Proxxima
Meio & Mensagem

Como aplicar machine learning no marketing digital?

Buscar

Notícias

Publicidade

Como aplicar machine learning no marketing digital?

Para Fernanda Benhami, gerente de soluções de customer intelligence do SAS para América Latina, novas tecnologias podem adicionar escala e precisão em comunicação

Victória Navarro
15 de março de 2021 - 11h07

O machine learning é capaz de analisar dados, via métodos estatísticos, e, assim, encontrar padrões, seja dos usuários, produtos ou preços. A tecnologia, quando atrelada a estratégias de marketing digital, é uma grande aliada de vendas e resultados. Segundo Fernanda Benhami, gerente de soluções de customer intelligence do SAS para América Latina, novas tecnologias, como plataformas de criação e codificação de modelos open source, bem como as automatizadas de modelos de machine learning e ferramentas de scripting, estão sendo usadas para adicionar mais escala e precisão no que diz respeito à correspondência de prospects e clientes. Com exclusividade ao ProXXIma, a profissional ainda aponta o protagonismo de jornadas do cliente e conceitos de marketing baseados em momentos.

 

Fernanda Benhami, gerente de soluções de customer intelligence do SAS para América Latina (crédito: divulgação)

Como enriquecer dados com machine learning
Um modelo analítico é tão bom quanto os dados abaixo dele. Os dados de clientes e marketing, como todos sabemos, muitas vezes estão incompletos. Modelos de machine learning baseados em árvores, como modelos de Gradient Boosting Machine (GBM) ou Random Forrester (RF), podem prever e imputar dados melhor do que qualquer outro método atualmente. E, não apenas dados do cliente, mas dados de produtos e preços também. Modelos de machine learning podem classificar através de dados, reconhecer padrões e comportamentos e imputar valores de forma automatizada e precisa. Dados mais completos, então, fornecem aos modelos preditivos melhor ajuste de previsão na conversão, renovação e atrito do cliente.

A capacidade de antecipar e prever escolhas e volumes de produtos é importante para marketing, vendas e outras partes da organização

Predição com machine learning
Durante anos, tecnólogos de marketing e cientistas de dados têm usado Generalized Linear Models (GLMs) para construir modelos de retenção ou modelos que prevêem se um cliente irá reter ou renovar um produto ou serviço. Embora esses modelos possam prever a renovação relativamente bem, eles nem sempre fazem um bom trabalho em prever com precisão a escolha específica do produto do cliente, especialmente se houver mais de uma opção de produto de renovação. Com modelos de aprendizado de máquina, como GBMs, as organizações podem prever com mais precisão qual será a escolha do produto de um cliente quando a renovação acontecer. Isso permite que as organizações entendam os volumes de produtos e as variáveis de produtos associadas — como taxas de renovação, termos e taxas — de forma mais precisa. A capacidade de antecipar e prever escolhas e volumes de produtos é importante para marketing, vendas e outras partes da organização.

Personalização com machine learning
O conceito de personalização, realmente, se concentra na adaptação de uma oferta de produto ou serviço, às vezes até o nível individual do cliente. Tradicionalmente, e para a maioria das empresas hoje, os GLMs são usados para prever, prever e segmentar. No entanto, os GLMs, geralmente, usam segmentos amplos que não são mais suficientes — já que líderes digitais como Netflix e Amazon mudaram o jogo de personalização. A individualização é muito mais uma exigência e, como resultado, maiores volumes de dados do cliente devem ser destilados até um nível mais granular para atingir esse nível de personalização. Novas tecnologias, como plataformas de criação e codificação de modelos open source, plataformas automatizadas de criação de modelos de machine learning e ferramentas de scripting estão sendo usadas para adicionar mais escala, automação e precisão no que diz respeito à correspondência de prospects e clientes ao conteúdo exposto. O resultado de um conteúdo mais direcionado e proativo é uma maior taxa de cliques, conversão e, finalmente, leads de vendas.

Momentos são pontos no tempo, dentro dessas jornadas do cliente, onde o cliente mais precisa de você e você deve aparecer como uma marca e entregar

No marketing digital, o que tem ganhado maior protagonismo
As jornadas do cliente e conceitos de marketing baseados em momentos estão ganhando destaque em 2021 – com as tecnologias adequadas para entregar essas capacidades. As jornadas do cliente incorporam todas as experiências ou interações pelas quais os clientes passam ao interagir com sua marca. As jornadas do cliente não são lineares, não são baseadas em canais e não são entregues por um único departamento – como marketing, vendas ou serviço. Assim, contabilizar para eles e criar uma experiência totalmente positiva para o seu cliente requer um pouco de orquestração. Dentro das jornadas dos clientes, os momentos existem. Momentos são pontos no tempo, dentro dessas jornadas do cliente, onde o cliente mais precisa de você e você deve aparecer como uma marca e entregar. Um momento pode criar ou quebrar um relacionamento entre cliente e marca. Essas tecnologias levam a gestão tradicional de campanhas para o próximo nível.

*Crédito da foto no topo: Pixabay/Pexels

Compartilhe

Publicidade