditam que, graças à IA, as empresas poderão alcançar ou manter uma vantagem competitiva.1
Criamos esse guia para ajudar você a otimizar seus esforços de marketing relacionados ao aprendizado de máquina, não importa se você acabou de começar ou quer descobrir novos benefícios dessa ferramenta.
Como o machine learning trabalha para você
Um guia rápido sobre o aprendizado de máquina para profissionais de marketing
Em sua essência, o machine learning é uma maneira de rotular e analisar rapidamente grandes conjuntos de dados. As pessoas conseguem fazer isso por conta própria, mas a máquina executa tudo mais rapidamente e em escalas bem maiores. Na verdade, 66% dos líderes da área de marketing concordam que a automação e o machine learning permitirão que as equipes se concentrem mais em atividades estratégicas de marketing.2
Mas as máquinas não aprendem sozinhas: elas precisam de ajuda humana. Responda ao quiz interativo sobre machine learning abaixo para conhecer os princípios básicos dessa ferramenta.
Primeiros passos: é mais fácil do que parece
Por que a primeira etapa é dar um passo para trás?
Agora que você sabe o que é o machine learning, deve estar se perguntando como começar a usá-lo. Já vimos muitos profissionais de marketing mergulharem de cabeça no desenvolvimento de um programa de aprendizado de máquina do zero. No entanto, isso pode ser complicado, já que exige um grande investimento inicial e pode levar anos para ser aperfeiçoado.
Em vez de mergulhar de cabeça, dê um passo para trás. Empresas como o Google já estão fazendo o trabalho pesado, integrando o machine learning a produtos de marketing novos e já existentes para ajudar você a ter insights mais detalhados sobre seus dados sem que sua equipe precise se esforçar mais. Tudo que você precisa fazer é garantir que a empresa esteja pronta para gerar o maior valor possível com esses produtos.
Definimos três pontos importantes que todo profissional de marketing precisa considerar ao preparar sua empresa para o machine learning.
Primeiros passos
Definir sua meta de marketing para o machine learning com antecedência
Assim como nós, as máquinas funcionam melhor quando recebem metas claramente definidas. A meta, ou resultado, funciona como um framework. Ela ajuda um cientista de dados a criar modelos de machine learning e identificar os dados certos a serem usados para treinar o modelo. Sua meta precisa ser quantificável e mensurável. Se fizer isso antecipadamente, você poderá definir e avaliar o sucesso do modelo.
Primeiros passos
Um algoritmo é tão bom quanto os dados que o compõem
Lembre-se desta regra de ouro: um algoritmo de machine learning é tão bom quanto os dados que o alimentam. Então, para usar o aprendizado de máquina com eficácia, você precisa dos dados certos para o problema que está tentando resolver. Nesse caso, não estamos falando de apenas algumas unidades de informação (ou “data points”). As máquinas precisam de muitos dados para aprender: centenas de milhares de unidades de informação que precisam estar formatadas, limpas e organizadas para seu algoritmo. Além disso, você precisará de duas bases de dados (ou “datasets”) : uma para treinar o modelo e outra para avaliar o desempenho.
Primeiros passos
Reunir uma equipe diversificada com a mentalidade certa
As equipes de marketing podem identificar os melhores casos para a aplicação do machine learning, mas analistas e cientistas de dados são essenciais para a etapa de implementação. Por isso, formar uma equipe multifuncional é fundamental para o sucesso de qualquer programa de aprendizado de máquina. Mas para aproveitar essa ferramenta ao máximo na sua empresa, você não só precisa da equipe ideal, como também da mentalidade certa. Esse segundo fator exige uma mudança cultural que priorize e recompense experimentos, avaliações e testes por toda a sua empresa.
Como o machine learning possibilita um marketing melhor
Uma análise aprofundada dos principais benefícios e oportunidades
Existem incontáveis maneiras com as quais o machine learning pode ajudar seu negócio. Explore abaixo as aplicações para o marketing: veja quais produtos podem ajudar a otimizar campanhas e como as marcas já estão utilizando o aprendizado de máquina para melhorar os esforços de marketing.
