Tag: Relatórios

O que eu aprendi sobre apresentação e design de relatórios (sem ser designer)

Acho importante começar este post falando que o que vou trazer aqui não é uma regra ou realidade absoluta. É como um guia de conduta que eu, pessoalmente, fui aos poucos organizando para mim mesmo a partir de vários materiais que fui consumindo ao longo dos anos e também a partir de diversos feedbacks/devolutivas que tive a oportunidade de receber durante a minha carreira. Espero que possa ser útil para outras pessoas como foi e tem sido útil para mim nessa trajetória de profissional de análise e inteligência de dados.

Dito isso, o meu intuito aqui é compartilhar algumas dicas e instruções de como eu abordo a produção de relatórios, pensando esses produtos como uma entrega de inteligência que deve guiar tomadores de decisões a um caminho mais assertivo a partir dos dados que foram analisados. Tão importante quanto a metodologia, o critério de análise, o aprofundamento nos dados ou a qualidade das informações transmitidas, a meu ver, é também o modo como transmitimos essa inteligência para outras pessoas que só chegam no final de todo o processo.

Afinal, quando uma empresa, seja uma marca ou agência, contrata um serviço de relatoria – seja ele de listening/monitoramento, performance de mídia, web analytics ou o que quer que seja -, ela não o fez pelo relatório, mas sim pelos insights que dali podem surgir. A “entrega” pode até ser materializada num relatório em formato de PPT, PDF, DOC ou um dashboard (e geralmente é), mas o que estão pagando de verdade é pelas informações que esses materiais podem trazer para guiar uma ação posterior – um criativo, um desenvolvimento de produto, um ajuste de investimento etc.

Ainda nesse contexto, o ritmo de trabalho e fluxo de informações (e dados) aos quais a grande maioria – senão a totalidade – desses profissionais que consomem relatórios estão condicionados também acrescenta a esse cenário uma dificuldade mais ampla à apresentação de resultados. Imagine que essas pessoas demandantes provavelmente não estão consumindo apenas um relatório, mas diversos materiais, dentre relatórios internos, da Kantar, IPSOS, Google, Meta, WGSN, TrendWatching, BOX1824 etc. com dezenas ou centenas de páginas.

Torna-se, portanto, um esforço também dos profissionais que produzem relatórios (de listening, pesquisa, performance de mídia, web analytics etc.), encontrar maneiras de facilitar a absorção de todo o conteúdo que precisa ser compartilhado – ou pelo menos daquilo que é mais importante/decisivo. É por isso que fui desenvolvendo, aos poucos (novamente, a partir de feedbacks e estudo), um modus operandi que preza muito por três pilares que considero o sustento de todo bom relatório: design, dataviz e storytelling.

DESIGN NÃO É “SÓ” SOBRE ESTÉTICA

Quando eu trabalhava no IBPAD, alguém me apresentou o Polling Data, um projeto incrível liderado por um dos estatísticos mais respeitados do mercado de pesquisa de opinião no Brasil. Na época das eleições, “agregava” diversas pesquisas eleitorais para desenvolver uma metodologia própria que ponderasse os diferentes cenários de cada pesquisa dado os vieses que elas mesmas apresentavam. É, sem sombra de dúvidas, umas das iniciativas mais interessantes que eu já vi do ponto de vista metodológico e de crítica analítica.

No entanto, apesar de sempre trabalhar também com um ótimo dataviz, apresenta um design que não dialoga com a internet (e o mundo digital) que vivemos em 2023. E isso não é uma crítica pela crítica, mas uma constatação para argumentar que, nos dias de hoje, estética também passa credibilidade. Em tempos de fake news e golpes via internet, a maioria das pessoas – desse mercado ao qual me refiro, obviamente – já desenvolveu um olhar mais atento inclusive na estética das coisas, seja um site, um app ou um e-mail, para julgar o quão “verídico” aquilo se parece.

Ou seja, um material “feio” pode dar a impressão de um trabalho desleixado, mau feito e amador – portanto, com menos credibilidade. Apenas para fins comparativos, podemos tomar, como exemplo, o projeto The Perception Gap, que também é um projeto político, mas que dedicou um esforço maior ao trabalho de UI Design. Isso quer dizer que o TPG é melhor, analiticamente falando, do que o Polling Data? Não, mas a confiança e a usabilidade – pensando aqui em algo que facilita a absorção das informações – que o primeiro apresenta ao leitor é notavelmente mais amigável.

