NOTÍCIAS / DADOS

Isso é especialmente verdadeiro quando se trata de saber qual data é mais importante para entender os consumidores. Não se trata tanto de QUEM eles são, O QUE eles fizeram, mas muito mais de COMO eles se comportaram. A maneira como os consumidores se comportam em uma plataforma on-line lhe dirá mais sobre sua propensão a gastar do que outros fatores. As marcas precisam capturar esse data, e muitas não o fazem.

Isso é especialmente verdadeiro quando se trata de saber qual data é mais importante para entender os consumidores. Não se trata tanto de QUEM eles são, O QUE eles fizeram, mas muito mais de COMO eles se comportaram. A maneira como os consumidores se comportam em uma plataforma on-line lhe dirá mais sobre sua propensão a gastar do que outros fatores. As marcas precisam capturar esse data, e muitas não o fazem.

Os gastos dos consumidores chineses devem crescer a uma taxa média anual de 7,7% ao ano, em termos reais, na próxima década, tornando-se um dos principais motores da demanda global dos consumidores e do crescimento mundial, de acordo com a previsão da IHS. Os consumidores chineses estão fazendo mais compras on-line nos últimos anos, tornando a China um dos mercados de comércio eletrônico mais avançados do mundo. Como a classe média emergente da China está exigindo produtos e serviços de alta qualidade, muitos comerciantes on-line estão tomando medidas para entender melhor e, portanto, atingir melhor esse grupo de consumidores tão disputado. Obviamente, tudo se resume ao data, mas qual data é realmente mais valioso?

Por meio de um estudo de caso recente, o Artefact pode esclarecer essa questão. Ao fazer compras on-line (de serviços ou produtos), as marcas e as plataformas capturam data esses consumidores. Ao treinar um modelo baseado em aprendizado de máquina para prever se um cliente será um grande gastador, combinamos e organizamos todos os tipos de data sobre os consumidores. Descobrimos que o tipo de data que exerce a maior influência sobre a propensão de compra não é O QUE eles fizeram, nem QUEM eles são, mas COMO eles se comportaram na plataforma on-line. A questão agora é: quanto data o senhor capta sobre COMO seus consumidores se comportam ao comprar seu produto?

Estudo de caso: uma empresa de serviços de viagens on-line que utiliza um modelo de aprendizado de máquina

Uma plataforma de serviços de viagem no exterior que conecta motoristas e guias locais a viajantes chineses oferece todos os tipos de serviços de viagem, como buscar o cliente no aeroporto, alugar um carro, solicitar um guia com motorista local etc. O problema que enfrentavam era que poucos consumidores estavam dispostos a pagar por seu serviço premium. Essa empresa esperava usar seu data acumulado para reconhecer quem são seus clientes premium em potencial e, em seguida, tentar redirecioná-los de forma mais proativa.

Para prever a possibilidade de um cliente pagar pelo serviço premium, primeiro extraímos vários recursos. Esses recursos podem ser organizados em três grupos:

  1. OMS são os clientes? Isso inclui a idade, o gênero, a província, a cidade etc. do cliente.
  2. O QUE o que eles fizeram? Isso inclui informações sobre o que eles compraram, se cancelaram um pedido, o número total de pedidos etc.
  3. COMO os consumidores se comportaram? Esse cluster inclui informações sobre o tempo total gasto na plataforma, a velocidade com que eles clicaram no aplicativo, o número de cliques diferentes que foram feitos, se um comentário foi deixado ou não etc.

A maioria dos recursos disponíveis era sobre O QUE os clientes fizeram (que é o ponto de partida de qualquer exercício de captura de data). Mas ao analisar a importância das variáveis, COMO os consumidores se comportam teve a maior influência sobre a compra de serviços premium: 62% da previsibilidade foi impulsionada por esses recursos, enquanto eles representaram apenas 35%.

Além disso, com as avaliações dos consumidores do data anterior, usamos algumas ferramentas para fazer uma análise sentimental e extrair os recursos das avaliações. Com base nessas avaliações, podemos identificar rapidamente o local que precisa ser melhorado. Ele também pode ser usado para o targeting personalizado, especialmente para aqueles que tiveram uma experiência ruim, mas ainda têm potencial para se tornarem clientes.

Conclusão

Para entender melhor como os clientes tomam suas decisões de compra, observamos em muitos casos que o fator mais importante é a variação no comportamento do cliente, em vez de ações e dados demográficos. Com um comportamento rico data, recursos derivados e análises avançadas, os comerciantes podem identificar e direcionar facilmente os clientes que provavelmente se tornarão assinantes premium. A boa notícia é que, no comércio eletrônico, as marcas podem ver muito mais data sobre o comportamento do consumidor em comparação com o varejo off-line. Mas é melhor se antecipar a isso.

Em resumo, não use “olhos off-line” em um mundo on-line. Isso também é verdadeiro quando se trata do data.