*Daniel Guinezi

Desde que as primeiras normas regulatórias sobre o uso de dados pessoais começaram a circular, em meados de 2016, as plataformas de mídia vêm se preparando para uma realidade na qual o acesso a esses dados não é mais tão facilitado. Paralelamente, profissionais de marketing e publicidade travam uma batalha antiga contra os modelos tradicionais de mensuração e segmentação de estratégias de mídia, galgados em cima das facilidades que essas plataformas vêm oferecendo até então.

Por um lado sendo pressionados a se adaptar a um mundo ainda incerto e, por outro, buscando inovar constantemente à medida que novas soluções prometem retornos sobre ativos (ROAs) cada vez mais agressivos, um fantasma paira sobre as big techs e seus anunciantes, que podem se ver lidando com bloqueios de third-party cookies no futuro: como mensurar e otimizar investimentos em mídia com o menor risco possível e de forma cada vez mais independente?

Nos últimos anos, as gigantes do setor de tecnologia Google e Meta, responsáveis pelas principais plataformas de anúncio utilizadas hoje no marketing digital, têm feito investimentos significativos em frameworks de marketing mix modeling (MMM). O Google se prepara para lançar ao grande público sua própria solução para integração e mensuração de mídia na forma do Google Meridian, em resposta à Meta, que saiu na frente com o projeto Robyn.

O Google Meridian é um framework avançado de MMM que utiliza uma combinação de técnicas de análise de dados e algoritmos de machine learning para fornecer insights profundos sobre o desempenho de campanhas de marketing, enriquecendo suas análises com fatores exógenos de venda, sazonalidade e eventos específicos de cada setor.

Já o Meta Robyn busca cruzar e analisar dados de engajamento e comportamento do usuário nas plataformas sob o guarda-chuva da Meta, como Facebook e Instagram, e vincular esses dados aos resultados de negócios das empresas. Além disso, o Meta Robyn utiliza algoritmos avançados de IA para identificar padrões de comportamento dos usuários e prever o desempenho futuro das campanhas de marketing em sua plataforma de anúncios, possibilitando análises preditivas mais detalhadas.

Em ambos os casos, a integração de dados permite uma análise abrangente do mix de marketing e uma compreensão mais completa do impacto de cada variável no lucro da empresa.

Embora esteja em alta agora, o MMM não é novidade e nem exclusividade das big techs. A ferramenta remonta às raízes da economia e da econometria, tendo sido originalmente desenvolvida para analisar o impacto das diferentes variáveis de marketing nas vendas no final do século XIX e início do século XX, quando economistas e estatísticos começaram a explorar maneiras de quantificar o impacto das variáveis de marketing nas vendas e nos resultados comerciais das empresas.

Foi durante os anos 1960 e 1970 que o MMM começou a ganhar destaque como uma técnica econometricamente sólida para analisar o mix de marketing. Com o avanço de tecnologias que favoreceram a análise de dados, o MMM evoluiu para se tornar uma solução capaz de processar um grande volume de dados com diversas variáveis e fornecer insights rápidos e precisos. Atualmente, algoritmos avançados de IA, quando acoplados a esses frameworks, podem identificar padrões complexos com uma análise mais granular e em tempo real, permitindo que as empresas otimizem suas estratégias de forma ainda mais ágil e eficiente.

Com o fim iminente dos cookies de terceiros e a implementação de leis de privacidade mais severas, como a GDPR na União Europeia, a CCPA na Califórnia e a LGPD no Brasil, as empresas que investem amplamente em publicidade online enfrentam desafios significativos na hora de trackear o comportamento dos consumidores e personalizar suas estratégias de marketing de maneira eficaz.

Isso inclui um aumento da dependência de canais proprietários, maiores lacunas de atribuição e necessidade potencial de exploração de tecnologias como single sign on e contextual targeting, além da adoção de abordagens baseadas em consentimento e transparência no uso e tratamento de dados dos usuários.

O MMM ressurge como uma solução viável para superar muitos desses obstáculos, oferecendo uma abordagem baseada em dados que não depende do rastreamento individual do usuário. A solução também visa diminuir saltos hipotéticos que, no contexto de investimentos milionários em mídia, podem, muitas vezes, comprometer tomadas de decisão altamente estratégicas devido à incerteza sobre a assertividade dos KPIs do negócio.

Nesse contexto, o marketing mix modeling emerge novamente como uma ferramenta essencial para as empresas permanecerem competitivas em suas estratégias de marketing. Com o apoio de investimentos das big techs e avanços contínuos em IA e machine learning, a ferramenta está se adaptando às demandas do mundo moderno, oferecendo uma abordagem baseada em dados que respeita a privacidade do usuário e proporciona mais segurança, objetividade e transparência nos investimentos em mídia.

