O documento discute conceitos fundamentais de marketing digital e análise de dados, incluindo a importância dos dados, métricas e KPIs para tomada de decisão estratégica. Aborda também a evolução dos canais digitais e a necessidade de autoaprimoramento constante para acompanhar as mudanças tecnológicas.

1. pensando [PERFORMANCE]
evoluindo para inteligência estratégica

2. E POR QUE
eu vou gastar meu tempo com isso?
marketing.digital
é o posicionamento de uma organização ou marca em um novo contexto de comunicação

3. FLUXO DE COMUNICAÇÃO
marketing tradicional e a comunicação unilateral

4. CIBRIDISMO
Não existe mais on x off
Martha Gabriel

5. MULTICHANNEL
ampliando as possibilidades do [DATA]

6. DIGITAL IS BUSINESS
ALGORITMOS

7. NÃO É MAD MEN
comunicação digital

8. WEB 1.0
a navegação descontrolada

9. WEB 2.0
a social web
+ user tracking
= [DATA]³
o que medir em cada dimensão?

10. canais
E-mail
Marketing
SearchWebanalytics Online
Advertising
Redes Sociais
Mobile Desktop
Orgânico
Pago
digitais

11. canais
Survey Entrevista em
Profundidade
Grupo Focal Experimento
Ad Hoc
Painel
tradicionais
Quantitativo Qualitativo
Televisão Impressos Rádio Painéis Outros

12. @ Marketing
Expectativa
de Fluxo
Buscadores
Redes Sociais Webanalytics
Conteúdo Conexão
Orgânico Mídia
Plataformas
Proprietárias
Ferramentas
Pagas
Academia
API
Perfil
Entrega Engajamento
Análise
Temporal
Concorrência
Aquisição Público Comportamento
Conversão
Orgânico Mídia
Retargeting
Veículos Entrega Engajamento

13. GDPR
a ética na pesquisa digital|social e a
privacidade do indivíduo
social listening
Pelas constantes alterações em API’s para
coleta de menções espontâneas, o futuro de
inteligência em redes sociais deixa de ser
baseado em monitoramento e passa a ser
focado em performance e mídia.

14. POR QUE [DATA] IMPORTA?
PORQUE É ATRAVÉS DE DADOS QUE ENTEMOS PESSOAS.
MAS ENTÃO,

15. BIG
DATA
SE HOJE, AMPLIOU-SE O ACESSO AO “DIGITAL” E O NÚMERO DE CANAIS.
SOMOS MUITOS, SOMOS O BIG DATA.

16. BIG
DATA
x PLANILHAS DE EXCEL NÃO SÃO BIG DATA
x 600 MIL LINHAS NÃO SÃO BIG DATA
x 300 BASES DIFERENTES NÃO SÃO BIG DATA
e o que é?
ex.: imagens

17. ANÁLISE DE
IMAGEM

18. imagem
GEOCODE
GOOGLE VISION API
DATA MINING
TEXTS
FRAMES
FACIAL EXPRESSIONSOBJECTS
VISUAL COMPUTING DATA PROCESSING CULTURAL ANALYSIS
BUILDINGS
CLUSTERING OF
IMAGES AND TAGS
QUALI-QUANTITATIVE
ANALYSIS BOOSTED BY
CULTURAL RESEARCH
CONCEPTS
SIMILAR IMAGES
DATAVIZ
IMAGE NETWORKS
#HASHTAGS
FACEBOOK
YOUTUBE

19. imagem
MINHA EXPERIÊNCIA VISUAL
TRADUZIDA.

20. imagem
MINHA EXPERIÊNCIA VISUAL
TRADUZIDA.
30s 01m 01m30s 02m 02m30s 03m 03m30s 04m 04m30s 05m 05m30s 06m
Product:
Mickey
Attraction:
Sleeping
Beauty
Attraction:
Hyper
Space
Mountain
Attraction:
Splash
Mountain
Attraction:
Buzz
Lightyear
Attraction:
Matterhor
n
Attraction:
Finding Nemo
Submarine Voyage
Product:
Snacks
Attraction:
Jungle
Cruise
Product:
Milkshake
Attraction:
Radiator Springs
Rogers
Product:
Ariel´s
Grotto
Rest.
Attraction:
The World
of Color
Product Attraction
The timeline: image analysis of vídeo frame
TOUCHPOINTS
recreation
tree
tourism
christmas decoration
lighting

21. $

22. Problema Hipótese
Coleta de Dados Gestão de
Dados
Desenho da
Pesquisa
Resultados
análise de dados
É UM PROCESSO

23. análise de dados
POR QUE O PROCESSO IMPORTA?
SPURIOUS CORRELATIONS

24. Comparação ExplicaçãoPadrão
inteligência digital
É UM PROCESSO

25. it is not about the BIG [DATA]
it is about the RIGHT [DATA]

26. posicionamento
a definição de marketing digital a partir de um
já pressupõe que estamos inseridos em um
universo de contextos.

27. já não é mais a mesma.
A própria produção de informação dos canais tradicionais

28. emissor “comum” seja priorizado
uma necessidade de proximidade faz com que o

29. mediador
O ambiente digital, portanto, passa a ser um novo
E como isso impacta a produção
de informação online?

30. 31
DATA EXAUST
Data exhaust is a term used to describe
data that companies toss out because it
provides less or no value to their core
business.

