Pare de perseguir e comece a prever a intenção do consumidor

A Inteligência Artificial já está  melhorando a segmentação do público-alvo e das mensagens de anúncios digitais, criando modelos de precificação de produtos e até buscando pelo melhor bid.  Não por acaso, Google, Microsoft, Facebook e uma série de outras empresas continuam a construir algoritmos que prevêem quando, onde e como os consumidores farão compras online, por exemplo.

Nas duas últimas semanas, o Google demostrou, na prática, como otimizar campanhas no buscador e no Google Maps, de modo a aumentar a conversão.

Primeiro, durante a Black Friday. A empresa aproveitou a data para mostrar como insights gerais do mercado, bem geridos, podem aumentar as vendas em tempo real. "Se a gente sabe que, na última hora, o que está sendo mais demandado é o celular X, com tais e tais características, os clientes podem usar essa informação, combinada com outras de propriedade dele e também as fornecidas pelo Google, para decidir como alocar seu investimento de mídia", explica André Silva, Gerente de Engenharia do Google Brasil, responsável para criação dos dashboards que apresentam os insights de comportamento do consumidor no período da Black Friday.

A partir daí, o sistema de Inteligência Artificial do Google pega essas informações e analisa para quem mostrar o anúncio para elevar as chances da venda do aparelho.

"O papel do Smart Bidding é mostrar o anúncio para quem realmente tem a intenção de comprar aquele produto. Ele automatiza os lances do leilão fazendo com que o anunciantes se preocupe apenas com a sua estratégia", comenta André.

Antes, os times dos varejistas levavam um bom tempo otimizando as campanhas, e muito frequentemente os lances não acompanhavam todas as combinações de formatos, dispositivos, produto e público-alvo. "A gente subiu do nível da palavra-chave para passar a ter informações, em tempo real, sobre cada categoria de produto. Assim o anunciante precisa apenas ajustar a regra da campanha às categorias que estão sendo mais demandadas e deixar que a IA do Google ajuste a veiculação do anúncio", explica.

Basicamente o varejista diz ao sistema do Google que para determinado produto ele está disposto a ter uma margem de X e investir Y na veiculação da oferta. Olhando para o inventário inteiro que o Google controla, seu sistema de IA vai encontrar quem se encaixa na meta definida pelo cliente, vis a vis a intenção de compra, e aí mostrar o anúncio.

O segundo momento foi durante o evento Fintech @ Google, na última quarta-feira, 28 de novembro. Lígia Cano, Head of User Acquisition LATAM, Mobile Sales do Google, apresentou como a mesma lógica se aplica a esse mercado.

Segundo ela, até hoje a maioria dos profissionais de mídia trabalhou orientado pelo comportamento de busca do consumidor em um determinado período de tempo. E os anúncios eram mostrados de acordo com os termos da busca. Se uma pessoa está buscando por investimento em CDB e eu, gestor de uma carteira, apresento o meu anúncio para ela, provavelmente serei visto e terei alguma chance de sucesso, por estar entrando em contato no momento em que o consumidor está mais receptivo ao assunto. Mas pode ser que essa mesma pessoa, tempos atrás, tivesse feito alguma pesquisa ou assistido vídeos no YouTube sobre partilha de uma herança, ou conversado com amigos sobre o recebimento de um bônus…. Então, eu poderia já ter mostrado para ela o anuncio do CDB, mesmo que ela não tivesse feito a busca.

A Inteligência Artificial do Google pode agora prever uma intenção futura e apresentar o anúncio do seu investimento, antes mesmo da pessoa pensar no assunto. "Em vez de apenas perseguir a intenção, a gente tem que começar a prever e antecipar essa intenção, e é isso que as novas ferramentas de IA do Google fazem", explica Lígia.

Ainda hoje, a maioria das empresas divide a verba publicitária entre performance e branding, vídeo e busca, topo e final de funil e por aí vai… Isso é errado? Não. "Tudo isso é importante e tem mesmo que ser considerado. Porém, uma coisa que a gente vai precisar ter em mente, cada vez mais, é que a intenção está em todos os lugares. Intenção não está só na busca, quando eu quero performance. Não está somente na loja, quando vou fazer uma compra. E awareness não está presente só quando estou vendo um vídeo no YouTube. Essas coisas se misturam. O usuário não é performance em um dia e branding no outro. Ele tem muitos caminhos para buscar as informações que ele precisa. Se a gente só olhar para intenção depois que ela está acontecendo, vai perder alguns sinais muito importantes", diz Lígia.

