A análise de tais dados se tornou impreterível. No entanto, essa grande quantidade de dados gerados pelos usuários, conhecido pelo seu acrônimo em inglês User-Generated Content (UGC), fez com que as análises manuais se tornassem humanamente impossíveis, impedindo a extração de conhecimentos que trouxessem consigo vantagens competitivas para as corporações. É nesse sentido que a análise automática de dados ganhou o seu espaço na gestão de relacionamento com os clientes por intermédio das mídias sociais.
Em um trabalho seminal, Foster Provost e Tom Fawcett[1] ressaltam justamente a relação entre o grande volume de dados que vêm sendo produzido (Big Data), a tomada de decisões orientadas aos dados (Data-driven Decision Making) e a ciênciados dados (Data Science), destacando o impacto nos negócios. Para entender essa relação, vejamos os conceitos. O Big Data é caracterizado pelos chamados 5V´s, a saber:
i) Volume - refere-se à quantidade de dados a ser analisado. No Facebook, por exemplo, são mais de 10 bilhões de mensagens, 5 bilhões de interações e 350 milhões de fotos compartilhadas todos os dia;
ii) Velocidade - essa característica diz respeito à velocidade com a qual esses dados são criados (o exemplo anterior ilustra isso). Ademais, essa velocidade impede a análise de dados em tempo real de forma eficiente;
iii) Variedade - no passado a maior parte dos dados disponíveis para análise encontravam-se estruturados em bancos relacionais, em outras palavras, tabulados. Atualmente estima-se que mais de 90% dos dados produzidos são de natureza não estruturadas (e bem variadas), como textos, vídeos, fotos, localizações, áudios. Tais tipos de dados requerem novas ferramentas de análise;
iv) Veracidade - muito importante para os negócios, pois a informação deve ser verdadeira. Em tempos de fake news e uso indiscriminado de bots, as informações que circulam nas mídias sociais devem ser avaliadas e filtradas a fim de manter a confiabilidade dos resultados;
v) Valor - por fim, esses dados têm que ter o potencial valor aos negócios, trazendo insights para a tomada de decisões mais acuradas.
Data-Driven Decision Making refere-se à prática de se basear as decisões nos resultados das análise dos dados e não apenas em impressões ou intuições. Por fim, Data Science pode ser definido como um campo multidisciplinar que usa métodos científicos, processos e algoritmos para extrair conhecimentos e insights a partir de dados, sejam eles estruturados ou não.
Nesta tríade, o objetivo dos analistas é desenvolver métodos eficientes de análise de grandes volumes de dados e que descubram conhecimentos novos e potencialmente úteis para auxiliar na tomada de decisões em determinados setores.
Com o know-how de análise de dados do Laboratório de Inteligência Computacional da Universidade Federal do Pará e do Laboratório de Computação Aplicada da UFOPA, somado ao entendimento das demandas do mercado de Social CRM dos pesquisadores e empresas associadas ao Social CRM Research Center, vinculado à Universidade de Leipzig, Alemanha, realizamos um mapeamento entre esses três elementos:
A primeira parte de mapeamento ocorreu consultando a literatura existente e especialistas na área de CRM que, por ser multidisciplinar, envolveu especialistas nas áreas de Marketing, Administração, Ciências da Computação, Design, entre outros.
Conforme visto acima, todas as áreas poderiam se beneficiar da análise do conteúdo gerado pelo usuário. Entendendo os desejos e ambições dos clientes é possível desenvolver novos produtos (Colaboração e Inovação), melhorar a experiência do usuário, auxiliar no planejamento de campanhas de marketing, impulsionar vendas, além de auxiliar na comunicação no pós-venda, até mesmo por intermédio das mídias sociais.
Em um segundo momento os pesquisadores envolvidos neste projeto analisaram os tipos de dados dispostos em mídias sociais, como perfil do usuário, postagens em texto, compartilhamento de localização, etc. Com a seleção dos dados foi possível identificar as possibilidades de análise, conforme dispostas na Figura abaixo.
Por meio da confrontação entre os setores envolvidos no processo de tomada de decisão e possíveis análises realizadas com os dados disponíveis, mapearam-se as possibilidades de uso dos resultados nos processos de decisão. Um resumo do resultado pode ser visto na Tabela a seguir.
Tabela 1: Potenciais análises e serviços vislumbrados no contexto do Social CRM, adaptado de (Lobato et al., 2017).
Setores Relacionados ao CRM | Portfólio de potenciais serviços em Social CRM |
Vendas | Recomendação de produtos |
Predição de compra | |
Identificador de leads (consumidor em potencial) | |
Marketing | Análise de mercado |
Campanhas em mídias sociais | |
Gerência de marca adaptativa | |
Avaliação do impacto de campanhas de publicidade | |
Serviços & Suporte | FAQs em mídias sociais |
Atribuição automática de postagens ao setor competente | |
Fóruns de suporte à comunidade | |
Inovação | Redes sociais empresariais |
Identificação dos desejos e necessidades dos consumidores | |
Identificação de tendências | |
Colaboração | Identificação de influenciadores digitais |
Recrutamento de colaboradores | |
Experiência do consumidor | Recrutamento de embaixadores de marca |
Identificação e fomento de comunidades de influenciadores |
É interessante observar que já existem diversas ferramentas que proporcionam algumas das análises apresentadas. Outras, requerem um estudo aprofundado e específico para cada empresa[2]. Nossa pesquisa no Social CRM Research Center foca em soluções para aprofundamento e aperfeiçoamento dessas análises com suporte de um time de pesquisadores e analistas de mídias sociais capacitados para a coleta, análise e indicação de insights para impulsionar negócios.
[1] Data Science and its Relationship to Big Data and Data-Driven Decision Making Foster Provost and Tom Fawcett Big Data 2013 1:1, 51-59
[2] Uma discussão mais aprofundada dos potenciais das análises em Social CRM pode ser encontrada no trabalho intitulado Social CRM: Biggest Challenges to Make it Work in the Real World, apresentado no Workshop on Intelligent Data Analysis in Integrated Social CRM, ocorrido na 19th International Conference on Business Information Systems.