O assunto do momento nas principais BigCorps brasileiras é a importância do mindset, das práticas e do racional de aplicabilidade de Growth no lançamento de novos produtos, ou até mesmo na intenção de alavancar os que já existem dentro de casa.
Esse buzz acerca de Growth é completamente justificado, afinal é um tema que surgiu na nova economia, e que faz as grandes empresas se questionarem como as Startups, com orçamento limitado, credibilidade em construção e sem incumbent power mercadológico conseguem lançar, testar e alavancar vendas de produtos muitas vezes “incompletos” (MVPs) tão rapidamente.
O problema está no nascedouro e na aplicação disso na prática, pois o erro central está baseado numa premissa simples, a inteligência de dados por trás para construção da estratégia de Growth. Para explicar melhor esse racional de inteligência, vamos separar em 3 grandes temas, começando com a construção em si da Estratégia de Growth.
Construindo a Estratégia de Growth com Dados
Em qualquer trabalho básico o primeiro requisito para criar um produto/serviço novo, ou para alavancar um já existente, é ter dados que sustentam a fundamentação estratégica para atingir determinado objetivo. Obviamente, para isso, é necessário construir o racional e os assumptions centrais da metodologia de Growth.
Para construir uma estratégia de Growth o primeiro ponto a ser considerado é quais são as premissas e assumptions que direcionarão as principais apostas, por isso, precisamos seguir o seguinte racional:
- Alinhamento das Expectativas:
- Em qual momento de maturidade o Produto/Serviço em questão está posicionado?
- Quais são os nossos objetivos e quando precisamos alcançá-los?
- Quais problemas precisamos resolver?
- Inteligência de Dados
- Entendimento da base elegível → analisando o tamanho de mercado endereçável e qual o potencial que queremos capturar
- Análise do comportamento de sucesso e insucesso na jornada de compra
- Análise da base de clientes elegíveis (Comportamento, classe social, dados demográficos, etc.)
- Análise das bases históricas de performance e resultados pregressos
- Geração de insights e Clusterização das bases
- Estratégia de Priorização
- Hipóteses levantadas a partir das análises de dados
- Transformação das hipóteses em teses que direcionarão o racional de Growth
- Priorização das ações práticas
A partir dos insights e respostas adquiridas nesse modelo, o racional de construção da estratégia de Growth começa a ser estruturado. Mas perceba, que tudo passa pelo enredo construído a partir das análises fundamentais de dados, pois a partir delas definiremos as principais Apostas → Hipóteses → Teses que direcionarão os primeiros experimentos/testes, e por fim, os resultados esperados.
Portanto, investir no entendimento do comportamento do mercado por meio da análise robusta de dados sensíveis é indispensável para conseguir se adaptar e alavancar suas vendas nos modelos de crescimento exponencial aplicados no mercado. Por isso é cada vez mais fundante ter o controle de cada etapa da jornada de compra, utilização, e no limite, de churn das bases de Cliente por meio da análise de dados, e, obviamente é essencial para sobreviver nesse novo ecossistema. Pois nesse cenário, o caminho ideal é conseguir, por meio de dados, indicadores e análises prever os comportamentos e atacá-los no timing certo.
Ao mesmo tempo, melhorar essa expertise de Data Analytics pode trazer resultados a curto prazo importantíssimos, especialmente na construção das estratégias de Growth e, consequentemente no desenho das principais apostas.
O mercado já valora essa competência, mas na realidade muitos também não usam para rentabilizar o ativo existente. Tanto isso é verdade que dados de mercado nos comprovam isso, conforme abaixo:
- 72,0% dos executivos entendem que as tecnologias de análise de dados aumentam a produtividade e assertividade na tomada de decisão
- Entre os profissionais do nível estratégico, esse número aumenta para 83,8%
- 62% dos de nível estratégico ainda afirmam que esse tipo de tecnologia auxilia muito no desenvolvimento de novos produtos, modelos de negócio, serviços; e
- 64% sabem que a análise de dados dá insumos para melhora da experiência dos clientes das empresas onde trabalham
- E, estudos confirmam que as empresas orientadas a dados têm pelo menos seis vezes mais chances de reter clientes, e em muitos casos 19 vezes mais chances de serem mais lucrativas
Portanto, é mais do que claro que os dados bem utilizados trazem resultados significativos, deixando as estratégias muito mais assertivas e direcionadas para o alcance dos objetivos e apostas.
Fica claro então a importância da fundamentação dos dados na construção, priorização e definição das apostas da estratégia de Growth, mas essa história não se encerra aqui, pois precisamos testar, acompanhar e repriorizar as iniciativas de acordo com os resultados alcançados, o que nos leva ao próximo tema.
Acompanhamento, Testes e Repriorização das Ações Práticas de Growth
Um dos pontos-chave de sucesso no alcance de qualquer objetivo, inclusive nos construídos dentro uma estratégia de Growth, é o acompanhamento dia a dia dos indicadores. Justamente por esse motivo, para toda ação de Growth é estruturada uma sessão de Key metrics e dados, monitorando os resultados dos testes e experimentos definidos como prioritários dentro de determinado mapa de ofertas.
Mais importante ainda é o que fazer com os resultados monitorados, é claro que para cada ponto levantado, é fundamental identificar os motivos de um possível rendimento abaixo do esperado, e, a partir disso, voltamos ao ciclo infinito de correção de rota. Analisando, levantando insights, identificando os possíveis motivos, construindo as hipóteses de resolução e remodelando os mapas de apostas e ofertas.
