Há uma imensa quantidade de dados disponíveis para profissionais de marketing e comunicadores da área de saúde. Mas como é possível gerenciar e determinar quais dados são realmente acionáveis e úteis para desenvolvimento de ações? Combinando os sinais de conversa social nas redes com a pesquisa primária, é possível melhorar a estratégia e as táticas de marketing ao longo do ciclo de vida de uma marca. Bethany Hale, Head de Marketing da Cedar Inc., Kevin Johnson, Presidente da W2O Marketiching, Mark Stouse, CEO da Proof Analytics e Julissa Viana, Diretora Sênior Global de de Mídias Sociais da Celgene Corp. falaram no SXSW sobre como eles usam linguística, antropologia e sociologia para influenciar e mobilizar suas equipes e para permitir que usem os dados e insights de maneira escalável, eficaz e inteligente.
O painel foi mais centrado nas melhores práticas para laboratórios farmacêuticos, mas seus ensinamentos podem – e devem – ser incorporados por empresas de todos os demais segmentos. O ponto de partida da análise das informações é a relação simbiótica entre o analytics e os dados propriamente ditos. Mergulhar em uma base de dados, particularmente aqueles pertencentes ao comportamento do consumidor significa buscar insights. Segundo Julissa, é preciso verificar os dados para extração de insights, mas antes é preciso identificar quais os objetivos a serem atingidos antes de qualquer coisa. A maior parte dos dados críticos de um negócio deve formar hipóteses, deve estipular qual o conjunto de dados pertinente à empresa. No caso de empresas de saúde, um dos dados mais valiosos é justamente sobre o comportamento passado do cliente, mesmo que desestruturados, e trazerem mais dificuldade de compreensão.
Retenção, cumplicidade e confiança
Mark Stouse explica que o uso dos deve percorrer 3 camadas ou dimensões: performance de negócio, performance de vendas, psicografia do cliente. Cada uma dessas camadas assume objetivos diferentes. A camada dos negócios inclui as vendas, margens e a geração de caixa. A dimensão das vendas precisa de dados que gerem mais e melhores negócios mais rapidamente e na dimensão do cliente, os dados devem captar capacidade de retenção, cumplicidade e confiança na interação e transações com os clientes.
Uma técnica eficaz é comparar o teor das conversas dos clientes nas mídias sociais, os assuntos mais recorrentes mensalmente para detectar não apenas os sentimentos doos clientes, mas ações capazes de trazer soluções para problemas que se manifestam de modo mais frequente. O que a comunidade está falando, o que está acontecendo, o que os membros da comunidade estão tentando expressar. O trabalho da Celgene, é bastante instrutivo, já que é centrado em como clientes se sentem durante tratamentos ou quando têm consciência de uma doença. Ao identificar picos de diálogo e conversação sobre determinada doença, tratamento ou medicamento, a Celgene assuma a frente do diálogo e procura direcionar o debate para seu site, onde oferece conteúdos mais qualificados e capta os dados do cliente de forma mais precisa. Cada lead obtido é mensurado – seu custo de aquisição é definido a partir do número de impressões e visualizações de um conteúdo, número de links clicados, número de cadastros realizados e assim por diante.
Via de regra, o cliente que navega na internet e é impactado por um diálogo, assunto, debate sobre um medicamento (ou outro produto), o que está em jogo é o auto-interesse. Toda empresa precisa oferecer um conteúdo dizendo que esse conhecimento não é bom apenas por si, mas sim que promove algum tipo de mudança: de vida, de estilo de vida, de estado de saúde, de humor, de maneira de trabalhar, etc. A comunicação precisa refletir uma mudança real no consumidor ou então se perde na irrelevância ou na sobreposição com outras informações semelhantes disponíveis.
Inteligência Aumentada
Será que automação inteligente permite melhorar a qualidade dos insights diante da enorme base de dados disponível? Segundo Stouse, há uma tour de force emm torno de uso intenso da Inteligência Artificial para extração de insights. A pressão exercida por sistemas de IA como o Watson da IBM contudo não operam da forma ideal para as empresas. O custo é muito elevado pelo valor obtido com os insights. “Estamos falando de um sistema que é uma caixa preta, que estrangula a capacidade das empresas realmente interpretarem os dados e não trazem confiabilidade. Apesar das pessoas estarem passando por uma curva de maturidade no uso do Analytics, vamos falar em Inteligência Aumentada na hora de pensar em automação”.
Bethany prefere trabalhar de uma forma mais criativa, personalizando radicalmente as mensagens, para identificar o que os clientes querem realmente em termos de serviços e utilizar o machine learning para conhecer mais profundamente as expectativas dos clientes.
Jullissa afirma que é muito importante entender como e quem são as pessoas, como reagem, como agem diante de cada conteúdo ou diante de suas dúvidas. E isso é mais inquietante quando o assim é saúde. Todos os dados coletados podem ser publicados em um belo dashboard, mas é uma falha distinguir métricas do Analytics, repetindo besteiras continuamente. Um dashboard permite uma visualização excelente, mas não necessariamente mostra o que é importante, não é analytics de fato. “Dados são pilares em um rio, mas sem uma ponte que une esses pilares, você continua sem chegar no outro lado”, ressalta Stouse.
No fim do dia, Analytics é extrair sinal do ruído representado pelo mundo de dados. As métricas devem mostrar o quanto a empresa está próxima dos objetivos, se o consumidor está mais engajado com a empresa, por que não está, o que pode ser feito na sequência e quais os resultados das ações e da estratégia geral. Analytics não é uma ferramenta para buscar retenção de marca e sim para compreender quais são as ações do cliente nas interações com a empresa, com ambientes digitais.