*Daniel Guinezi – CEO da martech Uncover

*Thiago Carneiro

Em meio à transformação digital, a Inteligência Artificial (IA) tem tudo para ser um grande divisor de águas para as empresas. Somente em 2023, testemunhamos um aumento de 250% na adoção de IA no mercado corporativo, segundo a Statista, plataforma alemã especializada na coleta e visualização de dados. Com o “se” ficando para trás, as perguntas agora giram em torno de “quanto” custará aos cofres e “quando” a ferramenta será de fato institucionalizada nas companhias.

Pensando no futuro, as possibilidades trazidas pela IA fazem com que praticamente todas as companhias, independente de setor ou porte, explorem-a em busca de um impacto na produtividade de suas equipes e, consequentemente, nos negócios. No entanto, a verdadeira eficácia dos esforços depende de uma orquestração e mapeamento dos efeitos na geração de valor das empresas. Para que tais investimentos realmente transformem uma corporação, será necessário um olhar transversal, holístico e estratégico, algo que somente a área de Operações pode oferecer.

Com seu foco natural em aumentar a produtividade e a eficiência, o time focado nas execuções e processos assume um protagonismo para liderar a revolução da IA, assegurando que a empresa se mantenha competitiva frente ao mercado.

Como?

Com sua visão abrangente dos processos e sistemas da organização, os profissionais de Operações estão naturalmente aptos a identificar gargalos, otimizar fluxos e implementar melhorias que impactam diretamente na produtividade e na eficiência. Tal expertise, combinada à capacidade de entender como cada processo se interliga e impacta, coloca a área em uma posição de protagonismo na implementação de novas tecnologias, por mais disruptivas que sejam, como no caso da IA.

O artigo “Adapting to AI: The Role of Operations Management”, da McKinsey, corrobora essa visão. Segundo o estudo, será fundamental que os gestores de Operações desenvolvam habilidades em análise de dados, aprendizado de máquina e automação para gerenciar com maestria as novas soluções e possibilidades guiadas pela IA. Ao aprimorarem tais competências, os profissionais se tornarão líderes capazes de garantir uma transição suave e maximizar os benefícios trazidos pela ferramenta.

Na prática, a IA hoje se destaca na automação de tarefas repetitivas, como entrada de dados, processamento de pedidos e monitoramento de inventário. Com base no princípio, a área de Operações deve ficar atenta para otimizar a operação, liberando os funcionários para se concentrarem em atividades de maior valor agregado, ao mesmo tempo que aprimoram o headcount e otimizam custos em todas as esferas do negócio.

Por exemplo, chatbots e assistentes virtuais podem lidar com consultas de clientes e suporte básico, enquanto algoritmos de IA processam grandes volumes de dados transacionais em tempo real, garantindo maior precisão e velocidade nas operações diárias.

Mapa do tesouro

Não existe uma receita que entregue o passo a passo o melhor caminho para uma implementação bem-sucedida da IA. Isso não significa, no entanto, que já não exista direcionamentos importantes. Hoje, um dos materiais mais completos já disponíveis é o artigo “How AI Is Helping Companies Redesign Processes”, publicado pela Harvard Business Review.

Nele, os especialistas propõem uma abordagem estruturada em cinco etapas, onde a primeira delas passa pela identificação de áreas onde a IA pode agregar valor, como automação de tarefas, melhoria na tomada de decisões e redução de custos. Em seguida, é necessário que seja desenvolvida uma estratégia clara, alinhada aos objetivos da empresa, e um roadmap, que apresente metas de curto, médio e longo prazo, considerando aspectos como facilidade de efetivação das soluções e ROI. Ainda segundo o material, a implementação deve ser gradual, integrando as soluções aos sistemas existentes e oferecendo treinamento aos funcionários. Por fim, o monitoramento e avaliação de desempenho das ferramentas deve ser constante, ajustando a estratégia conforme necessário.

A eficiência sobre o uso da IA, no entanto, vai além da sequência apresentada acima, dependendo muito da atuação de equipes multidisciplinares que combinem expertise em operações e tecnologia.

Futuro na porta

Em meio aos desafios e incertezas da era digital, as empresas que se anteciparem e conquistarem uma adoção segura da IA, com foco na geração de valor, tendem a ficar à frente da concorrência. A área de Operações, com sua visão holística, expertise em processos e capacidade de otimização, se configura como uma peça central neste tabuleiro.

Portanto, chegou a hora das empresas repensarem suas operações e identificarem as oportunidades que a IA disponibiliza para agregar valor e otimizar processos. Aqueles que abraçarem essa causa agora, têm tudo para transformar desafios em oportunidades e inovação em realidade.

*Thiago Carneiro – Diretor-executivo de operações e tecnologia da iD\TBWA