O mundo do marketing vive um momento agitado. De um lado, há empresas questionando o papel dos diretores de marketing (às vezes, simplesmente, eliminando, conforme debatido no MaxiMídia deste ano). De outro, uma euforia com tecnologia e Inteligência Artificial.
Entre um extremo e outro, o divisor de águas é – sem dúvida – a entrega de resultados. Não importa o quanto charmoso é o nome do seu assistente virtual ou quão linda é sua campanha na TV, o marketing tem que entregar mais.
Para saber até onde o marketing elevado à Inteligência Artificial pode nos levar, comecemos com o exercício do carro autônomo: como você ensinaria um carro a dirigir sozinho?
Se você pensou em ensinar o programa para o carro dizendo “pare no vermelho”, “ande no verde” ou “desvie da árvore”, você errou. Não é bem assim.
Carros autônomos são equipados com centenas de sensores que capturam milhões de dados por segundo. Eles absorvem tudo o que veem, ouvem e sentem, enquanto uma pessoa de carne e osso os dirigem.
Horas e horas de pessoas dirigindo carros são gravadas. O resultado disso é um algoritmo que, via uma aplicação (programa), vai reproduzir toda essa intrincada relação entre estímulos e reações em um outro carro sem motorista.
Assim como uma criança aprende a falar, um carro aprende a dirigir: observando, tentando e errando até acertar.
Esse método de aprendizado é o que se conhece por machine learning, uma disciplina da Inteligência Artificial.
Aplicando Inteligência Artificial ao marketing:
As histórias a seguir ilustram muito bem o passado, o presente e o futuro do marketing digital:
• No site do Banco A, os usuários que entram são automaticamente classificados em modelos de propensão (chance de comprar algo) conforme navegam. Todos os dados contam para o cálculo: navegador, velocidade, dispositivo, local, tempo, dia etc. (assim como as informações sobre velocidade, distância das árvores, as placas e ruas na história do carro autônomo). Fazendo suas próprias contas, o programa pode classificar uma pessoa como mais propensa a usar o call center.
A reação é rápida e o tamanho do número do telefone que aparece nas páginas do site aumenta imediatamente. Desde que o modelo foi aplicado nessa empresa, tanto as conversões via call center como as feitas pelo site explodiram.
Em momento algum, os diretores de marketing precisam se sentar à mesa para discutir sobre como homens e mulheres, de diferentes idades, devem ser tratados. Nas reuniões dessa companhia, ninguém fala de idade ou gênero (dados demográficos). Aqui o negócio é propensão, estatística e computação.
• Já no Banco B, a meta é “digitalizar os clientes”. Por isso, foi criado um sistema “Omnichannel” de mensagens, em que, para cada ação off-line (na agência bancária), gera-se uma mensagem. Exemplo: uma pessoa faz uma transferência bancária em um caixa automático e, em seguida, recebe uma mensagem no seu celular: “Que tal fazer sua próxima TED pelo app?”.
Nas reuniões dessa outra empresa, as pessoas discutem as regras para vender cada um dos produtos, como deve ser a mensagem, qual deve ser layout do site e o orçamento necessário. A empresa vai bem. Mas é só.
O exemplo A é típico do trabalho de um departamento de marketing pronto para a Inteligência Artificial. Usando inputs de dados (big data) e os comparando com outputs (sucesso na compra on-line ou na conversão call center), criam-se algoritmos e aplicações.
Experimentos e testes são feitos com frequência para aprimorar os modelos, grupos de controle dão credibilidade, e o banco cresce exponencialmente engolindo concorrentes.
O marketing “baseado em regras” (rule based em inglês) é predominante no exemplo B. A maioria dos departamentos de marketing e suas atuais estratégias digitais segue a lógica de um adulto aprendendo um novo idioma: cheia de normas, sujeito, verbo e predicado, o que é muito parecido com a ideia de ensinar o carro que o vermelho do semáforo é para parar.
O banco cresce bem pouco e sofre pressão constante para cortar custos, pois busca eficiência usando as fórmulas (e o marketing) do passado.
Adivinha qual diretor de marketing corre mais risco de perder o emprego?
II. Como se faz um marketing elevado à Inteligência Artificial?
Numa hipotética escada de evolução do marketing digital (Figura 1), no topo direito da pirâmide, estaria o marketing elevado à Inteligência Artificial (igual àquele do Banco A), enquanto nas linhas de baixo ficariam o conhecido marketing digital e a automação de marketing.
O que faz o marketing chegar até o topo? São três eixos:
Notícias Relacionadas
Artigo
Web Summit 2024: falta tecnologia ou sobra humanização nas ativações de marca?