Descoberta de audiências
Identifique seus clientes mais valiosos
Como o machine learning pode ajudar você a alcançar os usuários certos de aplicativos
Vamos supor que você esteja tentando comercializar seu app e a principal meta seja conquistar usuários de longo prazo, que paguem por ele. No entanto, você descobriu que os usuários não abrem o aplicativo com frequência após o download. Você não é a primeira pessoa a enfrentar esse problema. Na verdade, apenas 37% dos apps instalados continuam sendo utilizados após sete dias. Então, o que fazer para encontrar os usuários certos?
Se você estiver investindo em fontes isoladas para identificar quem é sua audiência, talvez você esteja tendo algum tipo de perda. O machine learning pode classificar e analisar as fontes para que você entenda quais usuários são mais valiosos e aproveite seu orçamento ao máximo, exibindo anúncios apenas para as pessoas com maior probabilidade de fazer o download e usar o app com frequência. É assim que as App Campaigns do Google (antes chamadas de Universal App Campaigns, ou UAC) funcionam: elas ajudam profissionais de marketing a ampliar o alcance de maneira eficiente.
Maven, o app de aluguel de carros sob demanda da GM, foi lançado em um curto espaço de tempo em 2016. Um dos maiores desafios que a empresa enfrentou foi identificar os usuários certos e se conectar com eles. A equipe de marketing do Maven logo percebeu que gerar downloads não era suficiente. Eles precisavam de usuários valiosos que continuassem interagindo com o serviço.
Ele faz todo o trabalho pesado para nós. O machine learning otimiza o app constantemente, então podemos concentrar nosso tempo, esforço e energia em encontrar outras maneiras de continuar nos conectando com os usuários.
Kristen Alexander, gerente de marketing do Maven
Para descobrir e alcançar os clientes de alto valor, a equipe de marketing do Maven integrou o machine learning à estratégia da empresa usando as App Campaigns do Google. Como resultado, eles notaram um aumento de 51% nos registros e uma redução de 74% no custo por inscrição, o que permitiu direcionar novos recursos para iniciativas mais estratégicas.
Criativos
Exiba a mensagem certa para cada momento
O machine learning está ajudando os profissionais de marketing a desenvolver criativos personalizados
Hoje em dia, os consumidores esperam que as marcas ofereçam experiências assistidas e altamente relevantes, e isso também vale para os anúncios. Na verdade, o fato de um anúncio ser relevante ou não tem um impacto considerável na decisão de compra do usuário. Nossa pesquisa mostra que 91% dos proprietários de smartphone compram ou planejam comprar algo depois de ver um anúncio que eles descrevem como relevante.3
Se você acha que criar um anúncio para cada cliente é um enorme desafio, não tema. O machine learning está ajudando os profissionais de marketing a desenvolver criativos exclusivos e personalizados para os consumidores. Os anúncios de pesquisa responsivos combinam vários títulos e descrições com o objetivo de gerar o melhor criativo possível para um usuário, simplificando o processo de criação de anúncios e oferecendo resultados melhores.
Quando a equipe do Apartments.com, plataforma líder em aluguel de casas e apartamentos nos EUA, quis otimizar os criativos para seu crescente público, eles recorreram aos anúncios de pesquisa responsivos do Google.
Em média, os anunciantes que usam o aprendizado de máquina do Google para testar campanhas com criativos variados percebem um aumento de 15% nos cliques.
Dados do Google, março de 2018
Com os anúncios de pesquisa responsivos, a marca gerou criativos com mensagens que eram mais relevantes para os usuários em momentos importantes do seu processo de aluguel. A iniciativa foi muito bem-sucedida: houve um aumento de 10% nos cliques no Apartments.com. O ForRent.com, outra marca da família Apartments.com, teve um aumento de 16% nos cliques ao usar uma estratégia parecida.
Otimização
Encontre os clientes certos nos momentos-chave
Com machine learning, o lance ideal passa a estar ao seu alcance
As pessoas estão fazendo pesquisas com mais detalhes e maior frequência. Para os profissionais de marketing, isso significa que é mais importante do que nunca definir o lance certo nos leilões de pesquisa. Mas também indica que encontrar o lance perfeito ficou mais difícil, já que a crescente quantidade de dados torna mais complexa a tarefa de definir lances com base no conteúdo de cada usuário.
