O ouro por trás dos dados não estruturados

Sabemos que os dados são essenciais para a análise e tomada de decisões. O interessante é que cerca de 80% dos dados gerados no mundo são dados não estruturados. Imaginava tudo isso?

Um exemplo bem comum para entender o que são dados não estrurados é o feed das redes sociais, ou mesmo um email ou opinião de clientes…enfim, tudo o que não está organizado em tabelas ou bancos de dados tradicionais. 

Diversas técnicas de uso de dados não estruturados já fazem parte do marketing hoje. Para descobrir esse verdadeiro ouro não tão lapidado, conversamos com Denys Fehr, fundador e CEO da Just A Little Data – empresa de DDDM (Data Driven Decision Making) da B&Partners.co. 

Como os dados estruturados podem ser usados em campanhas de marketing?

Os dados não estruturados podem proporcionar insights mais profundos sobre o comportamento do consumidor. 

A análise de sentimento é uma das formas que ajuda a entender se as opiniões são positivas, negativas ou neutras do produto, do serviço ou da campanha de marketing. Dessa forma, textos de mídias sociais, análises de comportamento de clientes em estruturas da marca (seja um site, uma loja física) e comentários/publicações com imagens e textos podem fornecer informações valiosas sobre como os consumidores percebem sua marca ou produto. 

Sabe aqueles comentários e avaliações feitas pelos clientes? O Conteúdo Gerado pelo Usuário (UGC) é uma poderosa forma de prova social que pode ser incorporado às campanhas de marketing para criar confiança e autenticidade.

Outra forma de utilizar os dados não estruturados em campanhas de marketing é através da análise de vídeos e imagens captadas. Esse material pode ser usado para mostrar produtos, contar histórias de marca e criar anúncios atraentes, bem como coletar tudo que falam, postam de imagens e vídeos sobre a marca, classificando e vinculando os atributos desses aos sucessos ou fracassos de resultados.

Há ainda o reconhecimento de voz que ganhou força com a popularidade dos assistentes de voz, como Alexa e Siri. os dados podem ser usados para criar estratégias de marketing de voz e otimizar a presença online, bem como interagir de forma fácil com seu cliente final.

Para Denys, essas técnicas ajudam a aumentar a eficiencia da operação de marketing de diversas formas, tais como: 

Personalização de conteúdo: Personalizar campanhas de marketing, recomendando produtos relevantes e criando experiências mais envolventes.

Segmentação de Audiência: Segmentar públicos com base em interesses, comportamentos e preferências identificados em textos e interações online / offline.

Monitoramento de Tendências: Identificar tendências emergentes no mercado, permitindo que as empresas ajustem suas estratégias de marketing de acordo.

Leia também:
Marketing Growth e a Era da Personalização: Utilizando os Dados para Impulsionar o Crescimento

Desafios de usar dados não estruturados nas estratégias de marketing

Apesar da enxurrada de dados por toda parte, na hora de criar estratégias de marketing, muitas empresas enfrentam dificuldades na forma de trabalhar com os dados não estruturados. 

Para Denys, “diversos são os desafios, pois tentamos sempre ‘estruturar’ o dado não estruturado para qualquer análise. E essa etapa é complexa”. Abaixo ele aponta os desafios que são comuns a dados estruturados ou não. 

Volume e Variedade: Dados não estruturados geralmente são vastos e diversos, o que pode tornar difícil sua coleta, armazenamento e análise em grande escala. Mais que isso, as vezes o volume é baixo, e não chegamos a nenhum resultado conclusivo. Importante entender bem qual problema que tem para responder, atuar e validar volumetria dos dados que busca como insumo de resposta antes de todo o trabalho começar a ser feito.

Qualidade e Integridade: Garantir a qualidade e a integridade dos dados não estruturados pode ser complicado, pois eles podem conter erros, informações falsas ou imprecisas de acordo com a fonte/origem da informação, que muitas vezes é inferida. Bastante atenção aqui para ter o dado mais bruto possível e, a partir dele, chegar na informação que precisa para análise, atingir seu objetivo.

Extração de Insights: Extrair insights significativos de dados não estruturados requer técnicas avançadas de processamento de linguagem natural e aprendizado de máquina, o que pode ser desafiador para empresas que não possuem expertise nessa área ou recursos (profissionais e ferramentas) corretos.

