Web Analytics não é a única regra do Digital Analytics

digital analyticsMuitas empresas ainda pensam que a contratação de um analista de Web Analytics é um grande investimento. A maioria das empresas se esquece de que o papel de um Analista Digital é cada vez mais amplo e profundo, por muitas vezes até complexo.

A regra do 10/90 de  Avinash é uma das mais coerentes, em que 90% deve ser sobre pessoas / analista, e os  10% devem estar sobre as ferramentas.

Empresas novatas em Web Analytics precisam começar a pensar em uma análise ponta-a-ponta para um bom planejamento, e não apenas em contratar alguém que possa olhar e montar simples reports do Google Analytics, WebTrends, SiteCatalysts, etc.

Algumas disciplinas comuns em Digital Analytics que as empresas deveriam começar a pensar em por em prática:

Disciplinas de Digital Analytics e potenciais expertises necessárias

  • Web Analytics
  • Media Planner
  • Mobile
  • Search
  • CRM
  • Monitoramento de Mídia Social
  • Testes A/B ou MVT
  • Modelagem (mix de marketing, previsão ou modelagem preditiva)
  • VOC (voz do cliente) ou Consumer Insights
  • Análise de mercado ou Análise competitiva

É uma engenharia de fonte de dados muito complexa, de forma que esta engenharia precisa de inteligência para tornar esses dados legíveis para os analistas.

  • Integração de dados: habilidades necessárias para trazer vários dados para o ambiente de empresa.
  • Tradução de dados: Dados ruins entram, dados ruins saem. Você ainda pode ter “dados bons entrando e dados ruins saindo”, caso as pessoas que estejam trabalhando na camada lógica desorganizem a tradução dos dados depois que eles entram num banco de dados. Este éuma peça fundamental para fazer com que analistas e empresa tenham certeza de que têm boas informações para analisar.
  • QA (QualityAssurance) e Governança: especialistas que entendem as necessidades do negócio e asseguram que as soluções que foram implementadas serão precisas, tendo a certeza que terá bons dados nas mãos para o negócio.
  • Experiência em infra-estrutura: dentre todas estas os  dadosprecisam ser processados, armazenados e relatados. Onde e como? Com pessoas que precisam entender o ambiente técnico em torno dos dados, e que possam oferecer manutenção.

Se o profissional não tiver em mente tudo o que foi colocado como disciplinar acima, é bom que se pergunte de onde os dados vêem e quais expertises e recursos serão necessários para gerenciar toda a engenharia.

Fontes de dados

Web Analytics: A partir de javascripts inseridos no website, um provedor de Web Analytics processará os dados recebidos dentro de um dia, ou menos, com dados necessários para informar o comportamento sobre os visitantes, visualizações de páginas, eventos, etc.Estes javascripts podem ser implementados por pessoas técnicas, quem nem sempre entenderão o que cada um desses javascripts significam para os negócios.Por isso há uma necessidade específica de se entender a parte técnica e também a parte de negócios, a fim de que, no momento da implementação da ferramenta de Web Analytics, a pessoa designada relacionar o javascript e o negócio em si.

Media Planner: A ferramenta de Web Analytics capta ótimos dados de cliques em anúncios, mas não de informações sobre a compra. Existem muitas empresas que se especializam e são dedicadas ao planejamento, compra e execução dos anúncios. No espaço digital, esses dados são planejados em ferramentas de Ad Serve, que não são WebAnalytics. Além disso, recentemente, com o YouTube ganhando impulso e substituindo a TV a um baixo custo, isso faz com que os dados em torno destas plataformas também se tornem importantes. Impressões em YoutTube, em breve, irão substituir a GRP’s(Gross Rating Point) da TV.

Mobile: Mobile Analytics é de uma forma única diferente de Web Analytics. Em Mobile, deve-se pensar em SoLoMo (Social, Local, Mobile) um tipo de ecossistema que ajuda na forma como o smartphone poderá ser usado em busca do sucesso dos negócios. Social porque faz com que estejam conectados em redes, Local porque está sendo falado de localização geográfica e Mobile, ou Móvel, é porque ainda é uma área da comunicação muito pouco explorada, além de poder ser utilizada da qualquer forma ou gênero, com vídeos, revistas, músicas, compras, fotos, mapas, jogos e outros tipos de interações com o meio off-line. O formato Mobile possui mais dados e dimensões exclusivas do que os site tradicionais. Dependendo dos serviços e do número de usuários ativos, a solução de Analytics utilizada com um site tradicional pode não funcionar no caso do Mobile.

Com isso faz com que o analista se torne outro tipo de especialista com ferramentas, infraestruturas e uma abordagem analítica totalmente diferente da abordagem de um Google Analytics, Omniture, etc.

