Data Science

Data Driven Business: voz do cliente digital está nos dados

Por: Dextra, janeiro 12, 2021

Estratégia de transformação deve considerar opiniões e novos hábitos dos consumidores. Em um mundo cada vez mais online o bom e velho ‘papo de balcão’ está oculto no Big Data.

Bill Coutinho* e Everton Gago**

Ouvir o cliente é um hábito que todo pequeno empreendedor conhece bem. Da compreensão das necessidades e vontades do consumidor – que às vezes vira até um amigo – é que nasce a estratégia comercial. Isso não se resume só aos pequenos negócios, é claro. Os grandes também ganham muito quando ouvem o próprio público. Mas, em um contexto de pandemia, quando todos acabamos confinados e aumentamos drasticamente nosso consumo online, como continuar esse diálogo? Como ouvir a voz do cliente digitalmente transformado sem balcões para nos encostarmos e conversarmos?

O título deste artigo dá a resposta: através dos dados. 

Produtos digitais, como aplicativos e portais, são capazes de coletar uma grande quantidade de dados que refletem a experiência dos clientes com as marcas. Estes dados são uma espécie de “diálogo”, uma vez que dizem muito sobre as preferências, necessidades e expectativas dos clientes, permitindo que as marcas provenham serviços de melhor qualidade.

Essa possibilidade vinha sendo explorada cada vez mais ao longo dos últimos anos, conforme a transformação digital dos negócios ganhava tração, mas a pandemia a acelerou a um ritmo nunca visto. Por isso o conceito de Data Agility se torna tão pertinente: ele dá agilidade aos negócios para que usem dados para tomar decisões e estratégias. Não há empresa hoje no mundo que não guarde uma gigantesca quantia de dados oriundos de várias fontes. Por que não usar tecnologia para extrair deles valor e tomar decisões mais certeiras? Ainda é possível esperar pesquisas de mercado, que podem levar meses para ficarem prontas?

Além disso, é nos dados que está a voz dos clientes de hoje. Através dessa análise conseguimos ouvir o cliente, entender seu comportamento e vontade. Isso é ainda mais crítico quando lembramos que os hábitos mudaram, talvez para sempre, e as pessoas estão menos pacientes. Querem respostas rápidas, e relações com marcas beirando o instantâneo. Querem também autonomia para resolver problemas por conta própria.

Se para os pequenos negócios que ingressaram agora no mundo online os dados podem ajudar a substituir o sentimento tátil perdido, para as grandes corporações pode ser uma forma de resolver um problema histórico: um atendimento mais assertivo, personalizado e próximo ao consumidor, em qualquer canal disponível – a tal omnicanalidade. 

Quanto mais a empresa amadurece a gestão de dados, mais será capaz de entender o cliente. E se ao longo do tempo for capaz de expandir a forma como os coleta dos clientes e das interações com ele, chegará ao ponto de entender até mesmo seus sentimentos e intenções. Mas é uma jornada longa, que a maioria está apenas começando. 

Caminho das pedras?

Coletar e armazenar os dados é só o começo. Soluções que permitam conhecimento profundo do negócio e dos clientes são importantes, mas não são suficientes. Questão fundamental e muitas vezes relegada é o estabelecimento de uma cultura corporativa guiada por dados, ou “data driven”. Sem a consciência de que os dados são um ativo capaz de nutrir as estratégias corporativas no dia a dia, não pode haver mudança de fato.

É a partir do estabelecimento dessa cultura que as empresas poderão usar os dados como estratégia e caminho de inovação contínua. Toda organização precisa inovar, é fundamental no pós-pandemia, e o processo não pode mais acontecer em eventos ou ondas. Inovação passa a ser um processo evolutivo.

Há um caminho certo para usar esses dados?

A resposta é não. Cada situação demanda um tipo de abordagem, e cada empresa encontrará uma forma de o fazer de acordo com sua cultura e estratégia. Mas uma coisa é comum: a necessidade de estar atento a todos os vestígios deixados pelos usuários. 

É a partir dessa atenção, e com o uso de técnicas de inteligência artificial como o Machine Learning, por exemplo, é que a empresa se torna capaz de automatizar tarefas complexas que facilitam a vida do cliente. Recomendando produtos, por exemplo. 

Há, claro, boas práticas que podem evitar problemas. Uma delas é sempre medir a eficácia das ações tomadas de maneira automática. Recomendações podem acabar gerando excesso de notificações, por exemplo, capazes de irritar os clientes. É importante então medir a eficácia de recursos por meio de rollouts graduais, disponibilizados aos poucos para grupos menores de usuários. E, só depois de comprovado o bom resultado, expandi-las.

Esses experimentos e testes são importantes, e devem tomar lugar da lógica dos ganhos fáceis e rápidos. Estratégias bem-sucedidas podem desgastar rapidamente, e acabam não sendo sustentáveis ao longo do tempo. De todo modo a chave é a experimentação para validar hipóteses, o que só é possível através do uso de dados. 

Outra dica importante: motores criados para interagir automaticamente com os usuários podem colocar o usuário em uma bolha. Afinal eles só consideram preferências que os usuários manifestaram para fazer sugestões, o que de modo algum significa que eles não fariam opções que nunca terão oportunidade de escolher. É aí que entra a introdução de fatores aleatórios. Mostrar opções e recomendações que o motor não sabe se o usuário vai gostar, como novos itens em catálogos ou notícia normalmente não vistas. 

Outro ponto fundamental: nunca se deve perder de vista a segurança e a privacidade dos dados. As pessoas estão mais preocupadas com o uso dos dados que consentem (ou deveriam consentir) dar às empresas. E por isso todos devemos estar atentos à segurança. Durante a pandemia não foram raros os episódios de clientes, ferramentas e empresas hackeadas.

Quer saber mais?! Acesse aqui

* Bill Coutinho é sócio-diretor da Dextra

** Everton Gago é CDO na Dextra

  • Receba nosso conteúdo em primeira mão.