A ciência
A ciência que move o nosso modelo de marketing.
“Este modelo é resultado de um trabalho de time que combina anos de branding, growth marketing e cientistas de dados formados em modelagem econométrica, além de mais papers acadêmicos do que eu gostaria de admitir.”
O motor, de perto
As cinco são um modelo só, não cinco configurações. Todas rodam para cada pergunta, em cima dos dados de marketing que você subiu.
O que vendeu de verdade?
Lê todos os canais juntos e chega na parte da venda que cada um causou de fato
Quanto tempo até dar retorno?
Espalha o investimento de uma semana pelas dez seguintes
Branding vende mesmo?
Rastreia a marca até a demanda lá na frente
Até onde dá para empurrar um canal?
Acha onde a curva achata
Para onde vai o próximo real?
Aponta o próximo real que você investe
A base sobre a qual o motor roda
A Purple trabalha em cima da sua própria base, achando os padrões do que funciona: seu investimento, suas vendas, seu calendário, seu contexto.
Como o modelo é construído
A Purple usa séries temporais bayesianas para entender as relações de causa e efeito entre ações de marketing e resultado. Essa abordagem permite que o modelo carregue conhecimento prévio e lide com o comportamento complexo típico dos esforços de branding.
A Purple foi desenhada para capturar relações entre variáveis, identificando não só o impacto direto de uma ação, mas como ela influencia outros canais antes de gerar resultado. É isso que revela, por exemplo, quando mídia OOH gera busca orgânica que leva à conversão.
O modelo permite incluir variáveis que não geram clique nenhum: mídia offline, canais digitais de topo de funil, OOH, PR. Elas são modeladas junto com os outros canais, o que torna possível ler o impacto delas de forma integrada.
A Purple foi construída para aceitar variáveis que não têm um valor de investimento direto. Isso permite que o modelo inclua ações como a sua estratégia de social orgânico, refletindo uma visão mais holística do marketing.
Nem todo impacto de marketing acontece na hora. O modelo captura efeitos que se desenrolam por dias ou semanas, para você alocar budget com base no retorno de longo prazo.
O modelo da Purple não depende de premissas fixas sobre quanto tempo uma ação leva para dar resultado. Em vez disso, ele olha os dados reais da sua marca para determinar o tempo real de impacto de cada variável, diferente de muitos modelos tradicionais.
Por que levou anos
A gente levou alguns anos para chegar no modelo da Purple Metrics.
A maioria dos modelos de marketing é feita para quem compra mídia. Eles são desenhados para casar dinheiro que entra com dinheiro que sai, normalmente mídia e venda. Esse tipo de conexão direta deixa os esforços de marca de fora do quadro.
Foi por outro caminho que a gente foi.
A fundadora que toca produto passou por grandes agências de branding e depois construiu uma empresa de branding para startups. Ela viu de perto como marcas são construídas e como elas geram crescimento. A Purple Metrics começou como software de pesquisa de marca, o que nos deu dado primário sobre branding e comportamento do consumidor.
Quando a gente pivotou para modelagem, nossos cientistas de dados mergulharam em mensuração de marketing. Mas todo modelo do começo pendia demais para performance. Foi aí que começaram as discussões longas, cruzando experiência de branding com lógica de growth marketing. Tudo isso ao lado de um cofundador que passou quase uma década no Google.
O time de data science foi mais fundo. Não só em marketing, mas em economia (a formação original deles), em benchmark entre indústrias e até em ideias tiradas do comportamento de bactérias e vírus. Não pergunte.
No fim, a gente descobriu os ajustes necessários para colocar branding dentro de um modelo de marketing. E começou a enxergar.
Aí escolhemos 10 clientes pagantes para testar, escolhidos pela qualidade dos dados, pela variedade de indústria e pelo modelo de negócio. A gente não estava atrás de escala. Queria feedback afiado e base boa. Todos tinham CMOs orientados a dado e dispostos ao desafio.
Treinamos o algoritmo, relançamos o modelo um monte de vezes e seguimos refinando até poder confiar no que ele mostrava: contribuição e realocação que finalmente incluem branding.
Sim: ele enxerga branding.
Depois tinha que ser viável. Puxar dado de API, organizar um data lake limpo, orquestrar o modelo e transformar aquilo num dashboard simples. Essa é a mágica que o nosso cofundador e CTO faz acontecer.
Imagine ter um time de data science de primeira dentro do seu marketing, focado inteiro em construir um modelo que reflete como o marketing funciona de verdade. Construído por gente que vem de branding e de growth. Treinado com dado real de times reais. Desenhado com clareza suficiente para você realmente saber o que fazer com ele.
Não parece uma coisa desenhada só por engenheiros. Porque não foi.
Isso é a Purple Metrics.
Fontes
Alchemy: The Dark Art and Curious Science of Creating Magic in Brands, Business, and Life
Rory Sutherland
Beyond the pair: media archetypes and complex channel synergies in advertising
J. Jason Bell, Felipe Thomaz and Andrew T. Stephen
How Brands Grow
Byron Sharp
The Long and the Short of It
Les Binet and Peter Field
How econometrics is shaping the future of measurement
Les Binet
The impact of brand equity on brand preference and purchase intentions in the service industries
Hsin Hsin Chang and Ya Ming Liu
The Chain of Effects from Brand Trust and Brand Affect to Brand Performance: The Role of Brand Loyalty
Arjun Chaudhuri and Morris B. Holbrook
Brand equity, risk and return in Latin America
Marta Olivia Rovedder de Oliveira, Aline Armanini Stefanan and Mauri Leodir Lobler
The Impact of Brand Equity on Customer Acquisition, Retention, and Profit Margin
Florian Stahl, Mark Heitmann, Donald R. Lehmann and Scott A. Neslin
The Financial Value Impact of Perceptual Brand Attributes
Natalie Mizik and Robert Jacobson
The financial performance of the most valuable brands: A global empirical investigation
Gregor Dorfleitner, Felix Roble and Kathrin Lesser
Double Jeopardy Revisited
Andrew S. C. Ehrenberg, Gerald J. Goodhardt and T. Patrick Barwise
Brand Awareness Effects on Consumer Decision Making for a Common, Repeat Purchase Product: A Replication
Emma K Macdonald and Byron Sharp
Perceptional components of brand equity: Configuring the Symmetrical and Asymmetrical Paths to brand loyalty and brand purchase intention
Pantea Foroudi, Zhongqi Jin, Suraksha Gupta, Mohammad M. Foroudi, Philip J. Kitchen
Traga a pergunta que você não consegue responder hoje e a gente passa por ela junto: sua meta, seus dados e o que seria preciso para provar.