Big Data: cinco maneiras para aumentar lealdade do cliente

Big Data: cinco maneiras para aumentar lealdade do cliente

bigdata-ceoCom o aumento do volume de dados, o fácil acesso a informações via redes sociais, a evolução das soluções de Business InteIigence (BI), Analytics e o fortalecimento de novas tecnologias como Hadoop, o Big Data não é mais uma tendência. Profissionais de marketing e fidelização de clientes precisam se preparar para tirar vantagem deste fenômeno e aprofundar o entendimento sobre os clientes.

 

Marcos Pichatelli, gerente de produtos de High-Performance Analytics do SAS Brasil, afirma que especialistas em fidelização de consumidores são muitas vezes os maiores conhecedores de análises de dados nas empresas. Acompanhar a rápida evolução dessa estratégia e as novas formas de cruzamento de informação ou formas mais complexas de análise de dados com um custo razoável é o verdadeiro ponto crítico. 

“Algumas empresas até olham o Big Data com ceticismo, mas isso acontece, porque a maioria delas associa o trabalho de inovação com projetos realizados por grandes companhias como Google e Facebook”, dize o executivo. Entretanto, essas empresas contam com uma quantidade de programadores e engenheiros dedicados a pensar “fora da caixa” sobre o futuro do negócio. 

A realidade é que ninguém mais tem esse tipo de recurso. Pitchatelli observa que as soluções de Big Data estão amadurecendo rapidamente para suportar, de forma eficiente, organizações com orçamentos bem mais modestos. 

Veja a seguir cinco dicas de  Pichatelli para lidar com o Big Data e manter a lealdade à sua marca: 

1- Defina Big Datas para sua organização

Uma boa definição de Big Data é quando os dados que uma empresa deseja trabalhar atingiram um volume ou complexidade que tiram as organizações de sua zona de conforto. Uma forma de ilustrar a aplicação disso na área de fidelização é a indústria de telecomunicações, em as operadoras de telefonia móvel começaram a tentar descobrir quais clientes tinham potencial para cancelarem os seus contratos. 

Elas passaram a olhar para indicadores bastante simples e de fácil acesso para identificar os nomes e os números de assinatura dos clientes que estavam diminuindo gradativamente a utilização dos serviços. Essa medida de propensão de cancelamento não foi transformada em um índice de desempenho propriamente dito. 

Hoje, os líderes de mercado utilizam os dados para encontrar multiplicadores entre seus clientes, que possam influenciar amigos próximos ou potenciais novos consumidores a migrarem para a empresa ou adquirirem produtos ou serviços. 

Este tipo de análise envolve um olhar menos atento no volume de ligações e muito mais em quem está chamando quem, o que exige um processamento muito mais complexo dos mesmos dados. Para fazer isso, as operadoras de telecomunicações precisam de soluções mais sofisticadas de inteligência analítica, além de analistas e cientistas de dados. 

2- Perceba uma oportunidade 

Sensores de dados de todos os tipos tiveram uma queda drástica de preço, o que representa uma mina de ouro de informações úteis. Por exemplo, uma seguradora criou uma campanha de fidelização utilizando mineração de dados visando aumentar as vendas. Ela ofereceu aos motoristas a oportunidade de colocar um dispositivo em seus carros em troca de preços diferenciados. 

O sensor detecta a velocidade ou travagens bruscas, por exemplo, e cruza as informações com o perfil do condutor informado no início da apólice. Isso apresentou uma oportunidade de encontrar bons motoristas e dar-lhes um desconto ainda maior, sem restringir-se apenas às análises de registros históricos, mas envolveu também peneirar mais os dados, que são de uma magnitude superior ao que a empresa está acostumada a tratar. 

3- Busque experiência com mais fontes de dados 

Usar apenas os resultados de um programa de fidelidade junto com alguns dados demográficos básicos já não é o suficiente. Varejistas podem tentar incorporar dados meteorológicos para tentar obter sortimentos mais precisos em suas lojas, reduzindo descontos ou aumentando a frequência de entrega de mercadoria. 

Outro exemplo, supermercados podem começar a cruzar o tamanho médio dos carros de seus clientes para tentar determinar a influência disso na frequência de viagem ou a probabilidade deles de fazer compras de grandes quantidades. 

4- Preste atenção ao Hadoop e computação distribuída 

Comprar um computador de grande processamento é coisa do passado. Arquitetura distribuída usando software de código aberto, como o Hadoop pode ser a chave para trabalhar com Big Data de forma rápida e econômica. 

A arquitetura distribuída permite resolver problemas com a abordagem de dividir e conquistar. Uma das marcas de varejo mais famosas dos EUA está usando o Hadoop, pois ajuda o negócio do varejista com seus dados, que crescem exponencialmente. 

Daqui para frente, mantenha seus olhos na computação em cluster. Ela está mostrando bastante potencial para combinar proteção de investimento com capacidade de processamento. 

5- Faça um plano d Big Data 

O ano de 2012 foi de experimentação para o Big Data em um grande número de empresas. E, sim, alguns projetos não saíram exatamente como planejados. Na era pré-Big Data houve um varejista que passou a maior parte de seu tempo tentando organizar seus dados para enviar as promoções de vendas, ofertas na web e catálogos. 

Com tecnologias como ‘high-perfromance analytics’, esse varejista está personalizando ofertas como jamais havia feito; selecionando locais de novas lojas e estimando as vendas destes pontos de venda, escolhendo produtos com maior lucratividade e promoções que impulsionem as vendas. 

Leave a Reply

Your email address will not be published.

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.

Abrir chat
💬 Posso Ajudar?