O tema de segurança e privacidade dos dados é algo que precisa ser levantado, pois os usuários precisam ter ciência do que pode acontecer com suas informações e as empresas precisam ser mais honestas e responsáveis a respeito.
Para o uso voltado para marketing ou outras formas de projetos que os dados podem ser usados, as empresas devem proteger a identidade final daqueles usuários e, dessa forma, gerar valor para os seus clientes.
6 NEWMAN, Lily Hay. Never Trust a Platform to Put Privacy Ahead of Profit. Disponível em:
https://www.wired.com/story/twitter-two-factor-advertising/. Acesso em: 12 Out. 2019.
P á g i n a | 118
Diálogos Científicos em Publicidade |
Para criar valor para os seus usuários e se diferenciar dos seus concorrentes, uma empresa precisa de recursos que tragam essa vantagem em relação aos concorrentes. Erevelles, Fukawa e Swayne (2016, p. 898, tradução nossa) trazem a Teoria Baseada em Recursos, de Barney (1991) e Lee e Grewal (2004). Essa teoria diz que ―os recursos de uma empresa, ambos tangíveis e intangíveis, facilitam sua performance e vantagem competitiva quando um recurso tem valor, é raro, quando imitado é imperfeito e é explorável pela organização‖. Assim,
Um recurso é valioso quando eleva o padrão da empresa ou proporciona valor para os clientes que outras empresas não são capazes. Um recurso raro é quando não é abundante, enquanto quando é imitado é imperfeito representa que o recurso não pode ser facilmente copiado. Um recurso explorável permite que a companhia consiga vantagem com o recurso de uma forma que outras não conseguem (EREVELLES; FUKAWA; SWAYNE, 2016, p.898, tradução nossa).
Ao explorarem de forma proveitosa esses recursos, os profissionais precisam separar os ruídos da grande quantidade de dados geradas. Então, ―para desengatar novas ações na organização – eles precisam ser vinculados a estratégia do negócio, fácil para os usuários finais entenderem e penetrarem nos processos da empresa para que ações sejam tomadas no momento certo‖ (LAVALLE et al., 2011, p. 22, tradução nossa).
Existe ainda a questão de ―se Big data é usada unicamente para predição ou para o entendimento de processos casuais que produzem os resultados observados‖ (AGARWAL; DHAR, 2014, p.446, tradução nossa). Ou seja, big data pode ser utilizado como um método de previsão ou explicação de fenômenos.
Dessa forma, os métodos de previsão são considerados como um ponto de partida quando uma nova teoria está no seu momento inicial e mostra-se importante em um período em que as razões de algo acontecer se tornam aparentes após o surgimento de padrões. Em muitos casos, os métodos de previsão se mostram mais interessantes pois podem denotar a associação entre variáveis que fazem parte de uma nova hipótese e que pode ser submetida a testes rigorosos no lugar de apenas explicar o fenômeno observado. (AGARWAL; DHAR, 2014, tradução nossa).
Erevelles, Fukawa e Swayne (2016, tradução nossa) dizem que uma empresa pode fazer melhorias e reconfigurar seus recursos respaldando as mudanças vindas externamente. Quando uma empresa tem a capacidade de integrar habilidades e conhecimentos para melhorar os seus recursos já existentes
P á g i n a | 119
Diálogos Científicos em Publicidade |
e criar novas formas de gerar valor, ou seja, usar os insights dos consumidores observados a partir de big data para entender as necessidades ainda não descobertas pelo próprio consumidor, tem-se a capacidade dinâmica. Por outro lado, as companhias precisam ser proativas ao responder as mudanças do ambiente externo, percebendo qualquer tipo de sinal vindo dos consumidores para prever o mercado e as tendências dos consumidores, isto é capacidade adaptativa.
Esse conceito não vem de mudanças pontuais na estrutura organizacional, mas sim da habilidade geral de explorar os insights ocultos provenientes da análise dos dados.
Como exemplo de capacidade dinâmica, a Southwest Airlines que usa análise de discursos das ligações entre os consumidores e os colaboradores para captar informações significantes de acordo com suas experiências com a companhia. Dessa forma, a empresa consegue extrair insights para melhorar o seu serviço ao consumidor (RIJMENAM, 2014, tradução nossa; EREVELLES, FUKAWA, SWAYNE, 2016, tradução nossa). Duhigg (2012, tradução nossa) afirma que a Target, loja de varejo estadunidense, utiliza big data para prever o comportamento dos consumidores e prever mulheres grávidas, oferecendo-as serviços personalizados. A Target foi capaz de enviar cupons para uma garota e o seu pai entrou na loja para tirar satisfações do porquê estariam enviando cupons para roupas de maternidade e mobília para sua filha que ainda estava no ensino médio.
