Contribuições da Mineração de Dados para a Inteligência de
Clientes utilizada na Análise de Mercado
Dayana Carla de Macedo (UTFPR/ UEPG) dayanamacedo@yahoo.com.br Marcos Antônio Rezende (UTFPR) mar.ls@uol.com.br
RESUMO
Em ambientes onde os consumidores estão cada vez mais exigentes, as organizações tem preocupação em relação aos seus clientes, exigindo o conhecimento assíduo do seu público alvo. Desta forma, torna-se necessário analisar o mercado em que a organização está inserida com o enfoque para os consumidores. Para a identificação das características do público alvo na análise de mercado , a organização pode utilizar a inteligência de clientes que é um dos eixos da inteligência competitiva que permite a definição do valor do produto ou serviço de acordo com a perspectiva do cliente. A adoção de uma ferramenta de tecnologia da informação, como a Mineração de dados, que visa extrair conhecimento, padrões, correlações e tendências de um grande volume de dados pode contribuir para a análise do mercado voltada para a inteligência de clientes. Este artigo tem como objetivo abordar os conceitos sobre Análise de Mercado, Inteligência Competitiva e de Clientes e as contribuições da Mineração de Dados para a Inteligência de Clientes através de uma breve revisão bibliográfica.
Palavras chave: Análise de Mercado, Inteligência Competitiva, Inteligência de
Clientes, Mineração de Dados.
1. Introdução
Segundo Finotti (2004) as organizações se deparam com decisões em relação ao mercado consumidor, onde podem levá-las a ganhar ou perder montantes. Nesse sentido pela relevância de conhecer mais profundamente o mercado em que a empresa está inserida com enfoque do consumidor torna-se necessário.
Um dos eixos da inteligência competitiva que estuda os clientes ou consumidores de uma organização é chamado de inteligência de clientes. Segundo Teixeira (2009) inteligência de clientes é o processo de captura , seleção, análise, gerenciamento de informações e criação de conhecimento sobre clientes para a tomada de decisão.
Logo, em ambientes altamente competitivos e onde os consumidores estão cada vez mais exigentes, as organizações devem preocupar-se com seus consumidores e procurar entender quais são seus desejos, necessidades e expectativas em relação aos seus produtos. Segundo Churchill & Peter (2000) o comportamento do consumidor refere-se aos pensamentos, sentimentos e ações e influências sobre eles que determinam mudanças. Nesse contexto as organizações efetuam a segmentação de mercado que é o processo de dividir um mercado em grupos de compradores potenciais com desejos, necessidades, percepções de valores ou comportamentos de compra semelhantes tornando-se necessário conhecer assiduamente seu público alvo. Logo a adoção de uma ferramenta de TI como a mineração de dados que auxilie o processo de obtenção de cohecimento sobre os consumidores de uma organização é importante. Este artigo tem como objetivo apresentar os principais conceitos sobre Inteligência Competitiva, Inteligência de Clientes e Mineração de Dados por meio de uma pesquisa bibliográfica. A seção 2 aborda os principais conceitos sobre análise de mercado, a seção 3 apresenta os conceitos de Inteligência Competitiva e Inteligência de Clientes. A seção 4 apresenta a utilização de Data Mining em um sistema de Inteligência de Clientes e a seção 5 reporta as considerações finais deste trabalho.
2. Análise de Mercado
De acordo com Churchill & Peter (2000) análise de mercado consiste no entendimento do mercado da empresa, bem como todos os envolvidos nesse mercado, clientes, concorrentes em dados e informações onde a empresa atua. Permitindo o conhecimento do lugar onde o produto ou serviço se encontra. O mercado está composto pelo ambiente onde organização está inserida, produto oferecido, concorrência e pelo perfil do consumidor. Nesse sentido, para o conhecimento do público alvo é necessário segmentar o mercado, onde de acordo com Kotler (2000) um segmento de mercado consiste em um grupo
onde é identificado a partir de suas preferências, poder de compra, localização geográfica, atitudes de compra e hábitos similares.
Já na visão de Buell (1994) o processo de segmentação de mercado consiste na divisão deste em subgrupos ou segmentos onde possuem preferências e necessidades especiais, que representa uma porção da demanda e justifica a elaboração de estratégias específicas. A segmentação de mercado tem como objetivo identificar os grupos de compradores-alvo através da composição do mercado de referência em subconjuntos homogêneos do ponto de vista das expectativas e do comportamento de compra (LAMBIN, 2000).
Um modelo útil para realização da segmentação de mercado é o seguinte (CZINKOTA, KOTABE, MERCER, 1997):
Investigação: Consiste na etapa de identificação dos segmentos que possui maior probabilidade de ser mais lucrativo, formular e testar hipóteses.
Pesquisa qualitativa: etapa que efetua o levantamento das características vitais para o consumidor e que devem ser descritas em termos de importância.
Pesquisa quantitativa: referem-se ao tratamento quantitativo das informações sobre os segmentos que servirá como apoio para entendimento das atitudes diante da marca e de concorrentes.
Análise: utilização de softwares para processar técnicas estatísticas onde é possível encontrar segmentos na população pesquisada que sejam internamente homogêneos.
Segmentação: identificação do segmento-alvo e decisão sobre os produtos que devem ser reposicionados para se ter uma vantagem competitiva.
Considerando a segmentação de mercado como uma ferramenta de análise e uma forma de se obter vantagens competitivas, por meio desta é possível identificar o perfil de consumidores, ou seja, o público alvo, para definição de estratégias e com isso obter vantagem competitiva nas organizações (SILVA et al, 2006). Para a identificação das caracteristicas e conhecimento dos clientes, pode-se utilizar a inteligência de clientes, que é um dos eixos da inteligência
competitiva. Ou seja, quando o foco é o conhecimento dos consumidores a inteligência a ser utilizada é inteligência de clientes.
3. Inteligência Competitiva
Os sistemas de inteligência competitiva têm como objetivo garantir às empresas uma coleta e análise de informações referente aos movimentos e tendências de mercado para obter o máximo de informações que auxiliam o processo de tomada de decisão (ROMANI et al.; 2001). Neste âmbito a inteligência competitiva tem um grande destaque visto que ela capta as informações sobre o ambiente externo e interno que podem instruir o processo de tomada de decisão.
Segundo Prescott & Miller (2002):
Inteligência competitiva é qualquer informação ou conhecimento relativo ao mercado que mantenha a empresa competitiva. É o processo de captação de informações sobre os concorrentes e sobre o que acontece no mercado para usá-las em benefício da organização, incluindo inteligência sobre clientes, desenvolvimento de novos produtos, valor das marcas, novas tecnologias, inteligência para vendas e marketing, regulamentação e legislação.
Para Giesbrecht (2000), a inteligência competitiva é uma espécie de radar que oferece à organização o conhecimento de oportunidades e ameaças identificadas no ambiente, que funcionam como um instrumento de decisão e forma de agregar valor à função da informação. Fuld (1994) apresenta o conceito de inteligência competitiva como informação analisada, que auxilia a tomada de decisão estratégica e tática.
A construção de um sistema de inteligência competitiva possui cinco etapas, conforme descreve (GOMES & BRAGA, 2004):
Identificação das necessidades de informação onde é baseado no modelo de cinco forças de Porter que depende de cinco elementos que são a ameaça de novos entrantes, ameaça de produtos substitutos, poder de barganha dos compradores, poder de negociação dos fornecedores e rivalidade entre competidores. Nesse contexto, são definidos os setores e os atores (clientes, fornecedores, etc.) do ambiente externo que mais afetam a organização, identificando as ameaças e oportunidades, traços de concorrentes e análise dos atores
que operam no mercado competitivo.
Coletar as informações e tratá-las identificando e classificando as fontes após verificação das necessidades da organização.
Análise das informações, também denominada como “gerador de inteligência”, pois nesta fase as informações coletadas são transformadas em uma avaliação completa, significativa e confiável para apoiar à tomada de decisão.
Disseminação compreende a etapa da entrega da informação analisada, em formato coerente e convincente, aos tomadores de decisão.
Avaliação deve ser efetuada sob dois aspectos: o primeiro diz respeito ao desempenho de cada uma das fases que compõem o sistema e o outro é a avaliação junto aos usuários do sistema dos resultados práticos obtidos com o uso dos produtos gerados pelo sistema.
A organização deve ter uma definição clara da missão, ou seja, dos objetivos, das informações que o sistema pretende buscar, do usuário a quem se destina e de que tipo de inteligência você espera desenvolver.
