Entender como medir quais ações são responsáveis por converter clientes pode mudar toda a forma da sua empresa operar a área de marketing; vale lembrar que métodos diferentes podem funcionar para operações diversas e trazer prioridades variadas

Bruno Capelas – Purple Metrics

Quem gosta de futebol – e gosta de discutir futebol – talvez já tenha ido parar no meio de uma conversa acalorada sobre qual jogador é o melhor de todos em um determinado contexto. Invariavelmente, algum incauto nesta discussão pode puxar do bolso o argumento do número de gols marcados por um determinado craque. É quase sempre um argumento final, mas nem sempre funciona: às vezes quem faz mais gols pode ter mais sorte, ou ser o cobrador de pênaltis de um time em específico. Em compensação, o astro do time pode ser aquele meio de campo que faz passes incríveis, ou ainda, o goleiro que não só faz boas defesas como também é capaz de lançar a bola direto para o ataque. 

Mas antes que quem está lendo venha aqui defender Cristiano Ronaldo ou Messi, Marta ou Cristiane, vale o aviso: este texto não é sobre futebol, mas sim sobre marketing. Tal como fazer um gol, converter um lead em uma venda costuma ser uma métrica importantíssima para as empresas. No entanto, nem sempre quem dá “o último toque na bola” é quem fez a parte mais importante da jogada – ou quer dizer, do caminho de convencimento do consumidor em ir lá e comprar um determinado produto ou serviço. No entanto, muitas empresas ainda assim utilizam métodos muito específicos para premiar ou despriorizar esforços de marketing, dependendo de quantas bolas na rede cada frente conseguiu encaixar. 

Se você trabalha com branding, talvez já tenha tido a impressão de que a área é uma espécie de patinho feio desse tipo de métrica – e que a turma da performance talvez seja aquele atacante sortudo que faz gol até de barriga. Quem trabalha com outros esforços também pode ter essa impressão: afinal, como justificar que uma “roubada de bola” lá no campo de defesa ou uma boa manchete de PR de fato resultaram em um ponto a mais no placar de vendas? É por isso que todo mundo que trabalha com marketing precisa, de alguma forma, discutir sobre modelos de atribuição – algo que a gente fez recentemente no Purple Pills, nosso encontro quinzenal com doses de branding e growth, e que inspirou este texto. 

Afinal, o que é atribuição? 

Logo no começo da conversa, mediada pelo COO Lucas Yokota e pela product marketing manager Marina dos Anjos, essa mesma pergunta foi feita para quem esteve presente no Purple Pills. As respostas pularam no chat: “é resultado”, “canais”, “UTM”, “last click”, “é um bicho de sete cabeças!”. Houve até quem falasse em “injustiça” – e dá pra entender o porquê. 

De maneira mais acadêmica, dá pra dizer que “atribuição é o processo de identificar e determinar a origem de um determinado resultado ou ação”. Ou seja, é entender quais fatores ou eventos contribuíram para um determinado efeito – seja o gol que toda torcida comemora ou uma venda específica. 

Em marketing, muita gente se acostumou a entender atribuição com ajuda do Google Analytics, ferramenta do Google que costuma mostrar uma série de métricas importantes. Mas não é só desse jeito que dá para sacar atribuição. “O Google Analytics é tipo o Bombril da atribuição: muita gente acha que é a ferramenta mais difundida, mas existem outras formas de chegar a uma boa conclusão”, como brincou o Lucas Yokota. Marina complementou: “Não tem resposta certa nem errada em atribuição, mas existe ver o que funciona melhor para o negócio.”

De maneira geral, antes da gente avançar, vale dizer que existem ainda quatro modelos comuns de atribuição. Vamos falar deles já já, do mais simples para o mais complexo. 

  1. Self Reported Attribution
  2. Single Touch Attribution
  3. Multi Touch Attribution
  4. Modelagem Estatística
Self Reported Attribution

Em bom português, “self reported attribution” é nada mais do que perguntar para os clientes onde eles descobriram a sua marca. “É uma pergunta que meu pai faz no restaurante dele há muitos anos: ‘de onde você ouviu falar da gente?’. É arcaico, mas tem sua utilidade!”, disse o Yokota. 

