Escolhendo as variáveis no Purple Metrics

O primeiro passo você já deu, que foi contratar o Purple Metrics, agora é a hora de irmos atrás dos dados que irão alimentar a modelagem estatística proprietária do Purple. Antes de sair baixando os dados das plataformas, leia esse artigo para compreender quais dados e como proceder.

Como o Purple Metrics funciona

Para o modelo funcionar precisamos colocar os dados que sua empresa já tem dentro do modelo, através de uma planilha. A gente recomenda que você use este modelo aqui.

Nossos algoritmos irão avaliar os dados e a partir deles gerar a atribuição estatística dos esforços, analisar o comportamento, duração e influência em outros esforços, e te ajudar a prever resultados e planejar esforços futuros.

Imagine uma cozinha profissional. Por mais que o menu seja muito bem pensado, o chef renomado e o restaurante tenha estrelas Michelin, se os ingredientes não forem da melhor qualidade e se a quantidade for insuficiente, o resultado final não será bom. É a mesma coisa no Purple, só que os ingredientes são os dados fornecidos pelos clientes.

Histórico de dados

Dentro da metáfora da cozinha, os ingredientes em quantidade adequada seriam o histórico dos dados. Precisamos de, no mínimo, um ano (52 semanas) de dados. O ideal seria termos 2 anos (104 semanas), mas essa não é uma condição eliminatória.

Mas por que tanto tempo?

Para que um modelo estatístico funcione bem, ele precisa de informações do passado. Isso porque os modelos aprendem com o que já aconteceu e quanto mais dados do passado eles tiverem, melhor irão compreender variações, identificar padrões e fazer previsões. Por isso quanto mais dados você tiver sobre o que já aconteceu, melhor o modelo vai funcionar, pois ele terá mais “experiência” para basear suas conclusões.

Precisamos que este histórico esteja em semanas para que o modelo seja mais preciso. Caso esteja em meses, o modelo irá fazer uma distribuição igualitária entre as semanas – o que não representa a realidade.

Além disso, esse histórico precisa conter:

1. Todos os investimentos financeiros realizados no período (inputs)
2. O resultado que gostaríamos de avaliar (outputs)
3. Os esforços realizados pelo time de marketing (variáveis intermediárias).

O Purple Metrics tem como objetivo relacionar investimentos e outras ações de marketing e branding ao resultado final. O modelo irá identificar as relações entre investimentos e variáveis intermediárias para, então, relacionar as variáveis intermediárias ao resultado. Isso porque sabemos que entre o investimento e o resultado final, existe todo um ecossistema que pode ser impactado.

Investimentos

Também pode ser chamados de input. São todos os investimentos de marketing que fazemos com o objetivo de gerar ou melhorar o resultado. Esses investimentos podem ser diversos, como:

• Investimento em Google Ads
• Investimento em influenciadores
• Investimento em mídia OOH
• Patrocínio de eventos
• Investimento em TV ou Rádio

Todo investimento orientado ao resultado conta, porém é preciso lembrar da importância do histórico de dados. O modelo pode ter dificuldade em aferir resultados de investimentos que ocorreram por períodos muito curtos, pois não houve tempo suficiente para relacionar este investimento com demais variáveis ou resultados.

Por exemplo: sua marca fez uma campanha na TV durante 2 semanas e nunca mais repetiu a estratégia. Ou a empresa participou de um evento durante todo o ano.

Da mesma forma, o modelo não consegue trazer recomendações ou sugerir investimentos que nunca foram testados.

Investimentos em ferramentas, softwares e afins também não entram aqui.

Resultado

Às vezes chamamos ele de output aqui no Purple. Ele é o resultado que queremos avaliar (e decidir por aprimorar ou cortar). Esse resultado pode ser qualquer indicador ou métrica e marketing ou branding que esteja alinhado ao resultado de negócio. Por exemplo:

• Leads, MQLs ou SQLs
• Vendas
• Receita
• Downloads de aplicativo

É interessante que o resultado esteja relacionado à estratégia que a área está executando. Uma empresa que não está focada em gerar novos leads, mas sim em gerar recorrência da base existente e ampliar receita, deveria considerar “receita” ou “renovação” como output. Já uma empresa que está focada em fechar mais negócios, mesmo que em detrimento da rentabilidade, deveria considerar “vendas” ou “SQLs” ao invés de receita.

Outro ponto importante sobre o output é que sua presença é essencial para que o modelo rode, por isso, ele que determina o tamanho do histórico.

O modelo não considera períodos que não possuem a informação do output. Por exemplo: O histórico de investimentos e variáveis intermediárias vai de 2024 até 2021, mas o histórico do resultado é só de 2024 a 2023. Neste caso, todas as informações de 2022 e 2021 serão desconsideradas.

Não é possível ter mais de um output por modelo, é preciso escolher um só.

Variáveis intermediárias

As variáveis intermediárias são outros dados que temos influência ou não, mas que não são investimentos nem o resultado, são métricas do meio. Por exemplo:

• Alcance do Instagram
• Views no Youtube
• Participantes em eventos
• Inscrições na newsletter

As variáveis intermediárias são muito importantes para o modelo, pois são elas que irão mostrar “caminho” até o resultado. É importante que todos os esforços relevantes sejam considerados e inseridos no modelo, pois o produto não conseguirá atribuir o resultado a uma variável que não está presente.

No entanto, também não recomendamos que coloque toda e qualquer variável no modelo.

Algumas boas práticas para escolher as variáveis intermediárias:

Escolha variáveis que tenham relação com os investimentos.

É interessante que todo investimento que entrará no modelo tenha alguma variável intermediária próxima associada.

Exemplos:

• Investimento em patrocínios de eventos e participantes de eventos;
• Investimento em impulsionamento de Instagram e alcance de Instagram;
• Investimento em OOH e impactos estimados.

Escolha variáveis equiparáveis

Traga variáveis que sejam comparáveis, especialmente quando elas são de canais ou origens similares. Se escolhemos “Alcance no LinkedIn” é importante escolher “Alcance no Instagram” ao invés de “Curtidas no Instagram”, por exemplo.

Variáveis com valores absolutos

As leituras e conclusões do modelo são mais simples e melhores quando optamos por variáveis com valores absolutos, no lugar de taxas ou outros indicadores relativos.

Por exemplo, é preferível escolher “Cliques” do que “CTR”.

Escolher um número de variáveis intermediárias adequado ao tamanho do histórico.

Quanto mais variáveis incluímos no modelo, mais complexo ele fica e mais histórico ele precisa para garantir acurácia das atribuições, previsões e sugestões.

Recomendamos que a cada um ano de histórico, tenhamos aproximadamente 10 variáveis intermediárias.

Qualidade dos dados

Sabemos que em alguns casos, não teremos histórico de todas as informações por todo o período analisado. Neste caso o modelo do Purple age de duas formas distintas:

Investimentos: investimentos que não possuem informação por determinados períodos, o modelo considerará o valor 0 (vai assumir que não houve investimento no período).

Variáveis intermediárias: quando não houver informação por determinados períodos, o modelo agirá de duas formas:

1. Se o período sem informação estiver no meio do histórico, o modelo estimará com base nos dados existentes.
2. Para períodos anteriores à primeira entrada de dados, o modelo assumirá o valor zero.

Veja no exemplo abaixo:

Esse artigo está aqui para te ajudar no processo de onboarding e atualização dos dados no modelo. No entanto, caso você ainda esteja com dúvidas, entre em contato com nosso CS, Ricardo Pompeu em ricardo.pompeu@purplemetrics.com.br.