3.1 Inteligência de Clientes
Atualmente um dos maiores desafios das organizações é administrar e aproveitar as informações coletadas sobre os clientes. Por esta razão a Inteligência de Clientes torna-se uma poderosa arma para as organizações lidarem com clientes que estão cada vez mais exigentes em ambiente competitivos.
Segundo Brown (2001) há três estágios pelos quais as organizações evoluem, sendo o primeiro chamado como aquisição de clientes, ou seja, processo de construção da base de clientes, treinamento de vendedores, análise dos processos de atendimento ao cliente e pesquisas iniciais. O segundo estágio compreende a fase de retenção de clientes, ou seja, envolve a segmentação dos clientes em grupos e maximização do relacionamento com os clientes. O terceiro refere-se ao atendimento estratégico ao cliente onde há interesse da organização em oferecer produtos ou serviços à um nível distinto e otimizado de acordo com as necessidades dos clientes. Ainda segundo o mesmo existe cinco pilares do atendimento estratégico: identificar e traçar o perfil de clientes, segmentar os clientes em agrupamentos naturais, pesquisar sobre a indústria e
as preocupações dos clientes, investirem em tecnologia para oferecer soluções aos clientes e gerenciamento dos clientes através de um tratamento consistente.
Segundo Teixeira (2009) a inteligência de clientes é o processo de capturar, selecionar, analisar, gerenciar informações e criar o respectivo conhecimento sobre esses para o processo de tomada de decisão, seja ela estratégica ou operacional, desde a fase de prospecção de clientes até a gestão dos clientes. Em inteligência de clientes as técnicas mais utilizadas são segmentação de mercado e Customer Experience.
Já na visão de Buell (1994) o processo de segmentação de mercado consiste na divisão deste em subgrupos ou segmentos onde possuem preferências e necessidades especiais, que representa uma porção da demanda e justifica a elaboração de estratégias específicas. De acordo com Lambin (2000) a segmentação de mercado tem como objetivo identificar os grupos de compradores-alvo através da composição do mercado de referência em subconjuntos homogêneos do ponto de vista das expectativas e do comportamento de compra. Considerando a segmentação de mercado como uma ferramenta de análise e uma forma de se obter vantagens competitivas, por meio desta é possível identificar o perfil de consumidores, ou seja, o público alvo, para definição de estratégias para se obter vantagem competitiva nas organizações (SILVA et al, 2006).
Já o Customer Experience para Teixeira & Junior (2003) é o processo de criar, gerenciar e mensurar uma boa experiência com os clientes, ou seja, consiste no trabalho entre a organização e o cliente em conjunto, onde o objetivo é aprender qual tipo de experiência o cliente quer vivenciar com a empresa. Já para Pallotta (2007) o processo de Customer Experience é a prática de capturar informações da experiência do cliente com sua organização, seja onde e quando for, e continuamente mostrar para os colaboradores dentro da organização com o intuito de facilitar a evolução do negócio baseada nessas informações. É o processo de entregar a informação correta, para as pessoas certas e no tempo correto.
Das etapas do processo KDD - Knowledge Discovery in Databases, a considerada principal, que forma o núcleo do processo, chama-se Data mining. Em 1989 o termo KDD foi formalizado com o conceito de procurar conhecimento a partir de bases de dados. Segundo Fayyad et al.; (1996) o termo KDD é um processo composto de várias etapas, para identificar padrões válidos compreensíveis, novos e potencialmente úteis a partir de uma grande base de dados. O processo de descoberta de conhecimento em bases de dados é composto por três etapas operacionais, que de acordo com Goldschmidt & Passos (2005) são:
_ Pré-processamento: compreende a fase de captação, organização e tratamentos dos dados, com o intuito de prepará-los para os algoritmos da fase seguinte.
_ Mineração de Dados (Data mining): efetua a busca de conhecimentos úteis no contexto da aplicação do processo de KDD.
_ Pós-processamento: refere-se ao tratamento a ser efetuado no conhecimento obtido da etapa anterior.
Na fase da Mineração de dados são definidas as técnicas e os algoritmos a serem utilizados de acordo com o problema em questão, que segundo Boente, Oliveira & Rosa (2007) depende do tipo da tarefa de KDD a ser realizada, de acordo com a classificação abaixo:
_ Associação: busca por itens que ocorrem freqüentemente em diversas transações de bases de dados de forma simultânea.
_ Classificação: tem o intuito de descobrir uma função que mapeie os registros em um conjunto de rótulos categóricos predefinidos, chamados classes.