É uma função muito comum também no e-commerce: atire a primeira pedra quem nunca viu uma pergunta dessas num questionário antes de digitar os números do cartão de crédito pra fechar uma compra. Há várias vantagens de usar esse método: ele captura insights qualitativos que métodos quantitativos (como os que virão a seguir) podem perder, além de captar o que está mais forte na memória da pessoa. 

Por outro lado, muita gente pode responder de maneira incorreta, seja por confusão, falta de memória ou comodidade – não à toa, a primeira resposta no questionário de e-commerce costuma ser a mais respondida para muitas empresas. Há até um estudo sobre isso: 47% dos usuários selecionam logo a primeira opção da lista, segundo a Ruler Analytics. 

A principal desvantagem desse método, porém, é que ele não explica a jornada do consumidor, apenas uma lembrança. Mas ele pode ser bem útil se combinado com outros dados, viu? 

Single Touch Attribution

Mais comum dos modelos de atribuição, o Single Touch Attribution rastreia todas as interações do usuário e dá crédito de conversão para uma ação específica – tal como o exemplo do gol que a gente usou lá no começo do texto. 

No caso do marketing, normalmente esse ponto é marcado para a primeira ou para a última ação do usuário antes de entrar na página e comprar. É um jeito fácil de entender a responsabilidade pela venda, mas pode não trazer a resposta que a gente espera – afinal de contas, os cliques mostram uma sequência de fatos, mas não a causalidade. 

Entre as vantagens desse método, é importante lembrar que ele traz respostas diretas sobre quais canais são mais eficazes para fechar uma conversão. É um jeito tão comum de medir que muitas plataformas – como o Google Analytics – já oferecem isso de maneira padrão. 

Por outro lado, não necessariamente o clique que gerou o resultado vem do esforço que mais contribuiu para a conversão – da mesma forma que pode acontecer com quem faz um gol de rebote, ou pior ainda, com um gol contra! 

Quer um exemplo? Quem nunca tinha decidido fazer uma compra e, antes de fechar o carrinho, decidiu procurar por algum cupom de desconto – e encontrou o de um influenciador que nunca tinha ouvido falar antes? Para o resultado, fica parecendo que aquele influenciador foi o responsável pela venda, mas não é bem assim. 

Também pode acontecer o contrário: às vezes, o consumidor pode ser inundado com várias campanhas de uma marca, seja em influenciadores, PR ou redes sociais, a ponto do que era um produto desconhecido se tornar uma curiosidade ou um desejo. Mas a conversão mesmo só vem depois de um esforço de mídia paga – e aí o gol é só de performance? 

“Esse tipo de método pode dar tanto falsos positivos quanto falsos negativos”, comentou o Yokota. Não à toa, é por causa dessas “injustiças” que surgiram métodos mais complexos, como os que veremos a seguir. 

Multi Touch Attribution (MTA)

Mais sofisticado que o método anterior, o Multi Touch Atributtion distribui o crédito da conversão entre várias interações ao longo da jornada do cliente até a compra – considerando a forma como ele se relacionou com anúncios, e-mails e páginas do site da empresa. Usando ainda a metáfora do futebol, seria quase como dar o crédito de “meio gol” pro jogador que fez aquele lançamento sensacional. 

Claro que fazer isso dá mais trabalho. Mas é algo que permite os times de marketing a terem uma visão mais completa de como vários esforços contribuem para a conversão. Alguns modelos mais elaborados podem até distribuir pesos diferentes de acordo com a importância de cada ponto de contato – e você pode inclusive usar diferentes padrões de pesos para entender diferentes formas de “premiar” seus esforços. 

Por outro lado, é um método que às vezes fica restrito a uma plataforma – como as de Meta e Google, por exemplo. Se você precisar utilizar várias plataformas, vai precisar padronizar os formatos e a estrutura de dados. 

É uma tecnologia ainda que tem uma carinha de “caixa preta”, sendo meio difícil de decifrar – não à toa, para quem decide encarar o trabalho de fazer esse modelo internamente, pode ser necessário ter um time interno de cientistas de dados. 