Felizmente, existem produtos que podem ajudar você a automatizar esse processo. O recurso do Smart Bidding utiliza o machine learning para analisar milhões de sinais e fazer ajustes em tempo real: você escolhe uma estratégia projetada para alcançar a meta específica da sua empresa, e ele considera diversos sinais sobre a intenção e o contexto de cada pesquisa.
Quando a OMD, agência parceira da Nissan, quis aumentar as visitas qualificadas ao site da montadora, ela recorreu aos produtos de lances automáticos do Google. A OMD usou esses algoritmos de lances automáticos combinados às próprias configurações personalizadas, como listas de canais selecionados e transações privadas, para criar uma estratégia que poderia alcançar segmentos importantes de consumidores.
O algoritmo atua como extensões dos analistas da OMD. Ele analisa o desempenho da campanha em nível granular para garantir que as otimizações sejam mais precisas e gerem resultados mais rapidamente com base nos nossos parâmetros.
Alex Kraft, parceiro de gerenciamento da Omnicom Media Group
Como resultado dessa iniciativa, a OMD otimizou os anúncios da Nissan em tempo real, ofereceu controle sobre o local onde eles seriam exibidos e alcançou consumidores mais valiosos. A agência conseguiu aumentar a taxa de conversão em 67%, além de diminuir o custo por visita qualificada em 33% e o custo por clique em 14%. A Nissan teve tanto sucesso com os lances automáticos que passou a usar essa estratégia em outras campanhas.
Mensuração
Descubra o verdadeiro valor de cada etapa do caminho até a compra.
Como uma estratégia baseada em dados pode ajudar a descobrir a intenção do consumidor
Vamos supor que, antes de fazer uma compra no seu site, um usuário decida pesquisar mais, fazer outras compras ou clicar em alguns anúncios em diferentes plataformas ou dispositivos. Geralmente, o crédito da conversão é concedido ao último anúncio em que o consumidor clicou. Mas como você pode ter certeza de que o último clique foi o mais valioso? Hoje em dia, os consumidores interagem com as marcas em um número crescente de telas e canais, o que dificulta a identificação dos pontos em que sua estratégia de marketing está dando certo.
A atribuição baseada em dados usa os algoritmos do machine learning para analisar os cliques nos seus anúncios da rede de pesquisa. Ao comparar os caminhos de cliques dos consumidores que compraram o produto com os daqueles que não compraram, o modelo de atribuição baseado em dados identifica padrões nos cliques que resultaram em conversões e mostra quais são os pontos de contato mais valiosos ao longo da jornada do consumidor.
As pessoas levam semanas, até meses, para fazer pesquisas online e planejar cada detalhe de uma viagem, com centenas de interações durante o processo. Para entender qual desses pontos de contato com o consumidor realmente impulsionava o crescimento a longo prazo, a HomeAway, um marketplace de aluguéis por temporada, sabia que precisava adotar uma estratégia de medição baseada em dados.
A automação nos ajudou a definir quem precisa ver nossos anúncios. Além de melhorar nossa habilidade de encontrar os clientes certos, agora somos especialistas em não gastar dinheiro com os consumidores errados.
David Baekholm, vice-presidente sênior de marketing para crescimento da HomeAway
A HomeAway começou a prestar atenção nos sinais de comportamento do consumidor, determinando quais estavam relacionados à probabilidade de conversão. A estratégia anterior da empresa media apenas o último clique e as conversões no mesmo dispositivo. A atribuição baseada em dados está ajudando as equipes de marketing da HomeAway a entender melhor a intenção, as interações e os sinais que impulsionam o crescimento a longo prazo.
Fontes (3)
1 The Boston Consulting Group, “Is Your Business Ready for Artificial Intelligence”, setembro de 2017.
2 Google/MIT Technology Review Insights, global, líderes e derradeiros ML, líderes (n=186) definidos como aumento maior que 15% na receita OU aumento de mais de 15 pontos em participação de mercado, derradeiros (n=176) definidos como aumento inferior a 0% na receita OU menos de 0 pontos em participação de mercado, 2018.
3 Google / Comprado, abril de 2017.
Explore mais artigos sobre machine learning e marketing