31. Plano de Avaliação de
Resultados
32
CANAL A AÇÃO A MÉTRICA A
CANAL B AÇÃO B MÉTRICA B
OBJETIVO KPI META
Modelo de Atribuição
Taxas e Razões

32. 33
TOMADA
DE DECISÃO
EMBASADA
Utilizando dados
confiáveis, sem viés de
gestão e análise.
SIMPLIFICADA
A partir de dados de
fácil leitura.
ACIONÁVEL
Gerando tomada de
decisão relacionada ao
operacional cotidiano.

33. 34
A ação atingiu seu objetivo?
Gestor é capaz de
listar as possibilidades
de atuação?
O gestor conhece as
formas e parâmetros
de mensuração?
O leitor dos dados
entendeu a estratégia
utilizada para
execução?
CANAL-AÇÃO
(TÁTICO)
MÉTRICAS E METAS KPIs
(ESTRATÉGICO)
APRENDIZADOS > GESTÃO DE CONHECIMENTO

34. 35
modelos de atribuição
Um modelo de atribuição é a
regra ou conjunto de regras
que determina como o
crédito de vendas e
conversões é atribuído a
pontos de contato em
caminhos de conversão.
Jornada de Comunicação do Consumidor?
Métricas e Taxas # KPIs
Onde entra a jornada (modelo de atribuição)?

35. 36
métricaAs métricas são uma tradução da leitura das ações e reações de indivíduos à
comunicação proposta.
Portanto, se os canais e ações são selecionados tendo em mente determinado
objetivo, as métricas selecionadas precisam ser as mais precisas em aferir tal
objetivo.
OBJETIVO > CANAL > AÇÃO > MÉTRICA
Existem várias opções de métrica por ação de comunicação proposta. A inteligência
real reflete a seleção adequada da métrica que explicita ao gestor o significado de
sucesso.

36. 37
matemática das coisas
métricas
taxa nativa taxa calculada
taxas
valores absolutos que
mensuram os diferentes
tipos de interação com
conteúdo proposto ou
canais/ perfis/ páginas.
SESSÕES
Razões matemáticas que
dão às métricas (números
absolutos) parâmetros
comparativos e são
entregues de forma direta
pelas próprias plataformas.
MATCH RATES!
BOUNCE RATE
Razões matemáticas
construídas pela análise a
partir de objetivos de
inteligência específicos,
considerando os
parâmetros comparativos
já recortados e
parametrizados.
TAXA DE CONEXÃO

37. 38
matemática das coisas
temporal interna externa
IMPORTÂNCIA DA COMPARAÇÃO
NA ANÁLISE DE DADOS
Números isolados não querem dizer nada!
Proporção de Audiência na
Rede: 0,8
Market Share na
Plataforma: 52%
Taxa de crescimento
mensal = +19%
3,1 milhões de fãs.
Muito? Pouco? Bom? Ruim?

38. 39
canais
• Carregamento > Impressões / Frequência
• Visualização estática > Viewability
• Visualização animada > Visualizações de vídeo (segundos)
• Clique > Número de Cliques, Taxa de Clique (Conversão) [CTR], Taxa de Conexão
Em canais mais limitados, as métricas principais são mais simples e muito vinculadas a taxas.
• Inscrição > Taxa de Inscrição (Conversão), Taxa de Crescimento de Base
• Recebimento do e-mail > Bounce Rate
• Abertura do e-mail > Taxa de Abertura
• Clicar em elementos internos > Taxa de Clique (Conversão) [CTR]
• Desinscrição > Inscrições Líquida, Taxa de Inativação
• Busca > Frequência de Palavra-Chave
• Visualização
• Clique > Número de Cliques, Taxa de Clique (Conversão) [CTR]

39. 40
canais
Possibilidades do Usuário – Mídia Social x Rede Social
PÁGINA
PERFIL
CANAL
COMPORTAMENTO
INTERAÇÃO USUÁRIO CONTEÚDO
Quando falamos de redes sociais, as métricas ficam um pouco mais complexas pelas especificidades de cada canal.
Performance
Público
Monitoramento

40. 41
canais
Cuidado!
Nomenclaturas similares, significados distintos.
Alcance (FB) x Impressões (TWT)
Visualizações (Youtube) x Visualizações (Facebook)
BISCOITO E BOLACHA SÃO DUAS COISAS DIFERENTES DE ONDE EU VENHO.

41. 42
kpi
Key Performance Indicators são construções matemáticas que aliam os objetivos ao
conjunto de métricas coletadas as ações realizadas para o alinhamento de alcance
de objetivos.
TAXAS NÃO SÃO INDICADORES.
Indicadores são construídos a partir de um processo próprio, que envolve estratégia,
ponderação matemática e dados como base histórica.

42. 43
1. Framework
teórico
(estratégia)
2. Seleção de
Variáveis
(métricas)
3. Análise
Estatística
(Multivariada,
Fatorial)
4. Normalização
dos dados
5. Peso e
agregação
6. Desenho Final

43. 44
Auto-didatismoA evolução tecnológica e o aprimoramento de metodológico é constante quando
falamos de performance.
É muito importante que a mudança de cultura para um mindset data driven seja
acompanhado de uma mudança atitudinal que sempre procure novas informações e
evolução conceitual.

44. Evolução de Business Intelligence?
45
Estratégia.

45. OBRIGADA
JAQUE.BUCKSTEGGE
DIRETORA DE PESQUISA E ANÁLISE DE DADOS
IBPAD