Autor
The Bridge - Data
Aleksandra Semenenko, diretora de Data e líder global de Medição de Marketing na Artefact, conversou recentemente com Emmanuel Malherbe, diretor do Research Center Artefact, para discutir os modelos MMM que a empresa vem desenvolvendo e as tendências que estão surgindo atualmente entre os clientes.
A modelagem do mix de marketing é um tema muito atual. O que Artefact feito recentemente na área de MMM?
Nos últimos três anos, temos desenvolvido modelos para ajudar as empresas e nossos clientes a compreender o retorno sobre o investimento (ROI) de suas estratégias de mídia, publicidade e outras iniciativas que geram novos tipos de investimentos.
Desenvolvemos vários modelos, experimentando desde técnicas simples como a regressão até outras mais sofisticadas, como as redes bayesianas. É um momento muito empolgante para nós.
Quais são as diferentes tendências que você tem observado entre seus clientes atualmente?
Observamos três tendências principais entre nossos clientes, em um nível bastante global.
A primeira tendência é a internalização do MMM nas empresas. Como Artefact as Artefact ?
Na Artefact, abordamos essa questão por meio de nossa abordagem internalizada, que pode parecer contraintuitiva para uma empresa de consultoria, mas está em sintonia com a forma como ajudamos os clientes a desenvolver essa capacidade dentro de suas organizações.
Muitos de nossos clientes desejam internalizar o MMM, mas precisam de ajuda para dar esse primeiro passo. Nossa solução consiste em trabalhar com as equipes de negócios para definir qual é a verdadeira agenda de aprendizagem: o que os clientes querem aprender sobre suas atividades de marketing ou vendas? Esse seria o primeiro passo. E, como segundo passo, desenvolvemos nosso próprio modelo como serviço, que vamos disponibilizar em diferentes plataformas para nossos clientes.
Nossas equipes técnicas trabalham em estreita colaboração com nossos clientes para implementar nossa propriedade intelectual e capacitar suas equipes. Normalmente, deixamos então que nossos clientes continuem sua jornada de MM por conta própria, mas, se desejarem apoio adicional, é claro que o oferecemos; essa é a nossa filosofia.
A segunda tendência é que os clientes querem resultados e insights mais rápidos. Como Artefact as empresas a atingir esses objetivos?
Existem dois tipos principais de recursos que os clientes buscam; o primeiro é pragmático: obter resultados rápidos e iterar rapidamente com data disponíveis. O segundo é uma extensão do primeiro e envolve AI inovadoras AI que já temos com a rede bayesiana ou que podemos incorporar com a GenAI para aumentar a eficiência da equipe.
Para alcançar rapidamente esse primeiro retorno sobre o investimento (ROI), desenvolvemos uma forma de trabalhar com os clientes em que começamos implementando uma abordagem pragmática logo no início, de modo a já proporcionar às equipes esses insights rápidos; em seguida, continuamos iterando, e é aqui que a internalização realmente ajuda, pois, dessa forma, temos acesso muito rápido a toda a pilha de tecnologia; temos acesso rápido aos data podemos estabelecer essa conexão entre a atualização do modelo, a atualização dos resultados e a implementação deles nos negócios de forma realmente rápida.
Dessa forma, nossos clientes obtêm resultados rápidos, mantêm sua capacidade interna e nós temos o tempo, a equipe e o orçamento necessários para implementar grandes inovações que estão agora ao nosso alcance graças à GenAI.
Como funciona a abordagem integral Artefact?
Procuramos economizar tempo na hora de decidir qual é o melhor modelo a ser utilizado, pois já passamos por isso tantas vezes que sabemos, mais ou menos, quais abordagens funcionam; assim, dentro do cronograma normal do projeto para conectar estratégia e operações, precisamos de tempo para conversar com as pessoas, precisamos alinhar a agenda de aprendizagem global com a agenda de aprendizagem local, de uma forma ou de outra. E, então, o tempo restante o dedicamos à empresa para garantir que os resultados que nossos MMMs vão entregar estejam alinhados com outros estudos que o cliente já realizou, seja por meio de testes A/B ou de outros MMMs, e nós realmente fazemos essa conexão e reunimos todos os insights; é mais um papel analítico e consultivo do que trazer um monte de data e construir a AI zero.
Você poderia dar um exemplo concreto do impacto que o MMM tem em uma organização? Qual AI o papel AI nesse contexto?
Vou dar um exemplo sobre a articulação entre os departamentos operacionais e estratégicos e a tomada de decisões na empresa.
Tínhamos um cliente – sem citar nomes, desculpem! – e esse cliente já estava bem avançado em sua jornada de medição. Eles já haviam realizado muitos estudos, testes A/B e modelos de mix de marketing, tanto em nível global quanto local. E outra pessoa dentro da organização convidou Artefact fazer um estudo com um escopo um pouco diferente. Quando chegamos, descobrimos que havia muitos estudos que haviam sido feitos no passado com escopos quase idênticos ou adjacentes, e percebemos um grande valor em reutilizar todos esses insights, pois alguns deles eram muito estratégicos, traçando o caminho da empresa, e um deles era muito operacional, proveniente de testes A/B, experimentando muitas inovações diferentes. Queríamos muito unir esses insights para apresentar um panorama holístico para a empresa, algo que nunca havia sido feito antes.
E como nosso modelo e nossa abordagem MMM se baseiam em métodos bayesianos que aprendem com o contexto de negócios do cliente, conseguimos ter sucesso; o primeiro valor agregado do nosso modelo foi “este é o ROI disso, este é o ROI daquilo”, mas o segundo valor agregado foi, na verdade, unificar toda a cadeia de valor do negócio, desde as operações até a estratégia, utilizando AI.
Então, com o seu modelo, você integrou não só os insights de negócios, mas também as equipes e as pessoas?
É verdade, mas às vezes podem surgir desafios, pois há diferentes equipes realizando as medições e os testes A/B e incorporando os resultados aos negócios. Conseguimos criar uma narrativa compartilhada por todos, e isso realmente ajudou a acelerar os negócios sem precisarmos lidar com pequenas inconsistências aqui e ali. Quando se tem uma visão holística de todos os insights coletados nos últimos anos, isso realmente resolve o problema da comunicação operacional.
Você tem algum comentário final sobre o futuro da modelagem do mix de marketing?
Posso afirmar uma coisa: a modelagem do mix de marketing veio para ficar. As empresas querem ver os resultados de suas ações. Elas estão implementando diversas iniciativas e reorganizando seus data , bem como a forma data utilizados internamente. As organizações estão dedicando muita atenção à data . Sinto que o futuro está na eficiência: a modelagem de mix de marketing terá que se tornar mais rápida, mais rigorosa, mais simples de explicar aos stakeholders de negócios e mais facilmente acessível aos analistas de negócios. E a GenAI é importante porque permite que os clientes consultem resultados de MMM e criem reports conta própria, sem necessariamente ter muitos conhecimentos técnicos; portanto, a modelagem de mix de marketing definitivamente não vai a lugar nenhum: ela vai permanecer e evoluir para se tornar mais eficiente e mais facilmente acessível.