Search: SEO significa otimizar sites da melhor forma a partir de uma página até o nível estrutural de um servidor, motivando maiores chances de um site ser encontrado por motores de busca, a partir de um objetivo que é gerar mais tráfego e aumentar a conversão. Para se otimizar ON-Page (tags de título, atgs de alt, H1, entre outros) de forma útil, é necessário entender o lado técnico de SEO, como o código, por exemplo. Outra forma de técnica relacionada ao SEO é o lado do servidor, sitemaps, códigos de resposta do servidor, etc.

Porém, há outras ações de SEO que estão em níveis de negócios e que servem para aumentar a conversão. Nesse caso, será necessário que o profissional e a própria empresa entendam além dos motores de busca, e também compreendam o comportamento do usuário no meio online para que o foco seja em resultados e em ROI. Compreender Web Analytics e métricas é importante, mas para ser completo é preciso compreender desde a otimização de página até fatores como servidor e negócios.

CRM: Na maioria dos casos, os dados de CRM se encontram no formato de banco de dados. Em algumas situações, mesmos os dados in house estão acessíveis para terceiros, dependendo do contrato da empresa, ou do relacionamento com a agência. Em muitos exemplos, o banco dedados é hospedado e gerenciado por terceiros, ou prestadores de serviços. Os dados precisam estar em um tipo de banco de dados em algum momento. Os gestores precisam ser especialistas em dados, bem como trabalhar com analistas que entendam o perfil do cliente a partir dos dados. Esta disciplina tem dois itens necessários, tanto do lado técnico, bem como da gestão. É por isso que é muito difícil encontrar uma pessoa com tanto talento, porque a engenharia de banco de dados e suas interpretações são dois conjuntos de habilidades diferentes.

Mídias Sociais: A maioria dos serviços de monitoramento de mídia social é proveniente de serviços pagos ou plataformas de monitoramento como Radian6, Crimson Hexagon, etc, que coletam informações do que está sendo dito e menos sobre o que está sendo tagueado. No entanto, a partir desses dados, a empresa necessitará de alguém com conhecimento técnico para colocar os dados dentro de um datawarehouse. Caso contrário, você vai estar sentado em uma terceira ferramenta coletando e hospedando dados.

De qualquer forma, os dados sociais têm muito mais textos dos usuários do que números, e para minerar todos estes dados será difícil e desafiador colocá-los em um datawarehouse. Mas isso não será um problema na ERA do Big Data?

Teste A/B: Qualquer teste em site envolve planejamento, e isso significa que você precisa ter um bom planejador. Uma vez que este plano está aprovado, assumindo que todos os recursos criativos foram finalizados. Então, é necessária uma pessoa técnica que possa permitir a configuração de testes no site. E este teste precisa ser configurado em uma ferramenta também para que os dados sejam coletados.

VOC (VoiceofCustomer): Aanálise de dados quantitativos, por si só, não oferece grandes insight,  mesmo sintetizando grande volume de dados. No entanto, também não se pode ignorar ou argumentar com o que o seu cliente lhe diz a respeito do que ele percebe dentro de sua empresa. Quando os dados de VOC casam com os dados da análise quantitativa, então a empresa terá muito mais sucesso. Isso significa que os dados recebidos são das tags de pesquisa implementadas no site, porém a empresa deve ter certeza que essas tags foram bem implementadas, de modo que se obtenham as respostas críticas para o negócio. É necessário alguém capaz de planejar o end-to-end de um projeto desses. Um simples analista não pode fazer isso, especialmente se o seu negócio estiver tornando o VOC um passo a mais para entender melhor os sentimentos de seus clientes.

Análise de Mercado: Normalmente essas fontes de dados são provenientes de serviços pagos, como os terceiros ComScore ou Hitwise. Pode-se até pensar que parece fácil, que não será necessária uma mão de obra especíifica. Então tudo fica nas mãos do analista de web, pensando que este poderia assumir o resto. No entanto, se há um negócio como a compra de dados de PDV  ou uma análise de participação de mercado, então um outro nível de especialidade se faz necessária. Um Web Analyst  observa a mídia de forma isolada e sente que está faltando mais alguma informação que responda se a empresa está aumentando ou diminuindo seu marketshare. Se a empresa leva em consideração dados da Compete, Nielsen e não somente do IBOPE, estão será necessário muito mais tempo para analisar todos os dados e poder enxergar qual o impacto no comportamento do consumidor.

As empresas devem mudar o foco, amadurecer para chegar em Digital Analytics e se certificar que seus analistas também estão se preparando para esta evolução digital. Gerências que agora estão na era Web Analytics 1.0-2.0 precisam pensar nos dados como um ativo, governança, privacidade, segurança, armazenamento de dados, etc. Sem mencionar o número crescente de dados e fontes que colaboram na tomada de decisão. É preciso começar a olhar para o recurso que está ao alcance e para a realidade com um ecossistema de dados.

Publicado em Postagens

Deixe uma resposta

O seu endereço de email não será publicado Campos obrigatórios são marcados *

*

Você pode usar estas tags e atributos de HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>