Como [não] prever o futuro a longo prazo?

“É difícil fazer previsões, especialmente sobre o futuro.” Por definição, o futuro é incompreensível até que aconteça e, a essa altura, geralmente é tarde demais para fazer algo a respeito. Você pode procurar por outras ferramentas para mudar o caminho e torcer o futuro em uma direção específica e criar Loonshots que tenham uma visão de longo prazo.

Nossos projetos em laboratórios — em áreas como barcos autônomos, hardware para otimizar consumo de energia, saúde problemas “brasileirados” como poço artesiano no nordeste e já já atacar análise de tuberculose usando rede neural (porque não dá, 60 mil pessoas morrerem no país por mês — pouco se fala pois são em lugares muito pobre, principalmente em presídios) e um grupinho que se diz médico mas não passam de administradores de hospitais (gigantes) não liberam data set de imagem de pulmão “pq eh sigiloso”, administram hospitais com uma pegada (Ambev/Americanas, custo custo….) eu aprendi com meu pai anão respeitar regras estúpidas e já estamos dando um jeito (e não investem em pesquisa como um John Hopkins e uma Mayo Clinic, imagem, educação e robótica — podem levar uma década ou mais para ficarem prontos). Isso não é apenas bom: é por design e já construindo algo em cima de tecnologias que acreditamos ter em 3–4 anos, 5–6…Pra que esperar? Vai que….

O primeiro passo é descartar suas suposições sobre o que é possível e estar pronto para reconfigurar sua visão de mundo em um instante. “Quando você está construindo coisas que ninguém jamais construiu antes, é quase certo que suas suposições estão erradas”.

O livro Superforecasting: The Art and Science of Prediction, no qual o psicólogo social Philip Tetlock e o jornalista Dan Gardner argumentam que uma boa previsão começa com humildade, curiosidade insaciável e ignorância assumida.

Isso por si só requer uma mudança de perspectiva, especialmente porque a maioria das pessoas iguala o sucesso a “estar certo”.

Isso é agravado pelo efeito Dunning-Kruger, um viés cognitivo que faz com que as pessoas superestimem seu próprio conhecimento ou habilidade, principalmente em áreas em que na verdade não sabem quase nada. “Pundits e especialistas com uma visão de mundo estabelecida são consistentemente menos bons em prever como as coisas vão acontecer do que as pessoas que entram com uma atitude de aprendizado e coleta de dados”, diz Watson.

Se um Loonshot é sobre olhar além de onde você pode realmente ver, nosso telescópio é um “cone de incerteza” apontado para o futuro. Quanto mais longe você olhar, mais difícil é fazer previsões precisas. Algumas vezes nossos Loonshots não serão sobre olhar para o futuro mas simplesmente enxergar com atenção o hoje, o motor foi inventado antes da bicicleta.

É verdade que ninguém pode prever o futuro, mas podemos prever onde a inovação não convencional provavelmente terá maior impacto a longo prazo.

Para estreitar o cone de incerteza, use ferramentas como análise de dependência, análise tecnoeconômica e o que ele chama de avaliações “o que precisa ser verdade para que isso seja bem-sucedido”, para dissecar ideias e avaliar a lógica por trás delas.

Qual é o custo real e o benefício da tecnologia? Qual é a probabilidade da solução não apenas funcionar, mas também ser prática o suficiente para interromper todo um setor?

Quais são as múltiplas forças futuras que podem se cruzar para criar novas oportunidades ou desafios em um território?

A partir daí, é uma questão de tentar coisas audaciosas, celebrar o que aprendemos com nossos fracassos e seguir o projeto onde quer que ele leve.

Apenas não invista muito no que você construiu ou em suas próprias suposições.

Caso contrário, você ficará relutante em focar no que realmente importa, mesmo que o projeto exploda na sua cara — às vezes literalmente. A estranheza do universo é mais forte do que nossas mentes estão dispostas a tolerar, então vamos continuar procurando onde estamos errados.