Significa que para gerar bons resultados para a empresa, a galera de mídia vai precisar se focar mais nas métricas de resultado para o negócio. "CPC, leads, unique vistors, pageviews, time on site, cost per view, shares, organic search ranking, bounce rate… todas essas são métricas de campanha. Elas são muito úteis, mas nunca podem ser a coisa mais importante na hora de definir a estratégia da campanha. O mais importante são as métricas de sucesso do negócio", diz Lígia.

Hoje a maioria dos anunciantes líderes já usa métricas de negócio para definir suas campanhas. Eles pararam de conversar com a média e passaram a conversar com quem realmente interessa para as metas de negócio, usando a segmentação correta (aquele usuário que vai fazer o que eu desejo para o meu negócio). É aí que entra a automação, orientada pela Inteligência Artificial. Ela vai combinar dados do Google com dados do próprio anunciante para traçar o perfil de usuário mais propenso à conversão. Para exemplificar com um case do mercado de fintechs, o Google apresentou a experiência da Sum Up. Em vez de tentar definir manualmente qual seria o melhor perfil alvo, ela poderia usar as campanhas inteligentes do Google. De um mês para o outro ela aumento em 70% o número de pedidos de máquinas de pagamento e reduziu em 29% o custo médio de aquisição.

Como a ferramenta de Inteligência artificial do Google trabalha? Comparando comportamentos. "Se eu tenho um pool de consumidores que procura uma fintech de crédito e consegue obter esse crédito, e conheço o perfil desse pool, a ferramenta consegue procurar por um outro pool de usuários parecido dentro da Web. A probabilidade de você extrair clientes desse novo pool é muito maior do que se o anúncio fosse apresentado para todos os usuário da Web. A ferramenta do Google cruza mais de 300 milhões de sinais, incluindo todas as informações que a gente tem, desde o modelo de celular até o tipo de navegação que ele faz, para definir as personas", comenta Lígia. A partir daí o Google vai cruzar os dados primários dos clientes com os dessas personas.

Tudo isso é  mudança importante no modelo de operação do pessoal de mídia. Ficou mais simples e, ao mesmo tempo, mais difícil para as equipes dos anunciantes, porque as decisões estratégicas precisam ser precisas. A maior reclamação é que o novo recurso remove ferramentas e elimina os dados que permitem aos profissionais de marketing otimizar suas campanhas, fazendo com que os profissionais dependam muito da automação.

Seguindo a mesma lógica, a Intent Lab, uma unidade de pesquisa da Performics e da Northwestern University Medill School of Journalism, se uniu à Microsoft para permitir que profissionais de marketing personalizem campanhas no Bing Ads. O Intent Lab, que se concentra em maneiras de entender melhor o comportamento humano, criou um Intent Scoring Algorithm que ajuda a explicar o pensamento abstrato dos consumidores à medida que eles se aproximam de fazer uma compra, analisando as palavras em buscas e o contexto em torno delas.

E essa não a única experiência da Microsoft na área. Com mais de 700 milhões de dispositivos executando o Windows 10, que suportam a Cortana e o Bing, a Microsoft conseguiu automatizar a publicidade em toda a sua rede de aplicativos e plataformas. Bastou integrar dados do Bing e de seu Audience Network em uma variedade de aplicativos de negócios e de consumo, como o LinkedIn, em toda a sua rede de sites. E usar o Microsoft Graph para puxar e compartilhar dados do Outlook, MSN, LinkedIn, Skype e muitas outras plataformas para direcionar a segmentação baseada em público, em vez da atribuição de palavras-chave.

Ao usar dados do Graph para segmentar consumidores ou públicos-alvo para produtos específicos, a Microsoft  permite que os anunciantes identifiquem mais de 200 categorias nas quais os consumidores sinalizaram a intenção de comprar um produto.

Ok, você até pode dizer que os algoritmos têm sido usados ​​para segmentar anúncios de pesquisa por anos. A diferença é que agora eles reconhecem fortemente as ações e as palavras-chave com base de uma futura intenção, permitindo que os profissionais de marketing segmentem anúncios com maior precisão.

Em outro exemplo de como a IA pode ajudar na melhor segmentação de anúncios, o Facebook enviou uma patente ao Departamento de Patentes e Marcas dos EUA, em novembro, que usa um algoritmo para prever dados demográficos de domicílios com base em dados de imagem. O sistema prevê recursos domésticos como tamanho e composição demográfica com base em fotos de perfil, o que é bastante assustador.

De acordo com o descrito na patente, o sistema online aplica um ou mais modelos treinados usando técnicas de Deep Learning para gerar as previsões. Um algoritmo identifica cada indivíduo na foto, bem como analisar o texto, para determinar a relação entre a pessoa ou as pessoas na foto. Ele também analisa os dados do perfil e as tags associadas às fotos.