No setor de brand experience, a união entre os termos traz desafios concretos
5 Sentidos Na Experiência
Instagram: o poder da música para impactar marcas
Na coluna desta semana, Myrrha explica como a música transforma postagens em experiências marcantes
Entrevista
Porto anuncia patrocínios para 2025 e reforça presença no automobilismo
Oliver Zselinszky, Superintendente de Marketing da marca, conta ao Promoview a estratégia por trás do novo patrocínio a Porsche Cup, das ações na Fórmula 1, além dos eventos culturais como Oktoberfest e The Town
Luiz Fernando Coelho
Impulso
O colunista Luiz Fernando Coelho reverencia Rogério Dardeau
• Algoritmos: modelos de propensão usando a abundância de dados e as ferramentas potentes podem mudar radicalmente como o marketing trabalha. Isso é ótimo, porque as pessoas são diferentes. Classificar consumidores em “homens de 40 a 50 anos” é antigo e ineficiente. Eu tenho 43 e não me encaixo em nenhuma dessas “Personas” de marketing que vi recentemente.
• Personalização 1:1 significa ser capaz de enviar uma mensagem para cada pessoa de forma individual, uma a uma, independentemente do canal (“omnichannel”). Meu banco, por exemplo, não entende isso: na semana passada, me mandaram um e-mail sugerindo investimento, e, quando entrei no site, o banner me convidava a fazer empréstimo.
• Em Tempo Real é fazer tudo o que falamos acima de forma imediata. Exemplo: se o modelo de propensão diz que sou prospect para o produto A (algoritmo), e estou agora conversando com o call center sobre o produto B (omnichannel), o modelo deve me reclassificar e apresentar outro banner daqui a alguns segundos quando eu entrar no site. Sempre me acompanhando e se adaptando em tempo real.
Retorno sobre a Experiência (ROXp)
Lá no topo, está o resultado tão esperado, o retorno sobre o investimento, que poderia ser chamado de Retorno sobre a Experiência (Return On eXperience – ROXp), pois a consequência de tudo o que falamos até aqui é a entrega da mensagem certa, na hora certa para a pessoa certa.
Usando o melhor canal, coordenado e orquestrado em tempo real, baseado em modelos de propensão, colocamos o consumidor em primeiro lugar.
Isso sim é “customer centricity”.
O Banco A, por exemplo, viu seu investimento em Plataformas e AI ser pago em alguns meses. Hoje, quando se fala em ROI (Retorno sobre o Investimento), esse departamento de marketing comemora uma receita adicional, que é mais de 20 vezes maior que o valor investido no projeto.
Exemplos de ROXp na compra de mídia (Advertising):
Outro exemplo de entrega de resultado é conhecido como “última milha” na compra de mídia. Essa estratégia é baseada no conceito de propriedade dos dados: um grande varejo nesse exemplo roda os modelos preditivos internamente e, quando decide acioná-los (para personalizar a experiência), também o faz na mídia programática e no Facebook.
Porém, em vez de enviar os dados dos usuários para os veículos, ela apenas envia o banner e a informação do dispositivo. Ou seja, a marca diz ao veículo para mostrar esse banner naquele celular.
Sabe por que isso seria muito mais eficiente? Primeiro, porque a marca não está alimentando o algoritmo do veículo, evitando que isso seja usado em prol do seu concorrente. Outro dia, eu cliquei no banner de um curso on-line e, desde então, só vejo banner disso.
O varejista pulou essa fase e usa esses dados só para ele. Seria loucura (além de violação da lei de privacidade) fornecer os dados de e-mail, carro que comprou etc. para o veículo de mídia, mas tem muito marketing digital que ainda faz isso.
Segundo, porque campanhas rodando essa estratégia, quando comparada às campanhas feitas em paralelo (grupo de controle) nos mesmos veículos de mídia, têm conversões duas a três vezes maiores. O ROI ultrapassa oito vezes o investimento.
Marc Pritchard, Chief Brand Officer da P&G, contou recentemente, em entrevista à CNBC, uma história bem parecida. Usando a estratégia de propriedade de dados e última milha, a P&G reduziu em mais de US$ 1 bilhão seus gastos com publicidade, enquanto as vendas continuam subindo sem parar.
Existe uma série de estratégias de marketing usando Inteligência Artificial, criadas e melhoradas a cada dia. Cabe a cada diretor de marketing escolher a melhor para o seu negócio, e, consequentemente, para o seu futuro. Os exemplos que apresentei estão aqui:
A fundação para o desenvolvimento desse novo marketing inclui uma série de capacidades e processos que os profissionais de marketing e as empresas precisam para se aperfeiçoar:
• Pensamento estatístico: o verdadeiro “data-driven” exige mudanças de pensamento.
• Plataformas de marketing: do marketing cloud até a Experience Cloud e a nuvem.
• Equipes multidisciplinares: formação de times autônomos e independentes.
• Dados: propriedade, governança e LGPD.
• Hierarquia, departamentos além do marketing, metas e incentivos.
Para ser um profissional de marketing elevado à Inteligência Artificial, é preciso estudar e se atualizar com tudo isso, não tem jeito. A boa notícia é que ainda dá tempo.