A vida é muito mais divertida se você está animado para descobrir que está errado. E, eventualmente, podemos até estar certos.

Futuro de Curto Prazo | Métricas Preditivas (estaremos errados, pelo menos tentemos certo)

Quase todas as métricas que você usa atualmente têm um segmento comum: elas são quase todas retrógradas e restritivas.

Se você deseja aprofundar a influência dos dados em sua organização — e sua influência pessoal — 30% de seus esforços de análise devem estar centrados no uso de métricas prospectivas. Métricas preditivas!

Mas primeiro, vamos dar um pequeno passo para trás. O que é uma métrica?

Uma métrica é um número. Simples assim.

Taxa de conversão. Número de usuários. Taxa de rejeição. Todas são métricas.

[Nota: A taxa de rejeição foi banida do Google Analytics 4 e substituída por uma métrica composta chamada Sessões Engajadas — o número de sessões que duraram 10 segundos ou mais, ou tiveram 1 ou mais eventos de conversão ou 2 ou mais visualizações de página.]

As três métricas acima são de aparência retrospectiva. Eles estão nos contando o que aconteceu no passado. Você conhecerá agora que isso é verdade para quase tudo o que está relatando (se não tudo). Mas, quem não quer ver o futuro?

O problema é que o futuro é difícil de prever. Ninguém faliu prevendo o passado. :)

Por que usar as Métricas Preditivas?

Primeiro, porque temos um time de ML NÍVEL de qualquer nação, e com mais vontade e Gana de aprender além de 1600 profissionais com a mesma gana, Sparta..

Como analistas, convertemos dados em insights todos os dias (ou deveríamos !?). Incrível. Apenas algumas dessas ideias são transformadas em ação — por várias razões sua influência, qualidade de insights, histórias incompletas, etc.

Cara triste. Ideias são muito frágeis e normalmente vêm as vozes mais baixas.

Uma das maneiras mais eficazes de garantir que seus insights sejam convertidos em ações comerciais de alto impacto é prever o futuro.

Considere esse insight derivado dos dados: (percentuais hipotéticos)

A taxa de conversão de nossas campanhas de email é de 4,5%, 2x da pesquisa do Google. Agora considere este:

A taxa de conversão de nossa campanha de email é de 4,5%, 2x da pesquisa do Google.

Nossa análise sugere que você pode passar de seis campanhas por e-mail por ano para nove campanhas de email por ano.

-Por fim, considere esta:

A taxa de conversão da nossa campanha de e-mail é de 4,5%, 2x da pesquisa do Google. Nossa análise sugere que você pode passar de seis campanhas por e-mail por ano para nove campanhas de e-mail por ano. Prevemos que isso levará a U$9 milhões adicionais em receita incremental.

A métrica prevista é uma nova receita incremental. Não apenas isso, você usou matemática e dados para identificar quanto da receita prevista será incremental.

Qual desses três cenários garante que seu insight seja atingido? Sim. Aquele com a métrica preditiva.

Porque é difícil, muito difícil, ignorar seus conselhos quando você vem com U$9 milhões em receita incremental!

Iniciando sua Jornada de Métricas Preditivas: Super-Hiper-Fácil.

Em um desenvolvimento deliciosamente maravilhoso, todas as ferramentas de análise que valem o seu sal estão adicionando métricas preditivas ao seu arsenal. Como uma maneira de se diferenciar com sua própria opinião sobre esse recurso é de trazer algo incrivelmente valioso para empresas de todos os tipos / tamanhos.

No Google Analytics, uma métrica prevista precoce foi: Probabilidade de Conversão.

Simplificando, a probabilidade de conversão determina a probabilidade de um usuário se converter durante os próximos 30 dias!

O Google Analytics, neste caso, está analisando todos os dados de terceiros para todos, identificando padrões de comportamento que levam a conversão, agora olhando para todos que não se converteram e, em seu nome, dando uma pontuação de 0 (sem chance de conversão) a 100 (chance muito alta de conversão).

