{"id":68074,"date":"2022-09-26T12:58:31","date_gmt":"2022-09-26T11:58:31","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&p=68074"},"modified":"2024-09-20T17:45:50","modified_gmt":"2024-09-20T16:45:50","slug":"revitalise-your-marketing-measurement-in-the-era-of-privacy-or-for-better-decision-making","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/br\/blog\/revitalise-your-marketing-measurement-in-the-era-of-privacy-or-for-better-decision-making\/","title":{"rendered":"Revitalize sua medi\u00e7\u00e3o de marketing na era da privacidade (ou) para uma melhor tomada de decis\u00f5es"},"content":{"rendered":"

Autor<\/h2><\/div>\"Image\"

Arnold Struik<\/h3><\/div>

Managing Partner Benelux<\/p>\n<\/div><\/div><\/div>

Autor<\/h2><\/div>\"Image\"

Siddharth Mohan<\/h3><\/div>

Diretor Data Science & Global Lead for Measurement (MMM & Incrementality Testing)<\/p>\n<\/div><\/div><\/div><\/div><\/div>

Identificar o verdadeiro impacto das iniciativas de marketing sempre foi um desafio e, como o marketing \u00e9 muito vis\u00edvel, todos parecem ter uma opini\u00e3o sobre ele. Como profissional da \u00e1rea de marketing, o senhor se ver\u00e1 explicando suas escolhas repetidas vezes. No entanto, poucas opini\u00f5es s\u00e3o respaldadas por insights data-driven, pois a identifica\u00e7\u00e3o do impacto est\u00e1 se tornando cada vez mais complexa. Acreditamos que a resposta est\u00e1 nos Modelos de Causalidade. Neste artigo, explicaremos a relev\u00e2ncia e os benef\u00edcios de tais modelos. <\/p>\n<\/div><\/div><\/div><\/div><\/div>

Registre-se agora<\/span><\/a><\/div>
\n
\u201c No final das contas, tudo se resume a decis\u00f5es mais r\u00e1pidas e melhores, baseadas em insights acion\u00e1veis. Os modelos de causalidade permitem isso, fornecendo as pe\u00e7as que faltam no quebra-cabe\u00e7a.\u201d<\/div>\n<\/blockquote>\n<\/div>

\u00c0 medida que os modelos de atribui\u00e7\u00e3o multitoque existentes se deterioram e falham, a arena digital repleta de oportunidades e insights ao nosso alcance est\u00e1 se tornando um buraco negro digital. No entanto, nesse mundo de interrup\u00e7\u00f5es e mudan\u00e7as cont\u00ednuas, a necessidade de tomar decis\u00f5es baseadas em fatos est\u00e1 crescendo. Por exemplo, mais de 70% dos CMOs e l\u00edderes de marketing ainda acreditam que n\u00e3o conseguem quantificar efetivamente o ROI dos pontos de contato de marketing para orientar suas decis\u00f5es or\u00e7ament\u00e1rias. Portanto, precisamos criar novas m\u00e9tricas e modelos para nos alinharmos \u00e0 nossa necessidade e ao nosso desejo de tomar decis\u00f5es orientadas pelo data. Portanto, precisamos revitalizar nossos modelos e entrar em um novo futuro modelado.<\/p>\n<\/div>

O futuro s\u00e3o os Modelos de Causalidade<\/h2><\/div>

Por qu\u00ea? Simplificando, esses modelos permitem que o senhor explique o efeito incremental das suas atividades de marketing nos KPIs, como vendas ou aumento da marca. Em um n\u00edvel muito granular e acion\u00e1vel. Interessante, n\u00e3o \u00e9? Vamos explicar e explorar um pouco mais.<\/p>\n

A causalidade, sendo verdadeiramente omnicanal por natureza, identifica um evento como sendo a consequ\u00eancia direta de outro evento; ela fornece o \u2018e da\u00ed\u2019 e o \u2018porqu\u00ea\u2019 dos resultados de qualquer atividade de marketing ou vendas. E pode at\u00e9 mesmo levar em conta e explicar o impacto de eventos imprevistos, como a Covid.<\/p>\n

As abordagens baseadas em causalidade mostram que A (altera\u00e7\u00e3o do or\u00e7amento de marketing) causou B (aumento das vendas). A propor\u00e7\u00e3o do aumento pode ser atribu\u00edda diretamente a cada canal. Isso \u00e9 fundamental para tomar melhores decis\u00f5es or\u00e7ament\u00e1rias sobre o mix de marketing. As abordagens baseadas em causalidade ajudam os profissionais de marketing a entender a influ\u00eancia que uma atividade tem sobre outra e como isso afeta o desempenho.<\/p>\n

Por exemplo: Uma abordagem baseada em causalidade pode determinar que 30% do aumento nas vendas se deveu ao gasto com pesquisa paga, enquanto 70% foi atribu\u00eddo \u00e0 promo\u00e7\u00e3o de desconto \u2018compre 1 leve 1 gr\u00e1tis\u2019. Esse m\u00e9todo tamb\u00e9m pode mostrar a rela\u00e7\u00e3o entre as duas atividades separadas e como isso afeta as vendas, comprovando quais otimiza\u00e7\u00f5es s\u00e3o as mais importantes.<\/p>\n

Embora o MMM reports cl\u00e1ssico nunca tenha sido projetado para insights quase em tempo real, as abordagens baseadas em causalidade permitem exatamente isso. Usando sinais de demanda em tempo real para mostrar o impacto direto que cada um dos principais impulsionadores de neg\u00f3cios em potencial (m\u00eddia, pre\u00e7o, sinais de demanda de marca, concorr\u00eancia, promo\u00e7\u00f5es) tem sobre os principais resultados de neg\u00f3cios (on-line e off-line).
\nEles combinam as decis\u00f5es que as empresas precisam tomar com os insights necess\u00e1rios para apoiar essas decis\u00f5es.<\/p>\n

Por fim, h\u00e1 alguns benef\u00edcios extras que v\u00eam com os Modelos de Causalidade:<\/p>\n<\/div>