O gerente sem saber do que se tratava, verificou o e-mail e poucos dias depois ligou para o homem para pedir desculpas. No final, o pai que acabou pedindo desculpas, pois acabou descobrindo que sua filha estava mesmo grávida. A inteligência da empresa foi capaz de prever a gravidez, se adaptar ao levantamento realizado e iniciar um relacionamento com seu cliente, caracterizando-se assim como capacidade adaptativa (EREVELLES; FUKAWA; SWAYNE, 2016, tradução nossa).
O big data ajuda as empresas no processo de criação de valor para os clientes a entender o comportamento dos seus consumidores e, a partir disso, criar estratégias como as citadas acima. Ao focar no início do processo de planejamento e não nos processos de vendas, a empresa muda sua visão para criar valor para os seus clientes que têm suas próprias necessidades e desejos ao invés de criar um produto e vender por necessidade básica do ser humano (KOTLER; KELLER,
P á g i n a | 120
Diálogos Científicos em Publicidade |
2012). Brynjolfsson e McAfee (2012, tradução nossa) dizem que muitos executivos ainda recorrem a intuição e experiência ao invés de serem orientados por dados. No entanto, também reconhecem que muitos executivos sêniores são realmente orientados por dados, mesmo quando os dados divergem da sua intuição.7
O machine learning8é muito usado para a identificação dos padrões e para entendimento do comportamento dos consumidores de forma automática, sem a necessidade de intervenção humana. Na sua utilização no marketing, pode-se identificar os insights para a criação dos projetos e campanhas de forma mais rápida e eficiente do que apenas por análise humana. Jones (2018) diz que ―mesmo que as máquinas consigam reconhecer padrões, a inteligência humana ainda é necessária para classificá-los e aplicá-los‖, ou seja, mesmo que os dados tragam informações relevantes sobre o que o público gosta, ainda será preciso que um ser humano identifique a melhor oportunidade e como utilizar aquela informação.
Como dito anteriormente, os dados são utilizados como guia para a tomada de decisões. Segundo Thoma (2019) os profissionais que conseguem utilizar os dados e tecnologias de forma proveitosa, conseguem ―assumir mais riscos criativos, fazer melhores escolhas e comprovar o valor das suas ideias‖. A autora levanta também três questionamentos para guiar os processos criativos. Primeiro, as empresas devem conhecer melhor os seus consumidores. O próprio público informa que as marcas deveriam conhecer mais os seus clientes, mesmo essas empresas afirmando que entendem seus consumidores. Assim conseguem trabalhar melhor em cima das necessidades e desejos deles, além de garantir que os objetivos de marketing estejam voltados para os seus consumidores.
Depois, Thoma (2019), afirma que com o conhecimento do seu público, anúncios podem ser personalizados em uma escala alta de acordo com o que é observado, aumentando o índice de atenção que as pessoas têm com os anúncios gerados. Por fim, com a quantidade de informações e personalizações possíveis, mais testes são possíveis para entender o que os consumidores vão perceber como positivo e negativo nos anúncios veiculados.
7 BRYNJOLFSSON, Erik. MCAFEE, Andrew. Big Data: The Management Revolution. Disponível em: https://hbr.org/2012/10/big-data-the-management-revolution. Acesso em: 13 Out. 2019.
8 O aprendizado de máquina (em inglês, machine learning) é um método de análise de dados que automatiza a construção de modelos analíticos. É um ramo da inteligência artificial baseado na ideia de que sistemas podem aprender com dados, identificar padrões e tomar decisões com o mínimo de intervenção humana. SAS. Machine Learning: O que é e qual sua importância? Disponível em:
https://www.sas.com/pt_br/insights/analytics/machine-learning.html. Acesso em: 13 Out. 2019.
P á g i n a | 121
Diálogos Científicos em Publicidade |
Portanto, usar os dados para fins criativos é possível e, para isso, as empresas precisam alinhar muito bem os seus objetivos e estratégias, além de promover o foco no consumidor para garantir que os clientes percebam o valor gerado. O desenvolvimento de novos insights através dos dados pode atingir várias frentes no relacionamento que a marca tem com os seus clientes, podendo não só aprimorar campanhas, como também serviços, produtos, novas tendências de mercado e até prever o comportamento dos consumidores ao longo do tempo que se relaciona com a empresa.
3.6 ASSERTIVIDADE DOS DADOS APLICADOS NOS PROJETOS X CUSTO,