26 de fev de 2018

Como um modelo de previsão de conversão ajudou um negócio a dobrar as vendas

Udacity Brasil

Acelerar a conversão na venda é um dos grandes desafios das áreas de marketing e comercial de uma companhia. E quanto mais rápido for esse processo, mais lucratividade o negócio terá, já que o tempo de prospecção e relacionamento com o lead (potencial cliente) demanda esforços e recursos.

A boa notícia é que a combinação de tecnologia e análise de dados tem ajudado muitos negócios a aumentarem sua conversão e fazerem uma gestão mais inteligente e eficaz dos leads que já captaram.

O que está por trás dessa conexão é o conceito de análise preditiva, descrito pela consultoria Gartner como “uma forma de análise avançada que examina os dados ou conteúdo para responder à pergunta ‘o que vai acontecer?’".

Para tanto, utiliza uma combinação de técnicas de estatística, aprendizado de máquina e mineração de dados com o objetivo de encontrar significado em volumes exponenciais de dados.

Na análise preditiva, um modelo estatístico é formulado a partir dos dados coletados. Em seguida, são feitas previsões e, de acordo com o resultado, o modelo é validado ou revisto.

O elemento central da análise preditiva é conhecido como preditor, uma variável que pode ser medida por para prever futuros comportamentos.

É uma metodologia utilizada por diversas indústrias e setores, capaz de trazer resultados tanto para investigações policiais quanto para previsões meteorológicas, pesquisas genéticas ou marketing.

Leia: 4 motivos para começar a aprender machine learning hoje

Como funciona uma previsão de conversão na prática

Leandro Braga, engenheiro e aluno do curso Nanodegree Engenheiro de Machine Learning da Udacity, aproveitou seus novos conhecimentos para elaborar um modelo para previsão de vendas para a empresa em que trabalha, uma administradora de cartões de crédito.

“O setor de cartão de crédito utiliza intensivamente modelagem preditiva para predizer probabilidades de inadimplência, pagamento, utilização e abandono do cartão", começa Leandro, que aprendeu sobre o potencial da tecnologia quando era analista de risco.

Como responsável pelas vendas de produtos financeiros (como seguros e assistências), Leandro identificou a possibilidade de utilizar o machine learning para identificar qual o serviço era mais adequado para cada perfil de cliente.

Avaliou que essa estratégia seria muito útil para maximizar vendas e reduzir custos e começou a desenvolver modelos. Acertou.

Seu modelo preditivo específico foi baseado no algoritmo de regressão logística, que já era amplamente utilizado pela empresa, e os resultados foram "excelentes".

“Em um caso específico, dobramos a venda de um determinado produto sem aumentar um centavo em ações do comercial e do marketing. Apenas selecionamos melhor os leads”, destaca ele.

Leia: 8 técnicas para aumentar o ROI de suas campanhas de mídia

Probabilidade e custo

Depois de coletar informações sociodemográficas e comportamentais dos clientes, Leandro criou um algoritmo que selecionava os leads após calcular a probabilidade que cada um tinha de adquirir um determinado produto.

Os nomes selecionados foram então encaminhados para a equipe de telemarketing ativo.

Segundo o aluno – que planeja fazer uma transição de carreira para trabalhar especificamente com machine learning –, isso fez com que a empresa não perdesse tempo com clientes que dificilmente adquiririam o serviço em questão.

“A empresa economiza dinheiro descartando leads com baixíssima probabilidade de conversão na venda e concentra os esforços em clientes que são mais propensos a adquirir o produto", resume.

Onde a tecnologia foi aplicada, a taxa de vendas por contato triplicou e a quantidade absoluta de vendas dobrou – em um mês.

“Com a análise preditiva e um portfólio variado, pode-se calcular a probabilidade do cliente adquirir cada um dos produtos", empolga-se.

O passo seguinte é traçar uma estratégia de vendas baseada nessa informação e que ofereça apenas os produtos que realmente fazem sentido para cada um. "É possível reduzir consideravelmente o custo de se adquirir um cliente”, conclui Leandro.

About the author
Udacity Brasil