AI: Inteligência Artificial
Outra razão pela qual ainda não a entendemos a fundo, é que por muito tempo fomos ensinados a fazer um marketing digital que não considerava a capacidade de aprendizado das máquinas. Agora já estamos sentindo a necessidade de uma atualização, principalmente por parte dos profissionais. Acredite, a AI veio para transformar o marketing digital. Abaixo vou exemplificar de forma fácil e visual como a aprendizagem dos robôs agrega ao marketing digital de forma positiva, e como você pode tirar o melhor proveito dela para sua empresa. Vou usar o exemplo de anúncios, mas a mesma ideia serve para todas as ações de marketing on-line. Podemos dividir as ações de comunicação em 3 momentos:Momento 1 – Comunicação de Massa
Na imagem acima, imagine que cada ponto colorido é um possível cliente para sua empresa, mas apenas os pontos rosas têm interesse em comprar de você.
Pensando em um modelo de mídia de massa, a sua mensagem será entregue para várias pessoas, mas a maioria acabará não comprando seu produto. Se você colocar um custo para cada entrega de mensagem, ou por cada visualização, o seu custo por conversão será alto, pois a sua taxa de conversão será baixa.
Sei que esta é uma representação simples e existem diversas outras formas mais eficientes de comunicação de massa, mas como o foco aqui é o mercado digital e a inteligência artificial, vamos usar esta representação básica.
Na imagem acima, temos um cenário que, através da segmentação, conseguimos gerar melhores resultados. No marketing digital, a segmentação já é uma velha conhecida. Desde o começo do Google Ads e dos anúncios do Facebook, aprendemos a setar configurações que vão afunilando e aproximando nossa mensagem do público que desejamos atingir.
Por exemplo, escolher a palavra-chave para qual meu anúncio aparecerá é uma forma de segmentar. Definir que minha mensagem apareça só para pessoas que têm iPhone também é uma segmentação. E esta é a forma que aprendemos a fazer marketing digital nos últimos anos.
Esta estratégia gera melhores resultados que o primeiro cenário, mas ela ainda tem um problema: a taxa de amostragem, ou seja, a taxa de pessoas impactadas ainda é muito grande. Na imagem acima você pode ver que segmentamos nossa mensagem para pessoas em tons de vermelho, tentando aproximar das pessoas rosas, que são nosso objetivo. Desta forma, conseguimos tirar boa parte do público indesejado, mas ainda sim impactamos pessoas que não são nossos clientes.
Isso acontece porque as pessoas são complexas e a segmentação trabalha com grupos de pessoas, e não com o indivíduo em si. Todas as pessoas que já compraram de você têm um iPhone, mas nem todo mundo que tem um iPhone é seu cliente.
Na imagem, esta relação fica bem clara: todo mundo que compra de você é rosa, ou seja, tem um tom de vermelho, mas nem todo mundo que tem tons de vermelho é seu cliente. Você pode notar que também há um grupo verde, pois em algum momento, aquele grupo verde pode ter tido um comportamento referente ao vermelho.
Dentro desta complexidade, você deve estar se perguntando se há uma forma de segmentar mais e obter melhores resultados, fazendo as condições se somarem. Por exemplo, quero impactar pessoas com tons de vermelho, mas que não sejam vermelho escuro e nem vermelho alaranjado. Esta é uma ótima ideia, mas ela só funciona até determinado ponto.
Como a segmentação trabalha com amostragem, corremos o risco de diminuir muito a quantidade de pessoas impactadas. Ou nossos anúncios não aparecerão para ninguém, pois segmentamos muito, ou serão muito caros em conversão ou cliques, pois estamos brigando por um público muito disputado e não estamos aproveitando a cauda longa.
Momento 3 – Aprendizado de Máquina
O diferencial da inteligência artificial é que, por analisar muito mais dados do que um ser humano, ela consegue personalizar e individualizar a entrega da mídia, mas faz isto por meio de um processo. O aprendizado de máquina, como o próprio nome diz, é um processo. Conheço vários anunciantes que não têm resultados com AI simplesmente por não entender isto. Para ter resultados com robôs, eu preciso atender aos pré-requisitos, entender que a máquina está aprendendo e deixar ela aprender. Podemos dividir o processo de aprendizado em 3 fases. Em todas, o pré-requisito básico é: o robô precisa saber o que é conversão, precisa receber esta informação de forma clara, em tempo real e em quantidade.Fase 1- Análise
Nesta fase, o robô mostra seu anúncio para todo mundo e tenta identificar padrões (imagem acima). Esse momento se assemelha bastante com a etapa de massa e os resultados dificilmente serão bons. Já tive diversos casos de anunciantes que estranharam os primeiros dias de uso de AI, pois os resultados começam a oscilar e até mesmo cair, mas é isso mesmo que acontece.
Quando já temos uma campanha bem segmentada, gerando bons resultados sem o uso de AI, observamos que quando a ferramenta entra em ação, a campanha dá um passo para trás e volta para a etapa de massa, pois ela tem que aprender a segmentação novamente, de uma forma mais aprofundada.
Fase 2- Clusterização / Validação
Finalizada a análise de dados, o robô precisa agora validar as suas hipóteses, ou seja, ele começa a segmentar e mostrar o anúncio para o padrão de pessoa que mais tem chance de conversão. O interessante é que, dependendo da plataforma, o robô consegue individualizar a entrega do anúncio, utilizando não apenas uma ou duas variáveis, mas diversas, como horário, sexo, interesses, comportamento de navegação e vários outros.
Como ainda está em aprendizagem, o robô continua fazendo testes. O resultado já é melhor, pois a segmentação está acontecendo, mas ainda está longe do resultado alcançado quando a máquina sai do aprendizado inicial.
Fase 3- Finalização do Aprendizado Inicial
Quando o robô sai do aprendizado inicial, ele já consegue mapear frente ao volume de dados e comportamento das pessoas, aquelas que têm maior chance de compra. Neste momento, a máquina continua aprendendo, mas ela foca mais na continuidade do resultado e não em realizar testes ou abrir segmentações.
Um erro muito comum dos anunciantes nesta fase, é fazer alterações estruturais na campanha que afetam o aprendizado da máquina. Por exemplo, se todo dia uma alteração estrutural é feita na sua campanha, ela vai permanecer sempre na fase de aprendizado, pois adicionando novos elementos a cada alteração, o robô tem que computá-los novamente.
Outro erro também é criar muitas campanhas, sem desativar as antigas. Lembre-se que o maior tesouro que você tem na sua conta é o seu histórico e o tempo de aprendizado do seu robô. Cada nova campanha criada irá passar por um novo estágio de aprendizado, afetando seus resultados.