Small Data e fidelização: como encontrar grandes insights nas pequenas informações

 Imagem: Pexel

Imagem: Pexel

Sabe aquele momento em que você precisa entrar em um elevador, mas junto de você tem um amontoado de pessoas com o mesmo objetivo? Depois de um tempo, você finalmente consegue adentrar no recinto móvel (me esforçando aqui para evitar a repetição) e está se sentindo mais vencedor que o personagem do filme do Stallone, mas quando a porta está prestes a fechar, aparece alguém correndo com a intenção de lhe acompanhar em sua curta viagem.

Nesse momento, você precisa tomar uma decisão: segurar a porta para essa pessoa ou deixar que a vida siga seu curso? É importante lembrar que, enquanto você se prepara para tomar essa decisão, seu cérebro está ocupado com algumas coisinhas importantes, como te manter respirando para que você continue vivo, por exemplo.

Alguns detalhes podem ser somados para a contextualizar a tomada de decisão:

  • Estou atrasado para uma reunião no trabalho?

  • A pessoa é conhecida? Um amigo? Uma pessoa não muito querida?

  • O elevador já está com sua capacidade completa?

Como você pode notar, são muitos os fatores envolvidos para que tomemos uma decisão aparentemente simples em nosso cotidiano. Quando vamos analisar dados em estratégias de relacionamento, a lógica é mais ou menos essa. São muitos dados, tantos que, se você não estabelecer um critério, não tiver ferramentas e tecnologias para transformá-los em insights, ficaremos inertes, acumulando milhares e milhares de informações e sem conseguir oferecer nada de relevante para o participante.

Em um paralelo com a história do elevador, seria como não ser capaz de tomar a decisão: segurar ou não a porta para o cidadão que se aproximava. Mas graças a nossa incrível inteligência não artificial, no dia a dia, nosso cérebro consegue filtrar todos os ruídos e nos permitir tomar aquela decisão em fração de segundos. Ou seja, ele conseguiu observar no nosso super Big Data, um insight, Small Data, que se tornou uma decisão.

Small Data é apenas um conceito mas que traduz uma nova abordagem necessária e urgente para repensarmos a nossa forma de consumir e tomar decisões pautadas em dados.

Numa aplicação mais conectada ao nosso dia a dia, quanto mais biônicos nos tornamos (fazendo uso de smartphones, smartwatches, smart glasses, smartbooks, etc) maior é a quantidade de dados disponíveis para revisitarmos as nossas decisões diárias e, portanto, mudar ou criar novos hábitos. 

O problema  é que esta quantidade de dados muitas vezes ultrapassa a nossa capacidade humana de processá-los e, por isso, quanto mais dados, mais ruído. E é aí que o Small Data mostra o seu valor prático, pois, se a quantidade de dados processada é maior que a minha capacidade de analisá-las, a decisão tomada acaba se tornando mais emocional do que racional - um contraponto forte com a cultura que estamos evoluindo.

Small Data aplicado para análise de dados

Há alguns meses troquei de smartphone e notei que ele já veio com um aplicativo que me permitia medir e registrar algumas informações, como quantos passos eu caminhava por dia, qual a minha rotina de sono, quantidade de líquidos ingeridos, etc. Depois de 6 dias acompanhando e alimentando as informações adicionais (inputs manuais como: medir pressão e contabilizar líquidos), recebi o seguinte relatório:

small data machine learning podcast.JPG

Considerando os números da imagem acima, depois de toda compilação e mensuração de dados, o insight que uma solução baseada em Small Data poderia me proporcionar é: se em 6 dias eu dormi apenas 40h (e a média/dia desejada são 8h), anualmente eu deixo de dormir 52 noites. Ou seja, mesmo considerando o total de minutos ativos, a média de calorias perdidas e vários outros dados disponibilizados nesse gráfico, nada é mais relevante do que a informação: "você está dormindo pouco e isso precisa ser mudado com urgência”.

Podemos encontrar outro exemplo na indústria automotiva, que cada vez mais implementa  novos sensores e medidores nos veículos de passeio convencionais.

Essas novas aplicações ainda não trouxeram nenhum resultado prático do que é exibido nos painéis dos veículos para os condutores. Isso acontece porque, embora sejam informações relevantes para a manutenção do veículo, não são relevantes para o condutor no momento em que ele está dirigindo.

Para os condutores, uma luz amarela indica que é necessário parar o carro o mais breve possível,  procurar uma assistência especializada para acessar o computador de bordo e atuar em algum problema sério do veículo. 

No passado, alguns carros (modelos de luxo) tinham um mini diagrama do veículo para exibir qual porta estava mal fechada. Hoje, praticamente todos os veículos possuem esse alerta, porém, apenas com uma luz indicativa para a tomada de decisão necessária: pare, estacione o veículo e cheque as portas.

 

Estes são exemplos do grande valor do Small Data:  minimizar ruídos (excesso de dados e indicadores) para auxiliar as tomadas de decisão racionais, por meio de escolhas de dados mais adequadas às necessidades ou às frequências de tomada de decisão. 

 

Como Small Data pode auxiliar tomadas de decisão em programas de fidelidade e incentivo?

Aqui na Valuenet planejamos programas de fidelidade e incentivo para grandes empresas utilizando o Fielo, nossa tecnologia para gestão de programas, o que possibilita a geração e monitoramento de relatórios e KPIs em tempo real.

 

Mesmo podendo contar com uma plataforma robusta, o nosso lado humano não permite analisar e tomar decisões na mesma velocidade que os novos dados são disponibilizados.

 

Em um determinado momento, em projetos de dois importantes clientes, chegamos ao ponto crítico de ter avaliações trimestrais de 86 e 126 indicadores, sendo que poderia ser necessário traçar planos de ações individuais para cada um deles. A conta não fechava e o Small Data foi a metodologia que recorremos para, junto com os nossos clientes, nos re-educarmos e encontrarmos novas formas de tomada de decisão.

Foi assim que criamos uma metodologia própria, o FACE (Ferramenta de Análise e Controle de Elegibilidade), que, traçando um paralelo com outras soluções no mercado, atua como um score de crédito que atribui uma nota para todos os participantes, sendo essa nota o resultado dos objetivos de negócio, cruzado com a performance do usuário.



Seguimos a mesma lógica do score de crédito - solução adotada pelo mercado financeiro. Existem faixas de score que determinam qual será a nossa atuação (incentivar um comportamento, evitar comunicação “x”, etc).  O interessante deste formato, e dos resultados que estamos gerando com esta nova abordagem, é que agora as avaliações são feitas usuário a usuário, mas as ações são feitas em agrupamentos relevantes. E tudo isso é dinâmico, ou seja, quando o dado atualiza, a nota também atualiza e o plano de ação que precisamos traçar para determinado participante muda, pois muda também o grupo (faixa de score) que ele está no momento.

Falei sobre Small Data, Machine Learning e sobre como tecnologias podem auxiliar a oferta de personalização em estratégias de relacionamento no Podcast Engajadores, iniciativa do Tudo Sobre Incentivos. Para conferir, é só clicar no player abaixo.

E para entender como o Small Data pode auxiliar a estratégia de relacionamento da sua empresa, entre em contato com um de nossos especialistas!

 

 

Sobre o autor:

FOTO-CARBONE.png

Renato Carbone
Publicitário, com 10 anos de experiência na área de Loyalty e Incentivos. Na Valuenet, é líder do Lab de Soluções da  onde desenvolve projetos personalizados por meio de mapeamento de gatilhos culturais e motivacionais, que influenciam nos comportamentos incentivados ou monitorados.