Privacidade e Segurança: Dados não estruturados muitas vezes incluem informações sensíveis, como comentários de clientes e interações em mídias sociais que não são “publicos”, ou o “dono dessa informação” não sabe que é. Proteger a privacidade e a segurança desses dados é crucial. Trabalhar sempre sem a identificiação individual é importante.

Escalabilidade: À medida que os volumes de dados não estruturados aumentam, as empresas precisam de infraestrutura escalável para lidar com eles de maneira eficiente. Muitos projetos são funcionais em suas POCs e MVPs, mas acabam consumindo um valor inadequado de infra para rodar em produção e são suspensos, ou possuem um tempo de processamento tão grande que já não faz sentido para o negócio quando a informação está pronta. Projetar bem a infra estrutura, de acordo com seus objetivos, é importante para o sucesso do projeto.

Como garantir a ética e a privacidade dos dados?

O ponto mais importante na hora de garantir a ética e privacidade dos dados é ser transparente com os clientes sobre como os dados serão coletados e usados. Anonimização ou pseudonimização podem ser usados para tornar os dados mais difíceis de rastrear, mas não é só isso.

“Estabeleça políticas claras de retenção de dados e exclua informações quando elas não forem mais necessárias para os fins para os quais foram coletadas. Além disso, mantenha medidas de segurança robustas para proteger os dados não estruturados contra acessos não autorizados, vazamentos e violações de dados. Faça auditorias regulares e tenha um plano de resposta a incidentes em vigor para lidar rapidamente com qualquer violação de dados e notificar as partes afetadas, conforme necessário”, destaca o CEO da Just A Little Data. 

Em tempos de Inteligencia Artificial (IA), caso esteja usando algoritmos de aprendizado de máquina para analisar dados (estruturados ou não), garanta que esses algoritmos sejam projetados de forma ética e não perpetuem preconceitos ou discriminação.

Outro fator determinante é seguir as regulamentações. Esteja ciente das regulamentações de proteção de dados em vigor em sua jurisdição e certifique-se de cumprir todas as exigências legais, como por exemplo o Regulamento Geral de Proteção de Dados (RGPD) na União Europeia.

“A proteção da privacidade e a promoção da ética devem ser incorporadas à cultura da empresa e consideradas em todas as etapas do ciclo de vida dos dados (estruturados ou não). Isso não apenas ajuda a evitar problemas legais e danos à reputação, mas também a construir relacionamentos de confiança com os clientes”, ressalta Denys.

Usando dados nas decisões estratégicas 

Como estamos vendo, os dados não estruturados podem influenciar a percepção da marca e a tomada de decisões estratégicas. 

“É uma importante análise, de uma percepção que – se estatisticamente relevante – pode trazer diversos insights importantes para a marca, seu posicionamento, seus assets. Mais importante ainda se for uma marca B2C de grande exposição, pois há volume de informação suficiente para trabalho. Destaco a compreensão da Percepção da Marca / Produto / Campanha / Satisfação com Central de Atendimento entre outras frentes da marca ou produto”, comenta Denys. 

Ao incluir os dados não estruturado em sua estratégia, é possível identificar problemas específicos que precisam ser resolvidos rapidamente como crises de reputação ou mesmo oportunidades para melhorar produtos e serviços.

Quando se entende o que ressoa com os consumidores, as empresas podem aprimorar suas estratégias de criação de conteúdo. Vale incluir aqui as análises de sentimento que podem ser usadas para monitorar a percepção dos concorrentes no mercado. 

E se você dá vozes e ouvidos aos seus clientes, consegue fazer ajustes na operação de SAC da empresa, criando novos canais para atendimento ao cliente ou suporte rápido para perguntas e questões mais frequentes.

Na hora de colocar tudo isso em prática, Denys dividiu que um cliente no ramo de locação de veículos obtece grande exito através da coleta de dados não estruturados públicos. Com esse trabalho, conseguiram olhar para a concorrência (presença, disponibilidade de veículos e valores) e a demanda (volume de buscas e interesse na região, na data específica). 

“Juntando isso a dados internos e estruturados (1st party data) como estoque, valores praticados, reservas já efetuadas (pagas e não pagas), taxa de no show entre outros indicadores, dar direcionamento estratégico e até sugestão de preço para locação de veículo por loja. Otimizamos o tempo da área de pricing da empresa e subimos a rentabilidade de todas as lojas, pois os profissionais estavam mais tempo tomando ação com os dados do que coletando / tratando / cruzando / montando os mesmos”, finaliza o CEO da Just A Little Data.