Além de passar mais credibilidade, portanto, a preocupação com o design também endereça o problema da sobrecarga de informações: artifícios ou indumentárias estéticas podem ajudar o leitor a direcionar seu olhar para aquilo que (num slide) é mais importante. E isso não significa que todos nós que trabalhamos com análise de dados (e já precisamos aprender a mexer em 50 ferramentas e ainda a programar em pelo menos duas linguagens de programação diferente) também precisamos aprender design, mas alguns direcionamentos básicos já podem ajudar.

Essa thread acima, por exemplo, mostra como o simples uso de diferentes fontes pode causar um impacto considerável na sua apresentação (ou no seu relatório). Também dá dicas de algumas customizações textuais que são mais ou menos difíceis de ler, alguns artifícios simples como um espaçamento diferenciado e alteração do tamanho das fontes que podem facilitar a leitura, além de outras orientações interessantes referentes a espaçamento, diagramação, extensão de texto, etc. São mudanças “simples” que facilitam muito a absorção das informações.

DATAVIZ

Outro pilar bastante importante e que acredito que talvez seja o mais coletivamente discutido dentre os três que listo é o famoso dataviz – ou visualização de dados, em boa tradução. De modo simples, é o esforço em encontrar a melhor forma para apresentar os dados analisados – destacando padrões, resumindo e comunicando números e apresentando informações. Dialoga muito com a questão do design, como podemos ver na apresentação a seguir, produzida por Julie Teixeira, uma das minhas primeiras referências no assunto e que continuo recomendando para vários colegas.

Nesse outro material, do blog Datawrapper, a autora Lisa Charlotte Muth indica quais fontes usar para gráficos e tabelas. Entra ainda em mais detalhes sobre fontes para explicar como cada uma funciona ou não para o tipo de visualização que está sendo cogitada, com vários exemplos destrinchados à minúcia. Embora a sua preocupação seja com dataviz mesmo, é um bom exemplo de como um também depende do outro. Novamente, não que haja uma necessidade em se estudar tipografia, mas como alguns conceitos e entendimentos básicos podem ser bastante úteis.

Existe uma avalanche de textos e materiais diversos sobre dataviz na internet à disposição, o que pode parecer um pouco sufocante e angustiante – como se você não fosse nunca conseguir aprender tudo que deveria, mas, novamente, o básico já é mais do que suficiente. Essa colinha da consultoria InfoNewt, especializada em melhorar a comunicação das empresas no contexto de técnicas e inovação de visualização de dados, por exemplo, já oferece alguns caminhos interessante para como apresentar porcentagem. Já o diagrama abaixo é uma tradução do IBPAD também bastante útil.

Também no blog do IBPAD, o professor Robert McDonnell oferece outras dicas simples (e fundamentais) para visualização de dados: sempre que possível, facilitar a comparação entre as categorias; usar cores de modo a informar categorias ou padrões; de preferência, não utilizar rótulos angulados, mas (quando necessário) garantir que tanto rótulos quanto anotações estarão no gráfico; e, por fim, tomar cuidado com os limites dos eixos para que ao mesmo tempo não pareça “maquiar” a realidade mas que também ajude a destacar o que precisa ser passado.

A série Remove to Improve do Dark Horse Analytics também mostra de maneira simples como nós complicamos – ou os próprios softwares complicam – a criação de gráficos, com o simples lema de: menos é mais. Mostra como detalhes simples como arredondar valores, remover rótulos redundantes, bordas e linhas pode fazer toda a diferença. Além desse material simples, fica a recomendação também dos sites RAWGraphs e Flourish, que dispõem de uma variedade de gráficos possivelmente interativos além de um fluxo de construção facilitada a partir da base que existe à disposição.

Por fim, pessoalmente, deixo aqui apenas mais uma opinião sobre dataviz: nem sempre é o gráfico mais bonito ou mais complexo que garante que as informações serão melhores transmitidas. Acho que é muito fácil para profissionais de dados caírem na tentação de querer sempre fazer um gráfico mais difícil que o outro, justamente para mostrar suposta habilidade com tal ferramenta ou método. O melhor gráfico é aquele que é útil, eficaz: quem vai ler consegue captar a informação? Se sim, perfeito. Pode ser um gráfico de barra ou até o polêmico gráfico de pizza (para até duas variáveis).

