Os quatro tipos de analytics de marketing: descritivo, diagnóstico, preditivo e prescritivo
Analytics de marketing digital não é uma coisa só: quatro camadas de sofisticação crescente. O que cada tipo responde, quando usar e o que é preciso antes.
Os quatro tipos de analytics de marketing: descritivo, diagnóstico, preditivo e prescritivo
O analytics de marketing costuma ser discutido como se fosse uma coisa só. São quatro coisas, cada uma respondendo a uma pergunta diferente e exigindo maturidade de dados diferente para ser bem executada. Entender a progressão ajuda você a saber o que construir em seguida.
Analytics descritivo: o que aconteceu?
O analytics descritivo diz o que ocorreu. Visualizações de página. Taxas de conversão. Aberturas de e-mail. Receita por canal. É a camada do painel — os números que dizem se as coisas estão indo aproximadamente como o esperado.
É aqui que a maioria das equipes de marketing vive. Elas têm analytics descritivo e param por aí. O analytics descritivo diz o quê. Ele não diz o porquê, o e se, nem o que vem depois. É necessário, mas insuficiente — a fundação de uma casa que ainda precisa de paredes e telhado.
O analytics descritivo exige: coleta de dados limpa, definições consistentes de métricas e uma cadência de relatórios. A maioria das equipes tem pelo menos uma versão disso, mesmo que bagunçada.
Analytics diagnóstico: por que aconteceu?
O analytics diagnóstico explica o que fez os números se moverem. O tráfego caiu 30% — o analytics diagnóstico diz que foi porque o Google atualizou o algoritmo e suas três principais páginas ranqueadas perderam posições, não porque seu conteúdo piorou de repente.
Isso exige pensamento analítico mais do que tecnologia analítica. Alguém precisa olhar os números, formar hipóteses sobre o que os impulsionou e investigar. As ferramentas ajudam (segmentação, drill-down, análise de coorte), mas a análise em si é trabalho humano. O software não consegue perguntar "por quê?" — ele só responde quando você pergunta.
O analytics diagnóstico exige: analytics descritivo como base, além do tempo e da habilidade para investigar anomalias em vez de apenas reportá-las.
Analytics preditivo: o que vai acontecer?
O analytics preditivo prevê resultados futuros com base em padrões históricos. Quais leads têm mais probabilidade de converter? Como será a receita do próximo trimestre se as tendências atuais continuarem? Quais clientes estão em risco de churn?
O analytics preditivo usa modelagem estatística e aprendizado de máquina para encontrar padrões nos dados históricos e projetá-los para frente. A qualidade da previsão depende inteiramente da qualidade e da quantidade dos dados históricos. Garbage in, garbage out se aplica aqui com precisão matemática.
O analytics preditivo exige: dados históricos substanciais (normalmente pelo menos milhares de observações), infraestrutura de dados limpa e capacidade analítica interna ou uma ferramenta que empacote a modelagem em uma interface acessível. É aqui que a maioria das equipes de marketing pequenas e médias encontra um muro — não porque a tecnologia seja inacessível, mas porque o volume e a limpeza dos dados não são suficientes.
Analytics prescritivo: o que devemos fazer?
O analytics prescritivo recomenda ações com base em previsões. "Este lead tem 78% de probabilidade de converter — encaminhe para as vendas agora." "É provável que este anúncio se desgaste em 4 dias — prepare um substituto." "Esta combinação de canais maximiza o ROAS projetado dado seu orçamento atual."
Esta é a camada mais sofisticada e a menos comum na prática. Ela exige analytics preditivo como insumo, além de uma camada de otimização que avalia múltiplas ações possíveis e recomenda a melhor.
O analytics prescritivo funciona bem para problemas estreitos e bem definidos, com critérios de otimização claros (alocação de orçamento, otimização de lances, otimização do horário de envio). Funciona mal para questões estratégicas amplas, em que as variáveis são numerosas, os dados são escassos e a definição de "melhor" é contestada.
O caminho prático
A maioria das equipes de marketing precisa de analytics descritivo que seja realmente confiável (muitas têm, mas não é confiável) e analytics diagnóstico que seja realmente executado (muitas têm os dados, mas ninguém investiga anomalias). O analytics preditivo e o prescritivo valem a pena quando essas fundações são sólidas e o caso de uso específico justifica o investimento. Construir modelos preditivos sobre dados descritivos não confiáveis produz previsões precisas, confiantes e erradas.