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)

As informações de Negócio tratam de pontos relacionados ao seu negócio, produto e comunicação. Engloba questões relacionadas às dores do seu público, necessidades que ela tem, históricos de comportamento (interno) e por aí vai. São informações contextuais, que variam de negócio para negócio.

Informações de Perfil (imutáveis)

Agora, as informações de Perfil são imutáveis, coletáveis e probabilisticamente estruturadas. Englobam dados relacionados à idade, profissão, geografia, comportamento de consumo e interesses. O ponto é que, aqui se concentram os maiores gaps nos processos existentes e por isso, criamos uma classificação que separa os diferentes tipos de input de dados de perfil, chegando em 4 variáveis de informação: demográfica, interesse, consumo e crédito.

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 impecável

  • Sempre presente

    Apesar de bom é uma sub-classificação vulnerável às interpretações de crédito do mercado

  • Quem 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.

Você tem interesse em melhorar seu entendimento de público e projeção de personas?

entre em contato