COMO VOCÊ QUER CONTAR ESSA HISTÓRIA?

Outra hypeword usada e desgastada exaustivamente no mercado é o tal do storytelling. É uma palavra que, imagino eu, veio de outras disciplinas bem distantes da nossa, mas que o mercado – sobretudo publicitário – adotou quando percebeu a importância da economia da atenção. Com tanto conteúdo, filme, série, site, vídeo no YouTube, vídeo no TikTok, notícia, artigo de opinião e, também, relatórios por aí, é de se esperar que diferentes profissionais estejam cada vez mais se preocupando com talvez uma das características mais básicas do ser humano: como contar boas histórias.

No contexto de apresentação de relatórios em análise de dados, contar boas histórias significa principalmente compreender as estratégias discursivas necessárias para capturar a atenção qualificada do leitor. E isso pode ser feito de diversas maneiras, inclusive usufruindo de técnicas de design e dataviz bem elaboradas, como destaquei nos pontos anteriores. O storytelling, aqui, é quem amarra tudo: é o fio condutor que, entendendo qual é o contexto, quem é a audiência e o que ela espera dessa entrega, dirige pelo caminho mais adequado para que a inteligência seja transmitida da melhor forma.

Refletindo sobre isso no ano passado, percebi que as histórias que nós, profissionais de análise de dados, temos que contar não são narrativas, mas dissertações. Lembra nas aulas de Redação quando a professora explicava que a classe dissertativa apresentava um problema o qual deveria ser discutido e geralmente resolvido com alternativas no texto? É bem parecido com o que somos contratados para fazer: endereçar/resolver problemas e/ou responder perguntas apresentando caminhos possíveis de solução, a partir de diferentes metodologias (e talvez aqui esteja a maior diferença da Redação).

É a mesma lógica também da pesquisa acadêmica: apresenta-se um problema que o pesquisador precisa analisar, discutir ou resolver de algum modo dentro da sua disciplina de estudo. A diferença, aqui, é que há um grande investimento (justificado) na metodologia e processo da análise, algo que na Redação do colégio é deixado de lado pela falta de instrumentos (criamos soluções a partir das nossas cabeças ou dos textos ali à disposição) e que no mercado o interesse maior está nas soluções criadas, mesmo que seja importante passar por como chegamos nesses insights.

Devido a minha trajetória profissional, de alguém que se criou dentro de um instituto de pesquisa e que ao mesmo tempo passou por uma graduação e mestrado com uma veia bastante acadêmica, demorei muito tempo para entender essa lógica. Passei muito tempo da minha vida preocupadíssimo em explicar, num relatório, toda a metodologia desenhada, ou aprofundar uma análise que, dando dois passos para trás e entendendo melhor o contexto da demanda, não faria muita diferença para o cliente. Foi uma virada de chave importantíssima para mim.

Hoje eu entendo e argumento que o storytelling de um relatório pode ser mais relevante do que os dados ou a análise em si. Quando digo isso, estou querendo dizer que o modo como os resultados serão apresentados através de artifícios de design e dataviz que facilitem a compreensão de quem vai absorver essas informações para atuar em tomadas de decisões mais assertivas pode ser mais importante do que uma análise mega complexa ou com uma metodologia super difícil. No fim do dia, independente das cento e poucas páginas, as empresas querem só os insights – e tudo bem.

A dica que eu dou e que levo para mim é sempre tentar entender duas coisas básicas: quem vai ler/consumir esse relatório e de que forma? A partir disso, você consegue pensar qual é o melhor fio condutor para apresentar essa história. Um relatório apresentado deve ser muito diferente de um relatório enviado por e-mail, assim como um relatório que chega à diretoria e gerência deve também ser muito diferente de um relatório que chega a coordenadores, supervisores e analistas de outras disciplinas, como criativos, por exemplo.