É claro que para isso, o itinerário de rituais de análise de resultados e ajustes de rota precisam existir de forma bem estruturada, considerando:
- foco total em na entrega dos objetivos estabelecidos
- seguindo a correta priorização das iniciativas
- garantindo a execução dos testes com velocidade
- sempre baseado nos dados e resultados.
Para isso, sempre será indispensável seguir o plano de evolução, pautado nas metas e apostas construídas, com focos bem definidos e entregas alinhadas com as expectativas.
Logo, fica evidente que desde a construção, até no acompanhamento e correções de rota, os dados são pedra central do racional de Growth. Por isso, em toda equipe, essa competência é uma das mais importantes.
Por fim, recapitulando o racional construído, o tema de dados é e será relevante em toda a construção e implementação da Estratégia de Growth, portanto, ter esse assunto bem endereçado e estruturado dentro de casa é indispensável.
Segmentação e Clusterização das Bases de Clientes
Fechando o racional, não tem como falar desse assunto sem tocar no tema de Segmentação e Clusterização das bases de clientes. Existe uma tendência mais romântica do mercado que é querer olhar os clientes todos com a mesma importância e estratégia de comunicação. Mas sob a ótica de dados em Growth esse olhar tende a não ser tão assertivo.
Imagina 2 clientes de uma mesma empresa, um que utiliza os serviços de forma recorrente e está completamente fidelizado, o outro que não utiliza a mais de um ano. Não tem como aplicarmos a estratégia de oferta, benefícios e comunicação da mesma forma para ambos, tanto é verdade que um é hard user e o outro já pode ser considerado um possível “churn”.
Para isso, dentro de uma estratégia de Growth consideramos alguns passos iniciais sob a ótica de dados, considerando principalmente os tipos de comportamento e os dados evidentes de determinados clusters de
clientes, por exemplo:
- O primeiro passo com foco em dados é sempre analisar e clusterizar a base de usuários e não usuário, entendendo comportamentos basais como:
- Receita gerada
- RFV do Cliente
- Timing entre compras
- Tipos de produtos / serviços consumidos
- Dados demográficos (Faixa etária, renda, região, etc)
- Tempo de permanência na casa (Duration)
- Com esses dados principais mapeados, clusterizamos os tipos de Clientes que possuem comportamentos similares, afinal de contas, estatisticamente essas pessoas responderão a estímulos parecidos de comunicação, transação e relacionamento
- Identificamos a partir dos clusters aqueles Clientes com maior propensão de compra e/ou consumo recorrente
- Definimos o objetivo central de potencial capturável dentro do racional de propensão
- Por fim, chegamos num racional onde fica claro às estratégias traçadas, os clusters com maior propensão de responder aos estímulos construídos, e os objetivos de resultado que queremos para cada segmento traçado
Esse ciclo é recorrente e imutável, somente adaptando os assumptions de acordo com as estratégias, hipóteses e resultados esperados. Por exemplo, esse mesmo ciclo pode ser utilizado em diferentes etapas de uma jornada do cliente.
Numa jornada mais focada em aquisição, uma hipótese pode ser focar nos clientes que compram a cada 3 meses, na região sudeste, que se adequam a determinada faixa etária e que estão num segmento considerado de alto valor, ou seja, deixam mais receita, compram com maior recorrência e estão a mais tempo na casa. Percebam que sempre cairemos em clusters de Clientes, por isso, quanto maior a assertividade nas análises de dados, melhor conseguiremos direcionar as ações para essas pessoas.
Já numa jornada onde o foco é em evitar o churn, e consequentemente garantir um maior LTV, precisamos entender os principais motivos nos quais os clientes com maior propensão de inativação deixam de utilizar ou comprar. Com base nisso, adaptar e testar as possibilidades das melhores oportunidades para garantir a continuidade desses clientes na base, mas sempre seguindo o racional construído. Analisando comportamentos, clusterizando os clientes, identificando tendências e propensões, definindo o potencial capturável e traçando às estratégias baseada nas análises de dados.
Na última milha, precisamos ter muito bem mapeado os dados até o nível de valor de rentabilidade e receita potencial por cliente, variáveis demográficas, previsibilidade de comportamento e variações que impactam na satisfação, preferências e awareness da marca. Por isso, classificamos os níveis de segmentação das bases da seguinte forma:
- Nível 1 – Segmentação por valor histórico – Considerando receita acumulada histórica, variáveis demográficas básicas (idade, região) e características primárias (quantidade de interações, duration, tempo entre compras/utilizações)
- Nível 2 – Segmentação por potencial – Rentabilidade primária e/ou potencial básico e potencial de evolução no tempo
- Nível 3 – Segmentação por Comportamento – Valor de rentabilidade potencial, variáveis demográficas completas, comportamento de compra do cliente e potencial de evolução do tempo por rentabilidade acumulada e proporcional
- Nível 4 – Segmentação por personas – Valor de rentabilidade potencial, variáveis demográficas, previsibilidade de comportamento e variações que impactam na satisfação, preferências e awareness
Percebam como o entendimento e racionalização dos dados em diferentes situações passa a mudar completamente as estratégias, justamente porque, apesar de obvio, ele nos trará as respostas dos caminhos críticos a serem traçados, e em todas as etapas de diferentes ciclos de Growth. Chegando inclusive até o último nível de personalização automática de acordo com mini clusters de comportamento, chamados de persona. Nesse nível conseguimos transacionar, nos comunicar e nos relacionar com linguagem específica, ofertas assertivas e qualificadas, e fidelizar o Cliente com o máximo de assertividade possível.
