• Bem-vindo!

    Comecei a blogar em dezembro de 2008 e no início de 2010 lancei a versão atual, resultado de congressos, aulas, workshops e inúmeros projetos realizados nos últimos anos sobre o que o mercado chama de "analytics".

    Aproveite!

  • Hits

    • 57,540 hits
  • categoria

  • posts mês a mês

Finalizando esta etapa

Queridos leitores, amigos e colaboradores.

Este post é o último desta etapa.

Agradeço a participação de todos, os inúmeros pedidos, as contribuições e críticas sempre educadas.

Escrever estas passagens cotidianas serviu para organizar os pensamentos, exteriorizar temas que ficam guardados em “bunkers corporativos” , conhecer inúmeras pessoas e, perceber que existe muito para ser construído.

Pretendo mergulhar em novas frentes de estudo e amadurecer novos formatos para dar continuidade neste projeto de divulgação de analytics.

O blog ficará no ar até meados de setembro.

O acerco ficará disponível para contatos via email.

Até breve e seja feliz!

Agradeço se puder responder um questionário de 5 perguntas clicando no link abaixo.

https://docs.google.com/forms/d/14tUaBvj67OAybI_tPKnl-e-2a4rKSMK9shNTvCXv-A4/viewform

 

Anúncios

Investigando a dependência entre variáveis não métricas

Uma das mais recorrentes situações que os profissionais de negócios propõem é verificar quais fatores explicam determinado comportamento do cliente. Buscar e encontrar relações de dependência entre variáveis é um dos temas mais interessantes no universo de métodos quantitativos e normalmente viram cases. Descobrir dependência entre consumo de fraldas e cervejas num supermercado (o mais famoso caso) faz com que o gestor possa realizar promoções eficientes; descobrir dependência entre tempo de relacionamento e lucratividade faz com o gestor crie programas de retenção e relacionamento diferenciados; descobrir relação de dependência entre vendas e investimentos em comunicação permite os gestores de comunicação provar o retorno dos investimentos em mídia; descobrir dependência entre nota de recomendação da marca ao amigo e fidelidade a marca faz com um indicador vire um business e seu criador fique rico e famoso.No universo imenso das relações de dependência dentro das empresas, as que mais seduzem os profissionais são aquelas que envolvem duas variáveis: são diretas, objetivas e todo mundo entende.

Existem basicamente duas ferramentas de análise para verificar a existência de relação de dependência entre duas variáveis:

– análise de correlação linear (para variáveis numéricas)

– teste do Qui-Quadrado (para variáveis nominais e ordinais)

Atenção leitor: o tipo da variável é determinante para escolher o tipo de análise.

Já me perguntaram como é que se calcula a correlação linear para verificar a dependência entre duas variáveis nominais. Digo que não é possível. Para verificar a dependência entre duas variáveis nominais usa-se o teste Qui-Quadrado. Mas como tem gente teimosa neste mundo, a criatividade entra em ação. Exemplos:

“Se for sexo masculino substituo por  10 e se for feminino substituo por 20”;

“Quando aparece faixa etária a gente faz assim. Se for entre 20 e 30 a gente usa 25 (ponto médio); se for acima de 70 anos consideramos 71 anos.”

“Fazemos a mesma coisa com a faixa de renda e se for acima de R$ 10.000,00 a gente troca por R$ 15.000,00 para dar uma margem…”

Voltando ao tema. O coeficiente chi-quadrado ou chi-quadrado, representado por (χ2) é um valor da dispersão para duas variáveis de escala nominal. Ele nos diz em que medida os valores observados se desviam do valor esperado, caso as duas variáveis fossem independentes. Quanto maior o valor do coeficiente chi-quadrado mais significante é a relação entre as duas variáveis analisadas.

Essa “calculeira” toda pode ser feita em softwares especialistas e também no excel.

No excel procure pelas funções TESTE.QUI e INV.QUI, p-valor do teste e valor chi-quadrado respectivamente.

Criei uma planilha já parametrizada para executar algumas configurações de estudos.

Case exemplo

A figura abaixo apresenta um case onde a questão principal da pesquisa era identificar quais variáveis estariam relacionadas com o ticket médio de uma loja de brinquedos. Após vários testes, encontramos a principal variável do estudo: a faixa etária. Os valores de Qui-Quadrado (11,1) e Teste Qui-Quadrado (0,026) garantem que as variáveis faixa etária e ticket médio são dependentes ao nível de 0,05% de significância.

Teste qui-quadrado

Este ponto não é fim da análise como muitos pensam, é o começo. Explico: Descobrir que dentre uma lista de variáveis, aquela com maior associação com o ticket médio já é uma descoberta importante, sobretudo em empresas carregadas de paradigmas que nunca foram testados com profundidade. Ao descobrir que a faixa etária é a principal variável em termos de associação com o ticket médio, “descemos” a análise para as categorias. Aqui decobrimos que quanto maior a faixa etária maior a incidência de ticket médio “acima de R$50,00”.  “E daí?” – sempre me perguntam.  Bom se a faixa etária é a principal variável para o ticket médio e, se quanto maior a idade maior o ticket médio, suas lojas devem se preparar para atender os consumidores mais velhos, pois na sua loja eles trazem mais dinheiro que as outras faixas etárias. Sua loja está preparada para recebê-los? Seus atendentes tem treinamento específico? Os displays possuem letras visíveis? Existem facilitadores de acesso?

Parece simples…mas quem faz?

Para maiores detalhes procure bibliografia específica

(se você quiser receber uma planilha pré-formatada para teste de dependência basta enviar um email para rogerio.carpi@datalogos.com.br)

Curso: Mensuração das Estratégias de Comunicação

Carga horária: 20 horas
Dias da semana: segunda e quarta
Período: de 10 a 26 de junho de 2013
Horário: das 18h30 às 22h30

Centro Universitário Belas Artes – São Paulo

Mais informações e inscrições:

http://bit.ly/yyQhpP

Entendo mas….e daí?