O que é particularmente empolgante é que a probabilidade de conversão é calculada para usuários individuais.

Você pode acessar o relatório facilmente no GA: Público> Comportamento> Probabilidade de conversão.

Um uso óbvio desse comportamento previsto é fazer uma campanha de remarketing com foco em pessoas que precisam de um empurrão para converter, 7.233 no caso acima.

Porém, existem usos adicionais desses dados para identificar a eficácia de suas campanhas.

Por exemplo, aqui está a fonte de tráfego classificada pela Probabilidade Média de Conversão.

Além de entender a taxa de conversão (última coluna), agora você também pode considerar quantos usuários chegaram por esse canal que provavelmente serão convertidos nos próximos 30 dias.

Talvez mais agradavelmente você possa usá-lo para segmentação.

Exemplo: Crie um segmento para probabilidade de conversão > 50%, aplique-o aos seus relatórios favoritos, como os do conteúdo.

Há muito mais que você pode explorar.

Três novas métricas preditivas!

Com tudo virando para o mundo emocionante do Google Analytics 4, você ganha um pouco mais para adicionar ao seu arsenal de métricas preditivas.

A probabilidade de conversão está sendo EOLED com GA4, mas não se preocupe, pois você obtém uma substituição do tipo semelhante: Probabilidade de Compra.

A probabilidade de um usuário que esteve ativo nos últimos 28 dias registrou um evento de conversão específico nos próximos 7 dias.

Atualmente, os eventos de compra / e-Commerce purchase e IN_APP_PURCHASE são suportados.

Você pode fazer as mesmas coisas que discutimos acima para a probabilidade de conversão.

Para ajudar você a se aproximar de nossa equipe financeira — precisamos ser melhor com eles! — temos obtém uma métrica preditiva que eles vão adorar: Previsão de Receita

A receita esperada de todas as conversões de compra nos próximos 28 dias de um usuário que esteve ativo nos últimos 28 dias.

Você pode deixar sua imaginação correr solta quanto ao que você pode fazer com esse poder.

Posso sugerir que você comece analisando essa previsão e faça um brainstorming com sua equipe de marketing como você pode superar o déficit de receita! Não apenas usando estratégias pagas, mas também ganhos e possuídos.

Obviamente, no caso raro, a previsão de receita é maior que a meta, todos podem descontar seus dias de férias e visitar Cancun. (Espere. Esqueça Cancun. Essa marca está contaminada. :)

Há mais uma métrica prevista que eu sempre gosto mas tem um

Peso menos em consumer internet business com ticket médio alto.: Churn Probability / Probabilidade de Rotatividade.

A probabilidade de que um usuário que esteve ativo em seu aplicativo ou site nos últimos 7 dias não estará ativo nos próximos 7 dias.

O que é essa citação? Custa 5000x mais adquirir um novo usuário do que manter o que você já tem? Posso estar exagerando um pouco.

Para desenvolvedores de aplicativos/jogos móveis em particular (ou para sites de conteúdo, ou qualquer entidade para quem a atualidade/frequência é uma proposta de vida ou morte).

Churn é uma obsessão constante e agora você pode obter prontamente a probabilidade de churn.

Vamos fazer isso uma prática comum analítica para entender o comportamento, as fontes, os usuários, que são mais/menos propensos a mudar e acionar os insights.

O GA 4 não fornece essas métricas simplesmente à toa. Os algoritmos exigem um certo número de usuários, conversões, etc., para garantir que eles façam cálculos corretos em seu nome.

Essas três métricas preditivas ilustram o poder que os cálculos prospectivos têm para você.

Não há limites para o quanto você pode levar essas abordagens para ajudar sua empresa não apenas a olhar para trás (você ficará preso a isso 70% do tempo), mas também a dar uma olhada no futuro (tente gastar 30% de seu tempo aqui).

