PERSONAS
Entenda como aprimorar essa metodologia, incluindo em seu escopo: dados, orientações de estatística e probabilidade.
Nos últimos anos, o assunto Personas ganhou muito peso no mundo dos negócios, prometendo ser uma metodologia que traz clareza para gestores e líderes quando o assunto é entendimento de públicos de interesse.
Se você ainda não está familiarizado com esse tema, leia nosso último artigo que explica o que são personas e como utilizá-los em suas estratégias de negócio.
Mesmo sendo abrangente, desde então, o termo foi incorporado por departamentos de marketing (principalmente marketing digital), como uma prática comum dentro de planejamentos estratégicos, auxiliando na produção de conteúdos e ofertas.
Acontece que nos últimos meses, nós da Nova Vida, nos debruçamos sobre o tema público-alvo e percebemos que é bem comum esse assunto estar acompanhado de gaps e erros de interpretação. Isso acontece pois as metodologias existentes ainda são subjetivas, pouco científicas e com grande margem para erros interpretativos.
O ideal neste caso é acrescentar às atuais práticas, um método científico, que quantifique e minimize interferências pessoais – principalmente de quem já está envolvido no assunto. A adoção de modelos estatísticos e probabilísticos pode ser o caminho.
Durante essa caminhada, orientados pelo objetivo de evoluir o assunto, separamos em dois os principais tipos de dados existentes nas metodologias atuais:
Informações de Negócio (contextuais)
Informações de Perfil (imutáveis)
Personas: variáveis demográficas
As variáveis demográficas são, em geral, as informações populacionais que mais estamos acostumados a trabalhar. Idade, sexo, ciclo de vida, renda presumida, ocupação profissional, região em que mora, formação e por aí vai.
Principal erro que encontramos, neste caso, é a suposição ou olhar obtuso para estes itens. “Suponho que minha persona tenha de 30 a 40 anos e tenha uma renda média de R$ 3.000,00 mensais”.
Por se tratar de informações sobre pessoas e empresas, o ideal nesse caso é o cruzamento entre a sua base interna de dados com um data lake robusto e organizado que possua essas informações. Desta forma você tira de jogo opiniões pessoais e suposições, trazendo para o centro informações reais.
Criamos um modelo que cruza uma série de variáveis demográficas e de comportamento, agrupando cerca de 60 diferentes clusters que têm ajudado empresas a melhorar seu entendimento de público.
Personas: variáveis de interesse
As variáveis de interesse tratam dos desejos e buscas que seu público realiza. Classificar interesses de uma persona tende a ser mais complexo quando não é alimentado por uma base de dados, já que estamos falando de uma suposta ação.
Ex: “Tenho interesse (estou pesquisando sobre) carros de luxo, porém não tenho previsão de compra por enquanto (não consumi efetivamente)”.
Alguns tipos de interesses que podem ser categorizados:
- Alimentos e bebidas
- Entretenimento
- Negócios e Indústria
- Saúde
- Tecnologia
- Hobbies
- Família e Relacionamentos
- Esportes
- Moda
A mineração desses dados pode ser feita de duas formas: pesquisa ou rastros.
A pesquisa tem de ser feita com uma amostra estatística relevante, enquanto os rastros, podem ser mapeados por comportamentos digitais (redes sociais, blogs e etc).
Personas: variáveis de consumo
Em contramão às variáveis de interesse, o consumo trata efetivamente de um histórico de comportamento.
“Adquiri um carro de luxo”
Este item geralmente é bem delicado e sua utilização pode variar de negócio para negócio mas, em geral, é possível construir um modelo “preditivo” com base em um histórico interno (mesmo que pequeno), de compra e vendas. Esta inteligência engloba a utilização de Small Data e pode impactar de mercados grandes a mercados pequenos.
Para compor as informações desta variável, podemos trabalhar com outros itens:
- Afinidade multicultural
- Atividades digitais
- Classificação do consumidor
- Afinidade de consumo e compra
- Comportamento de Viagem e lazer
Personas: variáveis de crédito
Por fim, a variável de crédito se relaciona com uma visão presumida de como uma amostra se comporta.
Estão inclusos neste item assuntos mais complexo, como:
- Investimentos
- Financiamentos
- Pessoal/ Consignado
- Negativação nominal
- Bens e patrimônios
- Score
A soma de um ou mais itens nesta variável pode ou não ser útil na construção da sua persona, mas para melhor utilização destas informações, criamos 6 sub-classificações (perfis) de crédito, com a ideia de clarear o assunto:
O bem amado
É o público mais assediado pelas empresas, devido seu histórico de crédito impecávelSempre presente
Apesar de bom é uma sub-classificação vulnerável às interpretações de crédito do mercadoQuem somos?
Pessoas sem histórico de crédito, que possuem somente um histórico demográfico.Pago quando puder
Pessoas cujo histórico de crédito denunciam uma instabilidade no cumprimento de suas obrigações.Fujam de mim
A sub-classificação mais delicada, que possuem um histórico ruim devido aos inúmeros compromissos sem pagamento.Novos entrantes
Agrupa jovens que não possuem histórico de crédito ou adultos que estão tirando cpf recentemente e que por conta disso, não podem ser classificadas.
Por se tratar de um cruzamento de dados sensíveis, o recomendado é que você tenha um parceiro qualificado de Big Data, que possa te auxiliar com informações.
Veja como estamos estruturados e protegidos para atender essa necessidade
Após todo esse estudo, aprimoramos nosso Data lake para conseguirmos atuar com consistência e valor agregado também nessas verticais. Se você chegou até aqui e se interessa em aprimorar seu entendimento de público e projeção de personas, entre em contato com a nossa equipe.