Para finalizar, então, só algumas dicas avulsas que tenho para mim e acho que podem ajudar:

  • Colocar no rodapé ou cabeçalho o nome do relatório, responsáveis pela produção e, em casos específico, o período ao que se refere a análise;
  • Idealmente, escrever textos com o mínimo de linhas possíveis – sempre tento que não passem de 3 ou 4 linhas, senão já se torna uma leitura que parece “pesada”;
  • Destacar números e e informações mais relevantes em cada slide, para facilitar e guiar o olhar de quem possivelmente fará apenas uma leitura dinâmica;
  • Não deixar nenhum dado solto ou descontextualizado – ou seja, explicar todos os picos/depressões, crescimentos, todo padrão que se quebre de alguma forma;
  • Também em relação aos dados, sempre apresentar um referencial – um número sozinho pode ser muito, pouco, igual, ou seja, trazer sempre comparativo histórico ou categórico;
  • Costurar os achados do relatório como num site, literalmente linkando as informações para criar uma coesão da história que está se desenvolvendo.

CoLab Social Media: métricas, relatórios e dataviz (4/6)

Depois de um breve período de hiato, retomo a série de posts do CoLab Social Media. Se você chegou aqui de primeira, saiba que este é o quarto texto de um total de seis. Já publiquei sobre os módulos de comportamento do consumidor/tendências e planejamento, real-time marketing e mídia online. Na postagem de hoje, abordo os módulos de métricas e dataviz, para na próxima semana finalizar a série com monitoramento, conteúdo e comunidades.

A facilitadora dos módulos de métricas de mídias sociais e relatórios e dataviz é a Julie Teixeira, ex-coordenadora de BI da Revista Trip e agora head de Inteligência na Remix Ideas – cujo trabalho já foi apresentado aqui no blog no ano passado e provavelmente será retomado com ênfase ao chegarmos na segunda parte deste post. Começamos, entretanto, falando sobre a parte de métricas, com um foco especial para a parte de web analytics e métricas para plataformas de vídeos. Segundo Julie, essa estrutura didática nos permite entender os principais conceitos da área que podem – e devem – ser replicados/adaptados em diferentes plataformas, serviços e objetivos de trabalho.

Foi interessante ter logo de início um conteúdo menos voltado para mídias sociais (como é a proposta do curso da Trespontos) e mais voltado para web analytics. Como Julie tem um amplo repertório de BI, pôde oferecer uma visão geral bem completa de alguns conceitos básicos de métricas do Google Analytics – que, como já dito, pode ser replicado e adaptado para outras ferramentas. O GA é a segunda ferramenta mais utilizada por profissionais de inteligência de mídias sociais no Brasil, o que é curioso, já que ele não apresenta dados das próprias plataformas em mídias sociais. No entanto, isso demonstra o quanto as empresas têm investido cada vez mais numa estratégia inbound, integrando o trabalho de mídias sociais com plataformas próprias.

Vale reforçar também que o Google Analytics é uma plataforma freemium, que atende perfeitamente às necessidades das maiorias das empresas em sua versão gratuita. A única diferença relevante é que esta faz uma mensuração por amostragem, enquanto que a versão premium (paga) fornece todos os dados disponíveis e não entrega seus dados para possíveis análises de mercado. Segundo Julie, isso acontece porque o Google oferece alguns benchmarks de segmentos (por exemplo, telefonia móvel) para comparativos de atuação. No curso ela também recomenda outras ferramentas, como a Chartbeat, interessante para clientes de editoria, pois gera um mapa de calor para as páginas do seu site.

Deixando um pouco de lado a plataforma e focando de fato nas métricas, ela apresenta no curso dois “níveis” diferentes: audiência e engajamento – também comum em conteúdos voltados para as mídias sociais. A primeira, como descrita abaixo, tem sua atenção voltada para o público, enquanto a segunda indica o “interesse” do público, ou seja, de que modo ele agiu nas páginas. No Google Analytics essas métricas de engajamento são pautadas no que chamam de “eventos”, que são todas as (inter)ações feitas num site (cliques, scroll, etc.) – e precisa ser pré-configurada para cada conta.