_ Regressão: tem a função de mapear registros de um banco de dados para buscar valores reais.
_ Clusterização: Separa registros de uma base de dados em subconjuntos de clusters para que elementos de um cluster compartilhem as propriedades consideradas comuns que distingam de elementos de outros clusters.
_ Sumarização: Objetiva a busca de características comuns entre conjuntos de dados
_ Detecção de Desvios: Identificar registros da base de dados que possuam características que não atendem aos padrões considerados normais no contexto atual.
_ Descoberta de Sequências: Verificar possíveis mudanças sazonais de quantidade em remessa se determinadas peças.
O processo de extrair conhecimento de uma base de dados na etapa de mineração de dados segundo Sferra & Corrêa, (2003) pode ser entendido como:
Processo de extração de informações, sem conhecimento prévio, de um grande banco de dados e seu uso para tomada de decisões. É uma metodologia aplicada em diversas áreas que usam o conhecimento, como empresas, indústrias e instituições de pesquisa.
Data Mining define o processo automatizado de captura e análise de
grandes conjuntos de dados para extrair um significado, sendo usado tanto para descrever características do passado como para predizer tendências para o futuro.
Nesse contexto para a utilização da mineração de dados para auxiliar o processo de inteligência de clientes, é necessário a organização estruturar os dados que serão mais significantes, atuantes e relevantes para que com a aplicação da mineração de dados se possa extrair conhecimento sobre os clientes da organização.
Segundo Teixeira & Junior (2003) por meio dessa estruturação de dados (conhecimento explícito) a empresa identifica características de cliente, porém uma estruturação de uma base de dados com informações referente a esses clientes não é um fator diferencial. A evolução de conhecimento explícito e implícito dá-se através da mineração de dados, que extrai conhecimento ou informação válida de uma base dados.
Segundo Davenport & Prusak (1998) as ferramentas de tecnologia da informação são viabilizadoras de processos, não resolvem o problema de falta de conhecimento porém viabiliza a obtenção dessa. Como a inteligência de cliente é o processo de capturar, selecionar e analisar informações para criar conhecimento dos clientes para o processo de tomada de decisão, a mineração de dados contribui para esse processo. Cabendo a empresa identificar quais dados são relevantes para obter inteligência dos clientes, prepará-los para o
algoritmo a ser utilizado pela fase da mineração de dados e após a obtenção de conhecimento útil tratá-los na fase de pós-processamento, ou seja, será a informação analisada em forma de conhecimento que auxiliará o processo de tomada de decisão. Para Tarapanoff et al., (2000) a Mineração de dados contribui no processo de inteligência na agilidade e rapidez de obter informações desejadas, pois permite a organização agregar valor nos produtos ou serviços através do conhecimento obtido, sendo uma espécie de diferenciação frente aos demais concorrentes.
5. Conclusão
O entendimento do mercado, bem como todos os envolvidos nesse contexto, concorrentes, clientes em dados e informações consiste na análise de mercado.
O mercado é composto pelo ambiente onde a organização está inserida, produto oferecido, concorrência e pelo perfil do consumidor. Quando a organização tem como objetivo obter conhecimento do mercado-alvo é necessário efetuar a segmentação de mercado, que é uma das técnicas da inteligência de clientes. Nesse sentido para obter conhecimento de clientes pode-se utilizar a inteligência de clientes, que é uma dos eixos da inteligência competitiva. A inteligência de cliente é o processo de capturar informações sobre as percepções e expectativas dos clientes em relação ao produto ou serviço da organização baseado na experiência com clientes, segmentação e tendência de mercado para a definição de estratégias e decisões a serem tomadas.
Logo, a adesão de uma ferramenta como a Mineração de Dados contribui para o processo de obtenção de conhecimento de clientes, pois a mineração de dados consiste na extração de conhecimento de um grande banco de dados para utilização deste no processo de tomada de decisão, tornando-o mais ágil e seguro.
Referências
BOENTE, A. N. P. ; OLIVEIRA, F. S. G. ; ROSA, J. L. A. . Utilização de Ferramenta de KDD para Integração de Aprendizagem e Tecnologia em Busca da Gestão Estratégica do Conhecimento na Empresa. Anais do Simpósio de Excelência em Gestão e Tecnologia, v. 1, p. 123-132, 2007.
