Novas tecnologias de armazenamento e análise de dados permitem extrair conteúdo útil de um oceano de informação para aumentar vendas, encantar o cliente e prever tendências de consumo

Novas tecnologias de armazenamento e análise de dados permitem extrair conteúdo útil de um oceano de informação para aumentar vendas, encantar o cliente e prever tendências de consumo

O que você faz em 60 segundos? Confirma o horário de uma reunião, conta uma piada ao amigo da mesa ao lado ou toma um cafezinho. O mesmo intervalo de tempo gasto em atividades triviais ganha proporções surreais quando o assunto é tráfego de dados na internet. 

A cada minuto mais de 1,7 milhão de fotos são curtidas no Instagram; 51 mil aplicativos são baixados na loja da Apple e mais de 4 mil pessoas acessam o site da Amazon de acordo com a americana Domo, consultoria tecnologia.

Com tudo isso, milhões de consumidores deixam rastros ao acessar a internet. E, segundo uma pesquisa da IBM, até dezembro haverá três vezes mais dispositivos conectados a internet do que pessoas no mundo –um dos efeitos da internet das coisas, em que dispositivos até então tradicionais, como eletrodomésticos, estarão conectados à grande rede. 

A dúvida que paira no ar é como tirar proveito de todo esse amontoado de dados que são gerados a cada minuto pelas mais variadas fontes, como redes sociais, empresas e pessoas.

É uma das metas do Big Data, termo sobre o qual você certamente já ouviu falar, mas que muitos ainda desconhecem como tirar partido de sua aplicabilidade. 

Big Data designaa dados e processos cuja escala, distribuição, diversidade e velocidade de criação requer o uso de novas tecnologias de armazenamento e análise. 

Nesta terça feira 26 de abril, o Centro de Excelência em Varejo, da Fundação Getúlio Vargas (FGV), promoveu o seminário Big Data e Métricas no Varejo, justamente para debater o uso de dados para apoiar decisões estratégicas. 

Conheça, a seguir, alguns conceitos sobre uso de Big Data que podem ser úteis para pequenos e médios varejistas. 

COMO COLETAR DADOS DOS CLIENTES 

No e-commerce, há uma parafernália de softwares que possibilitam entender os hábitos de consumo do cliente, produtos visitados, tempo de permanência na página e jornada de compra dentro da loja virtual. 

No varejo físico, o monitoramento é mais difícil. Mas algumas soluções podem desvendar o consumidor. 

Programas digitais de fidelidade, em que o cliente se cadastra para receber vantagens conforme realiza suas compras, podem captar dados pessoais (nome, sexo, local de residência) e dados de comportamento de compra (tíquete médio, frequência e itens consumidos).

Geralmente, esses softwares atrelam os dados ao CPF do cliente, o que facilita o armazenamento de informações em um sistema de CRM. 

Lojas que atuam em multicanal podem adquirir softwares que alinham dados de compra online com offline. Dessa forma, um cliente que compra na loja virtual e já possui dados cadastrados pode ser identificado na loja física. 

SEMINÁRIO NA FGV: MÉTRICAS COMUNS NO E-COMMERCE SE TORNAM REALIDADE NO VAREJO FÍSICO/FOTO: EDUARDO MEREGE

SELEÇÃO DE MÉTRICAS E CRUZAMENTOS DE FONTES  

Ao colher dados, é importante que o lojista determine métricas que deverão ser analisadas ao longo do tempo. Os dados precisam ser cruzados entre si para identificar oportunidades e gargalos de eficiência. 

A empresa de tecnologia Seed Digital capta informações de clientes em tempo real em lojas físicas por meio de câmeras 3D e sensores de movimento posicionados em áreas estratégicas do estabelecimento.

A partir das imagens, um software calcula quantas pessoas pararam para olhar a vitrine, o número das que entraram na loja, o tempo de permanência dentro do estabelecimento, as áreas de maior tráfego e o tempo de espera na fila de pagamento.

O sistema consegue, inclusive, identificar o sexo e a faixa etária com base em traços faciais. 

Os dados captados pela Seed lembram em muito os gerados numa loja virtual – e podem fazer ainda mais sentido se cruzados com informações de faturamento.

Por exemplo, é possível medir a taxa de conversão de vendas ao analisar quantas pessoas entraram na loja e quantas, de fato, compraram durante determinado período de tempo. 

A mesma loja pode explorar, em tempo real, quais arranjos de vitrine mais atraem o consumidor para dentro da loja.  

INFORMAÇÕES PARA TOMADA DE DECISÃO  

Dentro do conceito de Big Data, os dados servem para ser colhidos, analisados e, então, prover informações úteis para tomadas de decisão. 

LEANDRO GUISSONI, DA FVG: DADOS SERVEM PARA TESTAR HIPÓTESES E PREVER TENDÊNCIAS/FOTO: EDUARDO MEREGE

De acordo com Leandro Guissoni, doutor em administração e professor da Escola de Administração de Empresas de São Paulo, da FGV, os dados podem ser usados para calcular decisões a partir de indicadores de desempenho, testar hipóteses, explorar oportunidades e, principalmente, criar modelos de tendências –entender previamente o comportamento do consumidor e do mercado.

O resultado final é ofertar os melhores produtos para a pessoa certa, em no local correto e na hora adequada.  

Por exemplo, uma loja de moda feminina pode usar softwares que analisam palavras-chave em contatos de clientes por telefone, email e redes sociais.

As palavras podem apontar defeitos comuns e sugestões de melhorias em produtos, que poderão ser acatadas numa próxima coleção – e sem a necessidade de contratar consultorias de pesquisas. 

Uma loja de bebidas que usa um programa de fidelidade e faz análise de dados pode antever as compras de um consumidor de acordo com seu histórico de consumo.

Quando ele visitar a loja, pode receber promoções em tempo real para comprar mais itens – e aumentar o tíquete médio.

Se pertencer a uma rede, o lojista pode identificar o raio geográfico de influência da loja e o quanto cada cliente se desloca para comprar – fator essencial para identificar novos pontos de vendas promissores. 

Um caso de sucesso em análise de Big Data e tomadas de decisões ágeis é o da Netflix.

Conforme o usuário navega no site, o sistema mapeia suas preferências e sugere filmes. Se o usuário desistir de algum título antes do fim, o sistema coloca conteúdos similares numa lista negra – um tipo de “não recomendação”, que o usuário não percebe. Isso evita a sensação de “nossa, só tem filme chato aqui”.