  • AUDIÊNCIA – MÉTRICAS DE PÚBLICO
  • Usuários únicos – em um período. quantas pessoas entraram no site (GA guarda o cookie por 90 dias ou até limpar o histórico);
  • Sessões – uma visita no site (após 30 minutos de inatividade a sessão expira e começa outra) *métrica mais usada do mercado;
  • Pageviews – os pageviews dizem quantas páginas foram navegadas no período (maior volume de pageviews contribui para aumentar nossas impressões) *atenção para o URL: alguns sites não mudam a URL conforme a navegação do usuário, neste caso, é preciso “forçar” uma leitura para o GA fazer essa contagem.
  • ENGAJAMENTO – MÉTRICAS DE INTERESSE (cruzamento de duas métricas)
  • Pageviews por sessão – um dos principais indicadores de interesse dos usuários pelo conteúdo de um site: a cada sessão, quantas páginas o usuário visitou;
  • Tempo médio de sessão – quanto tempo a pessoa passa no site em cada sessão (expira até 30 minutos de inatividade e inicia uma nova sessão depois)
  • Taxa de rejeição (bounce rate) – indica quantas pessoas entraram em apenas uma página do site (não se interessaram por nenhum outro conteúdo — sessões que visitaram apenas uma página dividido pelo total de sessões) *Ser alta não significa algo ruim: a depender do objetivo, vale verificar se o usuário não está gastando muito tempo no site para achar algo simples (uma taxa baixa, nesse caso, pode ser ruim).

O trabalho no GA é bastante investigativo. A pensar pelas métricas de dados do usuário, por exemplo, é possível ter em mãos: fonte de tráfego – de onde ele veio?, busca orgânica ou alguma campanha? (a URL parametrizada pode indicar a resposta); tipo de dispositivo – qual plataforma está sendo usada para consumir meu conteúdo?, mobile ou desktop? (a taxa de rejeição de um dispositivo específico pode indicar soluções específicas para melhor atender uma parcela dos usuários); fluxo de navegação – qual é o trajeto que o usuário faz desde a entrada até a saída do meu site?; palavras-chave busca paga – qual foi o termo de busca que levou o usuário ao meu site?; assuntos mais lidos – o que gera mais interesse?; localização – onde está meu usuário?.

Como já mencionei anteriormente, foi interessante ter uma estrutura didática que começasse pelos conceitos básicos de web analytics para então seguir com o tema de métricas para mídias sociais. Embora reconheça que (principalmente grandes marcas) usem as mídias sociais apenas como “ponte de divulgação”, acho que, pelo menos para quem está começando a estudar sobre o tema, talvez seja melhor começar pelo básico – neste post você confere meu texto sobre os dois primeiros cursos que fiz na área, sobre métricas de mídia sociais. Isso porque considero este assunto mais fácil, enquanto o tema de web analytics – que é também anterior às mídias sociais – exige um pouco mais de refinamento no conhecimento.

A proposta de Julie para métricas de mídias sociais, aliás, é diferente da que é mais comum nos cursos e materiais do mercado. Explico: os “níveis” de categorias mais conhecidos são dimensão/base (público) e interação/engajamento (ação), onde a primeira é referente ao universo de análise e a segunda correspondem às respostas aos usuários. No conteúdo do curso, a métrica de engajamento é vista como métrica de audiência (ou dimensão/base); como métrica de engajamento, Julie considera a ação dos usuários sobre o universo alcançado (ou seja, engajamento dividido por impressões). Para alguns profissionais, isso já deixaria de ser métrica e passaria a ser um KPI (key-performance indicator).

Não estou aqui para julgar (nem me vejo capaz ou com propriedade para isso), mas achei curioso contrapor esses diferentes métodos porque de fato “engajamento” é um termo bastante complexo ainda nos dias de hoje quando falamos de marcas na internet. A conclusão que cheguei numa breve reflexão é que não importa o meio, mas o destino, ou seja, tudo – como sempre – depende do objetivo. O importante é mostrar de onde veio e para onde vai (ou pretende ir). Como Julie menciona no curso, não há padrões ou parâmetros (comparativos) fixos, o ideal é contrapor com resultados antigos – dados internos: histórico, investimento, frequência de postagem, conteúdo, horários de postagem, percentual ativo da base, etc.

A mensagem passada é que, entendendo esses conceitos gerais de métricas de audiência (volume, alcance) e de engajamento (público, interesse), é possível aplicá-los em outras métricas de várias plataformas. No curso, por exemplo, ela apresenta um cenário geral de algumas métricas para plataformas de vídeo – mais especificamente Facebook e YouTube. Com o aumento da produção de vídeos para a web, houve certa discussão e debate sobre qual seria a melhor plataforma para divulgação. Como tudo na comunicação: depende (do objetivo). Abaixo, uma tabelinha que fiz com as métricas e atribuições para cada plataforma passada no material do curso. Em suma, no entanto, cada uma serve melhor aos propósitos:

  • Facebook: vídeos pontuais com necessidade de alto alcance ou conversão fora da plataforma; menor qualidade de retenção do usuário/conteúdo; sem possibilidade de merchan/product placement/pre-roll;
  • YouTube: fomentar comunidade, projetos de frequência/formato e temática específica, construção de marca; Usuário mais caro (distribuição e produção); monetização, merchan e product placement permitidos.

