Como os dados ruins podem inviabilizar a personalização
Você provavelmente já ouviu a expressão em inglês “Garbage in, garbage out”. Esse ditado quer dizer que a qualidade da entrada de um processo determinará a qualidade da saída, ou seja, se suas entradas forem ruins sua saída também será. Esse pensamento certamente se aplica à personalização, já que até mesmo o mais avançado algoritmo de machine learning depende de dados para proporcionar uma experiência altamente individualizada e ter uma profunda compreensão de cada indivíduo.
Pense desta forma: se você é um vendedor de uma rede de varejo, provavelmente deseja fornecer uma experiência personalizada a todos os clientes que atende. Mas se você estiver tentando ajudar um cliente a encontrar o que ele procura ou recomendar produtos adicionais nos quais possa ter interesse, você só conseguirá fazer isso se souber algo sobre ele. Antes de sugerir qualquer coisa, você precisa conversar com ele. No mundo digital, os dados coletados ajudam no entendimento ao formar uma representação precisa de cada pessoa.
No âmbito da personalização, “dados ruins” podem ter vários significados diferentes. Dados ruins podem ser incorretos, desatualizados e/ou inadequados. Você sabe a diferença entre cada um desses casos?
Dados incorretos
É fácil entender por que usar dados incorretos levaria a experiências personalizadas inadequadas ou imprecisas: se uma entrada estiver errada, a saída também estará errada. Por exemplo, você pode usar dados do seu CRM para entregar uma mensagem em seu site, mas se esses dados foram inseridos incorretamente no seu CRM para determinados clientes a experiência resultante será direcionada incorretamente, e não fará sentido.
Isso parece óbvio ー afinal, ninguém quer ter dados incorretos em sua organização ー mas pode acontecer de você não confiar na fonte de dados que está sendo utilizada. Um estudo de 2017 realizado pela Forbes e pela Dun & Bradstreet revelou que apenas 42% dos profissionais não confiam na qualidade dos dados em sua organização. E se você não tiver confiança nos dados que utiliza, não terá confiança nas experiências personalizadas criadas a partir desses dados.
Você pode confiar em suas fontes de dados? Sempre considere ponderar o custo de usar uma fonte imprecisa contra o benefício das informações que ela fornece.
Dados desatualizados
Só porque algo era verdade um dia ou até um minuto atrás, isso não significa que ainda seja verdade. Mais cedo ou mais tarde, todo dado pode perder validade. A tecnologia nos permite avançar muito rapidamente, e a personalização baseada em dados que não são atualizados constantemente não é precisa.
Por exemplo, só porque um usuário fez uma busca em um site de viagens sobre passeios de esqui para as férias no ano passado não significa que ele queira esquiar sempre que estiver buscando por um pacote de viagens. Embora seja verdade que esses pacotes já foram relevantes para ele, nada garante que eles continuam sendo.
A única maneira de acompanhar a velocidade de atualização dos dados é ter a capacidade de coletar dados e, em seguida, agir de acordo com essas informações em tempo real. Apesar de o termo “tempo real” ser muito usado, o verdadeiro tempo real significa “no exato momento em que o usuário interagiu”.
Dados inadequados
Embora possa não ser muito óbvio quando falamos de “dados errados”, a falta de dados também pode produzir experiências personalizadas menos que precisas. Em um estudo realizado anualmente pela empresa Evergage, descobriu-se que os critérios de marketing mais comuns usados para segmentar campanhas de personalização são origem de tráfego, localização e dados demográficos da campanha.
Essas áreas são um bom começo, mas não contam toda a história. Quais páginas o usuário visualizou em seu site? Ele estava interessado no que encontrava nessas páginas ou não? Se é um site de varejo, ele já está cadastrado? Quais são suas categorias e marcas favoritas? Se é um site B2B, em que estágio da jornada ele está? Em quais tópicos ele está interessado?
Coletar dados comportamentais detalhados ー não apenas as páginas em que alguém clicou, mas como ele se engajou com essas páginas e o que esses comportamentos dizem sobre suas preferências e intenções ー e combiná-los com dados de outras fontes em um único local é absolutamente crucial. personalização eficaz. Porque enquanto você pode entregar uma mensagem direcionada para alguém que conhece apenas sua localização ou campanha
Coletar dados comportamentais detalhados (não apenas as páginas em que alguém clicou, mas como ela se engajou com essas páginas e o que esses comportamentos dizem sobre suas preferências e intenções) e combiná-las com dados de outras fontes em um local central é essencial para uma personalização eficaz. Embora você possa enviar uma mensagem direcionada a alguém utilizando apenas sua localização, por exemplo, toda a experiência não será tão relevante quanto poderia ser se você soubesse mais sobre ele.
A importância dos dados
Os dados são um componente crítico para qualquer estratégia de personalização bem-sucedida. Claramente, se você tiver dados incorretos, dados desatualizados ou dados inadequados suas experiências personalizadas serão afetadas. E, de forma realista, uma experiência personalizada com base em dados ruins não é uma experiência personalizada. É um tiro que errou o alvo.
Quer saber mais sobre a utilização de dados para a personalização? Inscreva-se na nossa newsletter ou siga nossa publicação e fique de olho nos novos posts que vem por ai! E se você curtiu este artigo, ajude a espalhá-lo com vários 👏, compartilhe com os seus amigos e ajude nosso blog a crescer (: