Tag: cx

  • O que a sua marca tem para aprender com o BBB20?!

    O que a sua marca tem para aprender com o BBB20?!

    Há 20 anos ocupando a grade de programação da Rede Globo, a edição 20 do Big Brother Brasil se encerrou no último dia 27 de abril, marcada por recordes em números de audiência e divulgação de marcas, além de dominar as conversas nas redes sociais. O que isso importa pra nós?! Muito! Em especial, tudo o que estiver relacionado ao impacto das novas mídias, ou como estas marcas estão investindo estrategicamente no aprofundamento da compreensão da experiência do cliente (CX), tanto quanto em visibilidade, presença, engajamento, buzz e vendas.

    Em uma época de influencers de Instagram e vloggers de YouTube, o público procura, cada vez mais, uma forma de se engajar nas redes sociais, expondo opiniões e estilos de vida, como mostra o recente boom do aplicativo Tik Tok. Além disso, com o programa dominando as conversas na internet, percebe-se a influência que a televisão ainda exerce nas redes sociais, e vice versa, e o grande impacto de tudo isso na vida dos brasileiros.

    FONTE: gshow.globo.com

    Sucesso do BBB 20 e o Conceito de Big Data

    Conhecido por atrair anualmente uma boa variedade de patrocinadores, que aproveitavam a audiência para divulgar seus produtos e serviços, o programa vinha numa queda de audiência nos últimos anos, o que acabou por reduzir a quantidade de investimentos feitos pelas marcas nessa mídia.

    Porém, a partir da entrada de influenciadores digitais junto às pessoas anônimas, a 20ª edição teve um boom de audiência advinda da internet! Contexto que ainda foi potencializado pela quarentena, alcançando números recordes e, inclusive, conquistando um certificado do Guinness World Records™. Dados da emissora apontam que 24 marcas diferentes passaram pela casa ao longo dos pouco mais de 3 meses de programa, patrocinando provas, festas e realizando ações com os participantes. Assim, atingiram um recorde de faturamento publicitário, ganhando visibilidade na TV aberta, no Multishow e nas plataformas digitais da Globo.

    Foi possível observar exemplos muito bem executados de Second Screen, inclusive entre os participantes, como a influenciadora de moda e beleza Bianca Andrade e a cantora e atriz Manu Gavassi. Ambas com o objetivo de atrair o público da TV para o Instagram de cada uma e, também, para as suas marcas patrocinadoras, no primeiro caso.

    Com um alcance médio diário de 37 milhões de pessoas nos canais lineares (TV aberta e Multishow) no período em que o reality esteve no ar, e um aumento igualmente extraordinário do engajamento nas redes sociais, é importante lembrar aqui o conceito de Big Data. Na prática, “…toda informação vinculável (ou linkável), que possui alto volume e complexidade na estrutura de dados”, de acordo com Khoury e Loannidis (2014, p. 1054 apud CORRÊA JR., 2018, p. 25). Esses dados vão desde números de acessos a sites, tempo de navegação, porta de entrada e de saída numa página web, até elementos mais complexos como posts em mídias sociais, comentários em páginas, avaliações de e-commerce, textos de emails. Um volume imenso, que gostamos de chamar aqui na Postmetria de Dilúvio de Dados.

    Por que analisar esses dados?!

    O consumo do conteúdo de eventos offline (por exemplo, o próprio BBB 20) dentro das redes sociais é cada vez mais recorrente. O ambiente digital permite interação e trocas instantâneas de informações, tornando muito mais interessante para o público jovem. Assim, uma grande quantidade de conteúdo espontâneo é gerado na internet, como memes, fanfics, threads, entre outros. E foi essa característica dos dados que tornou possível a participação do público nativo digital em todas as etapas da competição: eles influenciaram decisões, como a expulsão de um participante ou o cancelamento de provas, através de reclamações ou comentários detratores (ver abaixo) nas redes sociais.

    Fonte: Twitter Brasil

    Sendo aí que entra o Spontaneous Net Promoter Score (s-NPS). Conceito desenvolvido pela Postmetria, plataforma multicanal de CX, que coleta e analisa posts, comentários, e-mails, mensagens e outros conteúdos espontâneos não estruturados da internet, a partir de bases de dados como redes sociais, mas também, Apps, CRMs, Chat, Reviews de e-commerce, entre outros… Pois com o dilúvio de dados distribuídos nos diversos canais, como as redes sociais das marcas, é essencial a possibilidade de concentrar, interpretar e atuar sistemicamente sobre essas informações estratégicas! Fato que no s-NPS, significa ir além da pergunta do NPS tradicional (foco direcional), pois no modo espontâneo desse indicador de performance, não há apenas a medição da satisfação atribuída, mas também, e principalmente, a descoberta e analise da percepção e dos motivos da recomendação qualitativa dos consumidores da marca.

    E nesse caso, a importância da análise desses dados pode ser muito bem exemplificada pela dinâmica do Big Brother Brasil: em uma edição que bateu recordes de audiência e engajamento, o programa também alavancou a performance das marcas patrocinadoras nas redes sociais…

    Analisamos o efeito dos comentários promotores, detratores e neutros em relação a algumas marcas patrocinadoras do BBB. Mais detalhadamente, as marcas Lojas Americanas, Samsung Brasil, Pic Pay e C&A – no período de uma semana, entre 27 de abril (data da final do programa) e o dia 4 de maio (data que a coleta foi realizada). Os comentários foram coletados nas redes sociais Instagram, Facebook, YouTube e Twitter e a escolha dessas marcas, em específico, se deu pela relevância da sua participação na 20ª edição do reality.

    O que as quatro análises apresentam em comum? Um pico, bastante evidente quando falamos de Samsung, PicPay e C&A, no dia 27 e 28 de abril, ou seja, data que coincide com o último dia do programa e madrugada seguinte. Esse grande número de comentários representam o destaque que essas marcas alcançaram no momento de maior importância e audiência do reality, – o seu episódio final. Fato que ratifica a visibilidade, a presença dessas marcas e, consequentemente, suas vendas.

    Durante o período analisado, apesar de um predomínio no número de comentários classificados como neutros (notas 7 e 8 em relação à métrica sNPS), percebe-se um resultado negativo (sNPS na Zona Crítica) nas quatro marcas da amostra. Ainda assim, o impacto dos comentários detratores foi menor na marca C&A, que teve uma nota “menos pior” que as demais marcas monitoradas nesse período.

    Na análise da Postmetria, é possível o monitoramento Por Post, resultando em um sNPS específico de cada postagem da marca nas redes sociais, durante o período em questão. Além dessa análise métrica pontual, há diversas outras, a exemplo de análise de sentimentos (detratores/neutros/promotores), nuvem de palavras, insights por mineração de dados, frameworks de gestão por dados não-estruturados, e muito mais… Todas essas, obtidas através dos comentários espontâneos que a marca em análise recebe.

    FONTE: Instagram C&A Brasil
    Análise por Post POSTMETRIA

    No vídeo acima, postado no perfil do Instagram da C&A Brasil logo após a exibição da final do BBB na Rede Globo, vemos um grande engajamento do público através dos comentários e visualizações, além do sNPS mais alto (mais próximo da zona de qualidade e excelência) dentre todas as postagens da marca durante o período monitorado. Através da nuvem de palavras, vemos os termos mais comentados, em sua maior parte, através de comentários promotores, como mostrado na análise de sentimentos. Com o slogan de “o look oficial do BBB20”, a C&A continuou aproveitando a grande repercussão do programa para a campanha de Dia das Mães, atingindo engajamento e um sNPS mais próximo do satisfatório, dentre as postagens:

    Análise por Post POSTMETRIA
    FONTE: Instagram C&A Brasil
    FONTE: Instagram C&A Brasil

    A Samsung Brasil, por sua vez, teve sua primeira participação no BBB no final desta edição, motivada pela grande repercussão do programa nas redes sociais. A empresa de aparelhos tecnológicos participou da customização de uma festa em que o astro foi o novo modelo S20, além de ter sido responsável por uma ação que presenteou os últimos cinco participantes com um aparelho.

    Festa Samsung. FONTE: gshow.globo.com

    “Levamos em conta fatores específicos do BBB 20, como aumento dos índices de audiência, quebra de recordes nas votações dos paredões e crescimento exponencial das interações nos meios digitais. O saldo é bem positivo, principalmente pelo fortalecimento da marca junto ao público jovem, com o qual temos trabalhado de forma consistente. Conseguimos cumprir de maneira assertiva nosso principais objetivos, que eram gerar awareness e fortalecer a divulgação do Galaxy S20”, salientou em reportagem Loredana Sarcinella, diretora sênior de marketing da divisão de dispositivos da Samsung.

    E o Marketing Pessoal?!

    Como citado anteriormente, um grande destaque nessa edição foram as campanhas de marketing desenvolvidas pelos próprios participantes e o impacto do comportamento de cada um dos indivíduos dentro do programa. Bianca Andrade, a Boca Rosa, apesar da excelente campanha nas redes sociais, acabou perdendo mais de 400 mil seguidores após seu posicionamento de se unir a participantes considerados tóxicos pelo público. A repercussão negativa naquele momento foi tal, que gerou mais de 92 mil comentários em uma foto sua postada Payot, marca de beleza parceira que desenvolve a linha Boca Rosa Beauty by Payot, a maior parte deles sendo detratores.

    FONTE: vogue.globo.com

    Em contrapartida, Manu Gavassi iniciou sua campanha virtual muito antes do BBB 20 começar, através de uma série de vídeos em seu Instagram com o título “Who the fuck is Manu Gavassi?”. A campanha, idealizada pela própria influenciadora, tinha o objetivo de dar boas vindas ao público que não a conhecia, além de atrair novos seguidores e interagir de uma forma descontraída. Inicialmente com 4,4 milhões de seguidores, a estratégia foi considerada um case de sucesso, rendendo muitos comentários promotores e fazendo o perfil ultrapassar os 14,6 milhões de seguidores (05/05/2020). Além disso, a cantora e atriz incentivou, indiretamente, o aumento da busca pela palavra “sororidade” no Google em 250%, após o usá-la em um de seus discursos. Esse comportamento da audiência do programa demonstra o estreitamento cada vez maior entre o online e o offline.

    FONTE: Instagram Manu Gavassi

    Aproveitando, aqui vale pautar uma novidade… A coleta e interpretação de dados de dados de influencers, como citado acima, pode ser atingida com a nova métrica proposta pela Postmetria: o pNPS. O People NPS identifica, a partir dos comentários espontâneos e na escala NPS, a reputação e o impacto de personalidades, como políticos, artistas e influenciadores… Mas essa novidade já é papo para um outro BlogPost! 😉

    Por fim…

    Assunto recorrente nas plataformas de comunicação, nosso objetivo foi menos o de analisar o conteúdo do programa, mas sim o impacto dessas novas mídias no dia a dia do público na pseudo separação entre on e offline… Tanto quanto, compreender como as marcas patrocinadoras se utilizam dessa informação, para gerar conhecimento estratégico de clientes e mercados. É importante conhecer a ferramenta certa, para cada tipo de trabalho!

    Além disso, essa edição do BBB mostrou que programas que atraem o interesse do público, movimentam também os diversos pontos de contatos das marcas na internet. Tudo isso, oportuniza que seus anúncios e presença de marca possam impactar, cada vez mais, perfis de consumidores engajados e ativos.


    Quer saber como elevar a análise da experiência dos seus clientes a um novo patamar de profundidade e uso acionável dos dados?

  • 4 benefícios de utilizar text analytics no feedback dos seus consumidores

    4 benefícios de utilizar text analytics no feedback dos seus consumidores

    As empresas, mais do que nunca, estão obtendo feedback de seus clientes de múltiplos canais e em volumes cada vez maiores. Esses feedbacks são coletados de forma proativa (pesquisas de NPS, por exemplo) e passiva (reviews de e-commerce, redes sociais, SAC etc). A partir disso, a criação de programas de Voz do Consumidor (VoC) também passou a ser rotina nas empresas, que passaram a utilizar esses dados de feedback do cliente para remodelar e melhorar sua Customer Experience.

    A aplicação correta dos insights obtidos a partir desses canais de feedback de clientes é fundamental para aumentar o Customer Lifetime Value (CLV) e reduzir seu Custo de Aquisição de Clientes (CAC) para as empresas. Os feedbacks vindos de dados não-estruturados, principalmente, tem o potencial de oferecer uma qualidade extremamente maior de insights – além de uma maior quantidade de informações – em comparação com as tradicionais pesquisas de múltipla escolha.

    Eles geram uma imagem mais completa, com menos viés e envolvendo mais o cliente. O resultado disso é uma visão mais holística de CX e com mais oportunidades de ação. Entretanto, esses dados não-estruturados são muito mais difíceis de analisar, ainda mais em grande escala. Nesse sentido, surge a análise textual – ou text analytics – feita por inteligência artificial. Vamos conferir as vantagens desse tipo de análise?

    1. Revela os motivos por trás da nota dada

    Ao enviar uma pesquisa para avaliar sua experiência do seu cliente (NPS, CSAT, CES etc), é possível ter uma ideia geral do que está acontecendo. Mas é quando o cliente tem a oportunidade de se expressar através de um comentário que você descobre o verdadeiro motivo da nota. Formulários abertos de feedback lhe permitem identificar os fatores-chave da experiência geral do consumidor.

    É um ótimo sinal para uma empresa possuir um NPS de 60, por exemplo, mas o número em si não fornece nenhuma recomendação de como melhorar essa nota ou o motivo dela ter aumentado desde o último envio da pesquisa. Ao analisar com text analytics o feedback aberto é possível descobrir especificamente tópicos positivos e negativos que os consumidores estão mencionando para assim identificar automaticamente o problema exato para dar atenção, como problemas com Entrega ou Comunicação.

    2. Funciona para toda a Jornada do Consumidor

    As pesquisas tradicionais são normalmente estruturadas em algumas hipóteses simplificadas e exigem que o consumidor dê seu retorno sobre atributos específicos, como a qualidade de algum produto ou do atendimento. Desnecessário dizer que é impossível encaixar cada parte da Jornada do Consumidor em uma grande pesquisa. Isso geralmente afasta os consumidores, que dificilmente responderão uma pesquisa com uma sequência de múltiplas questões.

    Uma questão em aberto, ao contrário, possibilita o consumidor decidir qual etapa da jornada importa pra ele e, assim, deixar sua opinião específica sobre essa etapa. Um text analytics com uma inteligência artificial robusta, então, lida com o trabalho pesado de detectar a nota, o sentimento e o tópico de atenção contido nesses comentários. Utilizando o exemplo do tópico Entrega, por exemplo, é possível segmentar esse aspecto genérico em subcategorias como Tempo de Entrega, Preço do Frete e Comportamento do Entregador, por exemplo.

    3. Identifica o surgimento de tendências

    A partir das pesquisas tradicionais é impossível prever a opinião dos consumidores nem considerá-las nos questionários, especialmente se levarmos em conta o ambiente cada vez mais dinâmico de negócios que estamos inseridos.

    Um concorrente pode lançar um produto inovador que atraia a atenção do mercado ou algum erro – antes desconhecido – pode estar afetando a experiência de compra de seus clientes. Permitir que os consumidores deem feedback em suas próprias palavras e deixando o text analytics fazer o trabalho pesado permite detectar problemas imprevisíveis e identificar novas oportunidades.

    4. Funciona de forma eficiente e em escala

    As vantagens de usar dados não-estruturados não são descoberta recente. Entretanto, esse tipo de análise só estava disponível para grandes empresas que podiam arcar com os custos de contratar agências especializadas nesse tipo de dado. Essas agências tipicamente recorrem ao tagueamento manual, onde vários funcionários leem os feedbacks e os colocam em categorias específicas. Infelizmente, esse sistema é muito caro e difícil de manter devido a sua não-escalabilidade.

    A classificação automática de nota, sentimento e tópico ajudam na escalabilidade da análise

    Uma ferramenta que utiliza inteligência artificial para escalar esse processo com text analytics e processamento de linguagem natural – como a Postmetria – consegue lidar com essas bases de dados de forma mais rápida e com uma maior precisão. Combinando essa abordagem com uma boa gestão de experiência do consumidor é possível fazer com que as empresas tomem ações assertivas baseadas nos feedbacks dos consumidores, otimizando cada ponto de contato para a melhor experiência possível.


    Quer saber como tirar o máximo de inteligência dos feedbacks espontâneos de seus clientes?