O Nascimento dos Engenheiros de Marketing?
Engenheiros. Profissional que toma conta de muitas cadeiras no C-level e alta gestão de uma empresa, e agora começam também a aparecer no marketing, ainda como nomenclatura e não como uma faculdade ou formação em si, mas sim, engenheiros cuidando de marketing.
Seguindo o entusiasmo das “supernovas” profissões como o Cientista de Dados, um novo termo que surge nesses últimos 12 meses na web é a engenharia de marketing. Acredita-se que o termo, que ainda não foi publicado no Cambridge Dictionary, tenha sido introduzido pelo professor Gary Lilien, renomado professor de ciências da administração da Smeal College of Business da Pennsylvania State University.
Ele é um dos fundadores da DecisionPro, pioneiro em uma nova filosofia de marketing que combina conceitos e estruturas de economia, finanças, gerenciamento de informações, com o objetivo de traduzir ideias e conceitos de marketing em ações e decisões operacionais específicas usando técnicas de modelagem analítica, quantitativa e computacional.
Não há como negar que o marketing como disciplina está se tornando mais orientado a dados e cada vez mais automatizado, e isso afetará as decisões e a eficiência operacional de qualquer negócio. Como o aprendizado baseado em máquina, algoritmos baseados em dados e inteligência artificial se tornam mais comuns no kit de ferramentas do profissional de marketing, isso não significa necessariamente que a descoberta de informações acionáveis ou insight através do uso dessas tecnologias de dados e intensa vantagem competitiva que os profissionais de marketing procuram. No mínimo, nossa compreensão de como as “coisas” funcionam diminuiu, mas nossa dependência aumentou.
Um dos propósitos da DecisionPro e do Sr. Gary é ajudar a educar e treinar uma nova geração de gerentes de marketing. Treinar engenheiros de marketing para traduzir conceitos em decisões e ações operacionais específicas ao contexto da marca ou produto, usando técnicas analíticas, quantitativas e de modelagem computacional. Isso que eu chamo de unir teoria com prática. Na prática.
Tão na prática que entre diversos trabalhos e publicações que eles possuem, uma me chamou a atenção em especial. Simples, precisa e direta. São 8 modelos matemáticos e/ou científicos que devem ser usados em qualquer área de marketing hoje em dia. Mantive o nome original em inglês usado por eles aqui.
Abaixo, os 8 modelos:
1. Bass ForeCasting Model
O modelo específico de previsão usado para prever as vendas de um novo produto ou serviço que não tem concorrentes tão próximos no mercado.
2. Conjoint Analysis Model
O modelo de análise conjunta é amplamente utilizado para projetar novos produtos. É um procedimento para medir, analisar e prever as respostas dos clientes a novos produtos e a novos recursos de produtos existentes.
3. Customer Choice Model
Um modelo de resposta em nível individual que ajuda a analisar e explicar as escolhas que os clientes fazem. O modelo Customer Choice ajuda as empresas a entender até que ponto fatores como o preço de uma marca ou sua facilidade de instalação influenciam a escolha de uma marca pelo cliente. A probabilidade de compra de uma marca no nível individual é equivalente à participação de mercado da marca no nível do mercado.
4. Customer Lifetime Value Model
O Customer Lifetime Value (CLV) é uma métrica do valor de um cliente para a organização durante todo o histórico do relacionamento. As vendas de curto prazo são um fator, mas também a satisfação geral do cliente, a taxa de cancelamentos no segmento e os custos para adquirir um novo cliente e reter um cliente existente. Esse provavelmente um modelo mais comum e usado pelas empresas, logo não poderia ficar de fora da lista.
5. Portfolio Matrix Model
A abordagem de matrix de portfólio avalia um negócio com base em duas dimensões compostas: atratividade do setor e força do negócio. Essas dimensões consistem em uma série de fatores ponderados para essa análise. Tanto os pesos dos fatores quanto os próprios fatores podem variar de acordo com mercado e análise. Por exemplo, a atratividade da indústria inclui medidas de tamanho do mercado, taxa de crescimento, intensidade competitiva e similares, enquanto a força comercial normalmente inclui medidas como participação de mercado, crescimento de participação e qualidade do produto.
6. Positioning Analysis Model
O software de análise de posicionamento incorpora várias técnicas de mapeamento que permitem às empresas desenvolver estratégias de diferenciação e posicionamento para seus produtos. Ao usar essa ferramenta, os gerentes de marketing podem visualizar a estrutura competitiva de seus mercados, sob a ótica de seus clientes. Normalmente, os dados para mapeamento são percepções do cliente de produtos existentes ao longo de vários atributos, preferências do cliente por produtos ou medidas de resposta comportamental dos clientes em relação aos produtos (por exemplo, participações de mercado atuais dos produtos).
7. Resource Allocation Model
A alocação de recursos ajuda a otimizar o dimensionamento de recursos e a alocação de recursos em segmentos, produtos, canais etc. Algumas perguntas como quanto devemos investir numa determinada campanha? Como esses gastos devem ser alocados para cada produto ou segmento do mercado que a empresa atua? Quanto do nosso orçamento deve ser gasto em publicidade ou ativações ou qualquer outra forma de ativação da marca e produto? Na força de vendas? Enfim, vamos trazer ciência na definição de budget do plano baseado no histórico de resposta das iniciativas.
8. Targeting Model
A segmentação é o processo de classificar os clientes em grupos homogêneos, de modo que cada grupo de clientes compartilha características em comum suficientes para tornar viável a empresa projetar ofertas específicas ou produtos para segmentos selecionados. Esse tipo de modelo define segmentos de clientes usando as variáveis disponíveis e estatisticamente válidas para definição de segmentação. Um modelo bastante conhecido do nosso dia a dia.
PS.
Por mais que eu tenha uma alta expectativa e trabalho diariamente por uma abordagem mais científica do marketing — sou um defensor da cultura de data driven decision making — os dados não podem replicar ou falar sobre as emoções humanas. Não ainda pelo menos. As máquinas baseadas em dados podem ser tão criativas e inspiradoras quanto Leonardo Da Vinci ou criar de fato uma conexão empática com a marca Apple de Steve Jobs? A tecnologia e suas aplicações visam tornar a vida e as tarefas do nosso cotidiano mais fáceis. Mais precisas.
Os criativos ainda são “os heróis”. Mas hoje precisam ser sempre personalizados quase que para o individual, o que não é tarefa fácil hoje em dia. A mensagem (seja um conteúdo ou utility) ainda é a coisa mais importante.
A engenharia do marketing é o mecanismo (emotivo + criativo + matemático) que entrega essa mensagem.
“Entregar a mensagem certa, para a pessoa certa, no canal correto e no momento exato para o consumidor”
Essa certamente é a frase — com suas variações na maneira de escrever obviamente, umas de forma muito mais criativa e com uma linguagem mais elaborada, mas querendo dizer a mesma coisa — que mais vi nas apresentações de planners de agência e/ou gerentes de marketing nos últimos 10 anos. Nunca foi tão necessário (e muito mais fácil) cumprir isso. Você já pensa e executa dessa forma na sua empresa / marca / produto?
Se não, vamos conversar.
Denys Fehr — denys@just.bi
Algumas referências para o desenvolvimento desse texto.
Mark McGuinness, CMO na eSportsbet.com
DecisionPro — WHAT IS “MARKETING ENGINEERING”?