BROWN, S. A. CRM – Customer Relationship Management: uma ferramenta estratégica para o mundo e-Business. São Paulo: Makron, 2001. Trad. Juliana Machado Gorg
BUELL, V. Marketing Management: A Strategic Planning Approach. New York: McGraw-Hill, 1984.
CLARK, M; BAKER, S. Business Success through Service Excellence. 2004. Disponível em: <http://searchcrm.techtarget.com/tutorial/Using-customer-intelligence-in-a-service-strategy-Tip-1> acesso em 05 de novembro de 2009.
CHURCHILL, Gilberto A.; PETER, J. Paul. Marketing Criando Valor para os Clientes. São Paulo: Saraiva, 2000.
CZINKOTA, M.; KOTABE, M.; MERCER, D. Marketing Management: Text and Cases. Oxford: Blackwell, 1997.
DAVENPORT, Thomas H; PRUSAK, Laurence. Conhecimento Empresarial. Rio de Janeiro: Ed. Campus, 1998.
FAYYAD, Usama, PIATETSKY-SHAPIRO, Gregory e SMYTH, Padhraic. From Data Mining to Knowlegde discovery. American Association for Artificial Intelligence. 1996.
FINOTTI, Marcelo A.Estilos de vida. Uma contribuição ao estudo da segmentação de mercado. 2004. 187 f. Tese (Doutorado) - Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo.
FULD, Leonard. The New Competitor Intelligence: the complete resource for finding, analyzing, and using information about your competitors. New York: John Wiley & Sons, Inc. p. 23 - 27. 1994.
GIESBRECHT, Hulda. Inteligência Tecnológica: estudo das práticas de dois institutos de pesquisa tecnológica no Brasil. Universidade de Brasília, Departamento de Ciência da Informação e Documentação. Brasília, 2000.
GOLDSCHIMIDT, Ronaldo. PASSOS, Emmanuel. Data mining: Um guia prático. Rio de Janeiro: Campus, 2005.
GOMES, Elisabeth e BRAGA, Fabiane. Inteligência Competitiva: Como transformar informação em um negócio lucrativo. Rio de Janeiro: Campus, 2004.
KOTLER. Philip. Administração de marketing. 5° Edição. Porto Alegre. Bookman, 2005.
LAMBIN, J. Marketing Estratégico. 4° Ed., Lisboa: McGraw-Hill, 2000.
PRESCOTT, J. E.; MILLER, S. H. Inteligência competitiva na prática: estudos de caso diretamente do campo de batalha. Rio de Janeiro: Campus, 2002. p.274-291.
PALLOTA, L. O Cliente em primeiro lugar. Mas será mesmo? 2001. Disponível em: < http://www.relacionamentodigital.com/o-cliente-em-primeiro-lugar-mas-sera-mesmo> acesso em 05 de novembro de 2009.
ROMANI, Claudia et al. A tecnologia como suporte à Inteligência Competitiva. In: Worskop Brasileiro de Inteligência Competitiva e Gestão do Conhecimento, 2., 2001, São Paulo. Anais. São Paulo, 2001.
SFERRA, Heloisa Helena; CORREA, Ângela M. C. Jorge. Conceitos e Aplicações de Data Mining. Jul/Dez de 2003, Revista Ciência & Tecnologia, PP. 19-34.
SILVA , M. S.; SILVA, W. V.; CORSO, J. M. D.; DUCLOS, L. C. Segmentação de Mercado: Análise do perfil Sócio-econômico dos municípios do Paraná. Revista GEPEC. Vol. 10 – n° 02 – jul./dez.; 2006.
TARAPANOFF, Kira, JÚNIOR, Rogério Henrique Araújo e CORNIER, Patricia Marie Jeanne (2000). Sociedade da informação e inteligência em unidade de informação. Ciência da Informação. n. 3, Vol. V. 29, pp. 91100. 2000.
TEIXEIRA, D. R. ; HOURNEAUX JUNIOR, F . Uma visão da Gestão do Relacionamento com Clientes no contexto da Gestão do Conhecimento. In: XXXVIII CLADEA, 2003, Lima. Anais do XXXVIII CLADEA, 2003.
TEIXEIRA, D. R. Inteligência de Clientes. Disponível em: <http://www.metaanalise.com.br/inteligenciademercado/momento/ponto-de-vista/revie-na pratica-inteligencia-de-clientes.html> acesso em 05 de novembro de 2009.
