Campanhas guiadas apenas por intuição ou experiência profissional não têm espaço nas ações de Comunicação. Estratégias data-driven são essenciais para marcas e agências que buscam alinhamento, otimização e resultados consistentes. Por meio de dados, é possível não apenas olhar para o desfecho de uma campanha e saber o que aconteceu, mas também entender como e por que.

É isso que defende Marcel Ghiraldini, cofundador e vice-presidente Executivo de Marketing e Vendas da MATH Group. A essência de uma cultura de dados, destaca o especialista, está em "alimentar o time criativo com evidências da realidade". "Existem equipes que não têm estratégias data-driven, mas acham que têm porque olham só os dados finais", pontua. Isso é um comportamento contrário ao objetivo das campanhas: "Quando você cria um elemento de Comunicação, você espera um comportamento ou sentimento que gere uma ação, mas você não mensura isso".

Três pilares para construir uma cultura de dados

Um dos equívocos mais comuns na hora de interpretar dados é parar na superfície e saber apenas que "a campanha gerou vendas". Para Marcel, é fácil entender o que aconteceu, mas entender o como e o porquê é o que vai fazer diferença na hora de alimentar ações futuras. "Esse porquê envolve o comportamento do consumidor, os concorrentes e até as tendências nas redes sociais. É por meio dele que eu me organizo e pondero sobre o que eu quero que aconteça daqui pra frente", explica. 

Além disso, é preciso ter em mente que, por mais verdadeiro que seja, o dado não é a realidade. Então, por mais madura que a cultura data-driven seja, é necessário considerar as margens de erro. "Você saber com 70% ou 80% de certeza é muito melhor do que não saber. É preciso reconhecer a incerteza que você tem e vencer o medo que sente dela", afirma.

É por isso que, na trajetória para adotar as estratégias de dados, Marcel destaca três pontos essenciais:

1. Definir o problema: Ele explica por meio de uma analogia com a história de 'Alice no País das Maravilhas': "O gato pergunta 'Para onde você quer ir?' e ela responde 'Eu não sei'. Pois então qualquer caminho serve". Ou seja, muitas empresas querem respostas sem ter clareza das perguntas.
2. Aplicar o método científico: É um ciclo que força a criação de perguntas e evita que novos erros aconteçam. "Usamos muito na Math. É criar hipóteses, testar, aprender e escalar ou descartar", explica.
3. Garantir qualidade na mensuração: Para Marcel, o Google Analytics criou uma cultura de que "é só botar tag que resolve". "As pessoas tinham dados populados e achavam que era tudo o que precisavam", afirma. Isso passa também por ter alguém que conheça a estrutura técnica de captação, o que vai assegurar que as perguntas feitas sejam respondidas assertivamente.

Cultura data-driven nas empresas

O primeiro passo é entender o que a organização espera com o investimento em estratégias data-driven. Um dos métodos usados por Marcel é a 'Matriz de Impacto de KPIs': uma ferramenta que não foca na visão técnica por trás da cultura de dados, mas na utilidade dessas informações. É por isso que ela também é uma forma de gerar alinhamento e destacar a relevância do trabalho de Comunicação dentro da equipe e para o resto da empresa. "Quando você consegue mostrar: 'Estamos no caminho certo, está faltando dinheiro para chegar no que a gente precisa, mas está funcionando', fica mais fácil a conversa", exemplifica.

Outro fator que deve ser levado em consideração é o crescimento da estrutura do Marketing nos últimos anos: "Quem ainda acha que somos a dupla criativa, o profissional de HTML e o de Mídia, está muito errado". No entanto, o pessoal para sustentar uma operação data-driven varia conforme o porte, os recursos e, acima de tudo, as necessidades. Equipes mais robustas costumam contar com engenheiros de dados e dialogar com a área jurídica para garantir a conformidade com a Lei Geral de Proteção de Dados (LGPD). 

Quando o assunto são ferramentas, o investimento deve considerar o retorno potencial. Segundo Marcel, o Adobe está entre os recursos mais completos e já rendeu até prêmios para a equipe da Math, mas não é viável para todas as empresas. Hoje existem opções baratas e até gratuitas, além da possibilidade de ter uma ferramenta integrada a diferentes plataformas. Mas o executivo alerta: essas podem ter lacunas, o que torna necessário avaliar quais brechas são aceitáveis de acordo com a operação. "Pode ter um gap de dois dias na coleta ou não ter tanta qualidade", afirma.

Inteligência artificial como aceleradora

É impossível falar da cultura data-driven sem citar a Inteligência Artificial, que tem ampliado a capacidade de análise. Marcel pontua que um dos benefícios é identificar problemas sutis por meio do cruzamento da IA com dados de telemetria, que verificam o funcionamento do servidor. "Às vezes surge um pequeno alerta de que meia dúzia de pixels não estão carregando. Se esses pixels forem um botão, isso evita uma ação de pagamento", afirma. Ou seja, um aviso vindo do servidor, que a equipe talvez não se importasse, será destacado pela Inteligência Artificial.

A IA também consegue identificar mudanças nos padrões de comportamento do usuário, o que pode significar um gargalo de navegação. E claro, talvez um dos usos mais interessantes seja na própria interpretação dos dados, trazendo insights que não foram percebidos pelo olhar humano. "Quando tem muito 'mato alto' e o time não sabe o que fazer, vale a pena usar a Inteligência Artificial generativa para olhar para esses dados", salienta.

Felizmente, com o avanço das tecnologias e a popularização de ferramentas acessíveis, a adoção de estratégias data-driven já está ao alcance de empresas de todos os portes. Mas o sucesso não depende apenas da infraestrutura: exige clareza de objetivos, método, qualidade na mensuração e uma mudança cultural que envolva toda a organização.