De qualquer forma, vale o incentivo: é um modelo que ajuda muita gente a enxergar mais o todo do que apenas quem coloca a bola dentro da rede – o que ajuda muito quem trabalha com branding e outros esforços, como social media, canais de YouTube ou influenciadores. 

Modelagem estatística

Por fim, mas não menos importante, está a modelagem estatística – talvez o mais sofisticado modelo de atribuição, que busca usar esse ramo da ciência justamente para não só analisar, mas até prever o impacto de diferentes atividades de marketing no resultado de negócio. 

Entre as vantagens, ela pode usar múltiplas variáveis e consegue prever os resultados do futuro – é quase como um jogo de “causa e consequência”, de saber quais os botões certos para apertar. Além disso, em tempos de fim dos cookies, ela também ganha peso por não utilizar dados individualizados dos usuários, mas sim o agregado dos resultados. 

Porém, já dá pra adivinhar as desvantagens. A primeira delas é que requer um conhecimento avançado não só em estatística, mas também em marketing, para criar um modelo estatístico que funcione adequadamente. Além disso, desenvolver, validar e refinar um modelo desses é um processo demorado e complexo, que precisa ser constantemente atualizado. 

Além disso, quanto mais variáveis e atividades for preciso considerar, mais complexo é o modelo – que também é menos granular do que as outras opções vistas anteriormente. 

Por que tudo isso importa? 

Em uma era em que branding e o marketing, de modo geral, precisa falar sobre receita financeira e retorno de investimentos, como bem mostrou Philip Kotler, saber quem está “marcando gols” é um esforço que não só o time da área, mas até mesmo o pessoal do financeiro e o CEO vão querer saber. 

Mostrar que o trabalho é coletivo e não apenas da turma da performance é importantíssimo para justificar orçamentos, pessoal e atenção dos outros setores da empresa. Se você trabalha com branding e precisa sair desse texto com uma ideia só, aqui está: abandone assim que possível o modelo de Single Touch. 

Além disso, descobrir quais são os esforços que dão mais ou menos resultado também é importante no dia a dia, para entender prioridades e até mesmo saber escolher qual influenciador performa melhor, por exemplo. 

Outro ponto importante é que, com as mudanças nas regras de privacidade, o entendimento que muitas empresas têm da jornada do consumidor a partir de dados individualizados vai mudar bastante. Construir um modelo que seja mais independente de cookies e outros dados vai ser importante num futuro bem próximo. 

Além disso, ter um modelo que explica como suas vendas funcionam pode ajudar em tempos bicudos. “Parte das vendas vem de inércia do passado, enquanto o trabalho do marketing é criar um extra que vem dos esforços – o resultado incremental”, explica o Yokota. “Na pandemia, muita gente precisou desligar custos de marketing milionários e perceberam que não afetou tanto o baseline. O ideal, claro, é não precisar desligar para descobrir isso, mas sim entender o porquê de investir em algo e gerar resultados”, explica. 

 O trabalho do marketing é criar o extra que vem dos esforços – o resultado incremental

Mais do que tudo, porém, vale também o aviso: como qualquer número em si, um modelo de atribuição sozinho não faz verão. Talvez a melhor forma seja combinar diferentes formas de atribuição, indo do macro ao micro e aproveitando o melhor de vários mundos diferentes. Nesse futebol, todo mundo pode fazer gol. 

Purple Metrics: atribuição, analytics e planejamento de budget em uma plataforma feita para times de marketing

Purple Metrics is the data science software for branding designed for marketing teams to understand the impact of brand actions on business results.

Using proprietary statistical modeling, Purple Metrics analyzes your brand's data history to attribute results to each marketing effort, such as the impact of brand campaigns on conversion numbers.

The tool also features brand analytics visualization, forecasting, and budget optimization, contributing to more informed decisions.

Purple Metrics – software de ciência de dados para times de marketing provarem o resultado de branding

O produto está em fase Beta, mas se você pode se inscrever na wishlist do nosso site para ser um dos primeiros a testar.

Resumo:

Gostou do conteúdo? Veja também:

A importância das correlações no mundo do marketing

Branding precisa falar sobre receita financeira

Growth loops: uma nova forma de pensar crescimento

Leave a Reply

Your email address will not be published. Required fields are marked *