E considere segmentar Probabilidade de Compra, Probabilidade de Receita e Probabilidade de Churn!

Nirvana de Métricas Preditivas — Um Exemplo.

Para um analista de dados, poucas coisas chegam perto do nirvana em termos de previsões perspectivas de análises sofisticadas do que ajudar a definir todo o orçamento para o ano, incluindo a alocação desse orçamento em canais com base em curvas de retorno decrescente e oportunidades futuras e prever: Vendas, Custo por venda e Brand Lift.

Veja como isso parece na prática de análise da nossa equipe…

Obviamente, todas essas células têm números nelas. Você entenderá que compartilhá-los com você seria um movimento de limitação de carreira da minha parte. :)

Posso dizer que existem treze conjuntos de elementos diferentes que entram nessa análise (lançamentos de produtos, comportamento do concorrente, análise anterior de eficácia e eficiência, plano de mídia de marketing subjacente, mudanças futuras no setor e muitos, muitos, muitos dados).

Os elementos super legais — também conhecido como super difícil — incluem a capacidade de vincular o marketing de marca a vendas de curto, médio e longo prazo.

As alocações prospectivas são baseadas em simulações que podem levar todos os itens acima, para responder a planos de baixo, médio e alto risco — a partir dos quais nosso líder sênior pode escolher aquele que acredita estar alinhado com sua visão estratégica.

(Observação: estritamente falando, o que estamos fazendo acima está mais próximo da modelagem preditiva, embora tenhamos várias métricas preditivas. Seria como procurar pelo em ovo.)

Compartilhe nosso trabalho como uma forma de convidar seus comentários sobre o que podemos fazer melhor e na esperança de que, se você estiver iniciando sua prática de Métricas Previstas, isso possa servir como uma estrela-guia.

Por experiência, posso dizer que, se você já sentiu que, como Analista de Growth, não têm influência, que sua organização ignora os dados, não há nada como as métricas previstas para aprofundar sua influência e impacto nos negócios.

Quando as pessoas usam a fé para decidir a estratégia futura, a única coisa que lhes falta é qualquer aparência do impacto que sua estratégia baseada na fé terá.

As últimas três linhas acima são como você se destaca.

O Perigo de Prever o Futuro.

Você estará errado (!)

Inicialmente, MUITO. Depois, menos com o tempo, à medida que você fica cada

vez melhor e prevê o futuro. O aprendizado de máquina é útil, pois pode absorver muito mais complexidade e criar cenários que simplesmente não podemos imaginar.

Mas, você nunca estará exatamente certo. O mundo é complicado. Isso não me assusta por dois motivos, exorto você a considerá-los:

1. Pouquíssimas empresas cresceram dirigindo direto olhando pelo espelho retrovisor. Mas é exatamente isso que você gasta tempo tentando fazer todos os dias.

2. Quem está mais certo do que você? A corporação moderna funciona principalmente com base na intuição (não treinada, intuição de um nadador que entrou na natação ontem, isso eh ZERO).

Você vai usar dados, geralmente um monte deles. Geralmente é muito melhor do que a intuição egoica. E, quando você estiver errado, você pode realmente voltar e atualizar com o time modelos (a intuição geralmente não está aberta a ser atualizada).

Então. Não tenha medo.

Cada vez que você está errado, é uma oportunidade de aprender e acertar mais no futuro — mesmo que a perfeição esteja sempre fora de alcance.

Conclusão

Minha hipótese é que você não está gastando muito tempo com métricas preditivas e modelagem preditiva. Mude isso.

É uma ótima maneira de contribuir materialmente para sua empresa. É uma ótima maneira de investir em seu aprendizado e crescimento pessoal. É uma maneira fantástica de garantir que sua carreira seja à prova de futuro.

Viva no futuro — pelo menos parte do tempo. Como sempre, é a sua vez agora.

Pílula vermelha ou pílula azul, a escolha é sua!