Essa foi a pergunta de uma aluna do curso da ABEMD a quem dedico este post.

Fizemos uma enquete rápida sobre o nível de satisfação da turma em relação aos serviços prestados pela empresas de telefonia celular. A pergunta era simples: Entre 1 e 10, qual é o seu nível de satisfação com os serviços prestados. Após uma rápida tabulação chegamos a uma média de 6,9 com desvio padrão 1,2. Esse desvio padrão comparado com a média produz um coeficiente de variação de 17% (1,2 / 6,9 * 100). Resumindo: o índice de satisfação está relativamente bom perto de outras enquetes realizadas e o desvio padrão está baixo mostrando que o grupo está homogêneo em relação ao nível de satisfação. Tudo simples até aqui.

Ai veio a pergunta: “- Entendo mas…e daí?”

Respondo de duas formas.

Isso não é relevante, sobretudo se você não tem cultura analítica para tomar decisões. Esses indicadores (média e desvio padrão) serão colocados num powerpoint e cairão no esquecimento rapidinho.

Por outro lado sim, é muito relevante. Pode até ser estratégico. Se você tem cultura analítica e, supomos, tem a gestão e a verba aprovada para fazer um ataque a concorrência irá entender que atacar um concorrente com nível elevado de satisfação (6,9) e ainda por si com alta homogeneidade (1,2) não é uma boa ideia.

Para finalizar criei um modelo metodológico bem parecido com aqueles dos livros de administração de marketing baseado nos níveis de média de satisfação e do desvio padrão sobre dados de satisfação de um concorrente.

Na figura abaixo temos quadrantes que implicam em estratégias diferentes. E você, como usa suas estatísticas mais simples? É um número no powerpoint ou é uma estratégia?

Image

Vagas de trabalho 10

Função: especialista em modelagem preditiva e estatística multivariada

nível: pleno / senior

local: São Paulo

Desejável: conhecimentos em modelagem estatística sobre dados de Ecommerce

A última (e pior) impressão é a que fica

Certamente você já ouviu a expressão “a primeira impressão é a que fica”.  Segundo pesquisas em neuromarketing, o cérebro humano tem a característica de armazenar as últimas experiências e as experiências negativas, e essa característica contribuiu para estarmos aqui hoje enquanto espécie bem sucedida.

Nas questões mercadológicas a frase poderia ser trocada por “a última impressão é a que fica” ou também por “a pior impressão é a que fica”.

Um cliente insatisfeito não reclama mais do que um satisfeito?  Não tem gente que perde o dia quando descobre um risco de 1 cm na pintura do carro? Seu amigo passa 5 dias numa praia paradisíaca e na volta só fala sobre a fila no pedágio? De fato nossa atenção prioriza notícias ruins. Com isso, nós enquanto consumidores tendemos a dar mais importância para os últimos momentos de uma transação de consumo e lembramos sobretudo do que foi negativo.

Uma família passou o feriado de carnaval num conhecido clube social nas Perdizes em São Paulo. Já contaram para mais de 10 pessoas que o clube é péssimo, pois não deixaram a filha entrar no tobogã de água por causa do limite de altura quando a régua de medir a altura é que estava fora de posição.

Agora analise comigo a seguinte situação: um cliente vai até um supermercado de ótima reputação e anúncios prometendo um lugar bonito, feliz e agradável para fazer compras. Passa 45 minutos escolhendo os produtos que precisa, entre os quais aqueles que irá usar para preparar um churrasco para os amigos. Gasta em torno de R$ 250,00. Na hora de passar pelo caixa uma surpresa: 7 pessoas na fila, 15 minutos de espera e um caixa desmotivado e pouco feliz com a função que exerce. Bom supondo que o cérebro humano realmente armazene as últimas experiências e as negativas, nessa situação proposta, esse cliente terá armazenado uma experiência ruim daquela marca. 

Do ponto de vista analítico, as deficiências no processo final de compra são normalmente reveladas por alguns índices. Gestores felizardos podem gerenciar suas operações com apoio dos 3 indicadores de mercado abaixo:

– índice de satisfação,

– intenção de recompra

– índice de recomendação da marca.

A marca pode apresentar ótimos índices de lembrança, ter um belo market-share e uma boa avaliação dos produtos vendidos. Porém, as deficiências associadas à última experiência do consumidor são reveladas pelos baixos índices de satisfação, intenção de recompra e recomendação da marca.

Entendo tudo isso, mas o que fazer? A dica é analisar os processos de compra e interação dos clientes da sua empresa (ponto de venda, e-commerce, pós-venda,etc.) e verificar honestamente se as últimas experiências desses processos estão dentro do nível esperado pelos clientes. Caso não estejam, corrija imediatamente esses processos. Conheço empresas que trocaram produtos bons e até o ponto de venda por causa de queda do desempenho quando bastaria apenas reduzir o tempo gasto para pagamento.Na medida do possível antecipe o pagamento, reduza filas na saída, reduza tempo de aprovação de transações, reduza o tempo de consultas, reduza tempo de espera do estacionamento. Faça tudo que estiver ao seu alcance para que a última experiência do consumidor seja positiva não dando chances para que o cérebro grave uma experiência final negativa. Com isso os índices melhorarão principalmente o da intenção de recompra. Parece simples? Mas quem faz isso?

 

Fórum Mundial de Neuromarketing

local: São Paulo

data: 06/03/2013 a 08/03/2013

link: http://www.neuromarketingworldforum.com/pt

Image