Métricas para plataformas de vídeos – principalmente Facebook e YouTube (clique na imagem para ampliar)

Com esse conteúdo de métricas para plataformas de vídeos chega ao fim o módulo de métricas de mídias sociais do CoLab Social Media – adiante, vamos falar sobre dataviz e relatórios. Essa é uma preocupação crescente no mercado que tem ganhado cada vez mais a atenção de analistas, coordenadores, gerentes e profissionais como um todo, que aprenderam a lidar com os números saindo da área de humanas e agora precisam voltar para um lado mais artístico com a apresentação sobre essa avalanche de dados. Nesse cenário, conhecimentos apenas sobre gráficos são insuficientes – é preciso ir mais a fundo nos estudos de profissões que já lidam com muitos dados há muito tempo.

Não vou me estender neste post sobre o módulo de dataviz porque ele segua a mesma apresentação feita no Social Analytics Summit 2015, sobre qual eu fiz um texto específico em janeiro do ano passado. Em resumo, acho importante lembrar: dataviz não é só parceria com diretores de arte, envolve apresentar padrões, destacar resultados e resumir os números – contar uma história; muita atenção para margem e alinhamento (!), permita que as informações respirem; hierarquia da informação é algo importante para direcionar a leitura (lembre-se que você é quem conduz a narrativa); tenha sempre alguns layouts “prontos” que sigam um padrão de esquematização proporcional à importância das informações, para que você possa apresentá-los com facilidade.

data-ink

Outro conteúdo importante que vale replicar é a recomendação de quando utilizar cada instrumento de leitura. Tabelas, por exemplo, são mais apropriadas para valores individuais, exatos, mais de uma unidade de medida, enquanto gráficos são ideais para relações e tendências. Colunas empilhada são indicadas para contribuição entre séries, com sua versão totalizante recomendada para contribuição proporcional. Nas colunas, nomes curtos; em barras, nomes longos, duração. Linhas são como setas (indicam de onde veio e para ondem vão), então são bons para tendências/grande volume de dados – e linhas com marcadores, para volume menor (médio) de dados. A área só é indicada para representatividade no todo, com sua versão totalizante para proporção.

Outras dicas importantes (que vale a pena repetir):

  • Gráfico de pizza: nunca. Jamais;
  • “Isso é bom?”: um dado descontextualizado é apenas um número. Sempre faça comparativos e/ou use um referencial para mostrar ao leitor se o que aconteceu está melhor ou pior;
  • Parâmetros: nesse trabalho de fazer comparações, cuidado com a natureza dos dados que serão comparados – eles precisam ser de uma mesma “categoria” (!) para que essa comparação possa ser válida (atenção também à proporcionalidade, principalmente na exibição dos gráficos);
  • Resultado-conceito (ou, “iai, neyn, comé ki fica?”): a depender de quem vai ler o relatório, é importante tentar sempre ser bastante claro: “o resultado foi bom/ruim/satisfatório/insatisfatório/nota 7/etc.”;
  • Atenção à estética: fontes – é recomendável usar apenas duas fontes (título e corpo do texto, a primeira mais “artística” e a segunda mais “sóbria”); paleta de cores – para dados sequenciais, usar uma mesma cor em diferentes intensidades, para dados divergentes, cores de sentimentos-padrão, para dados categóricos, cores distintas; ícones – “uma imagem vale mais que mil palavras”, neste caso, somente para legenda.

Embora não tenha me estendido muito no material do curso, reforço que gosto muito do conteúdo da Julie. Ele me ajudou bastante na produção do meu primeiro relatório público de monitoramento, assim como esse outro guia feito pelo Júnior Siri. Ambos têm um caráter ainda introdutório sobre o que de fato é dataviz (no levantamento de 100 Fontes sobre Pesquisa e Monitoramento de Mídias Sociais do IBPAD você vê pesquisadores como Judith Donath e Fernanda Viegas – além do mais conhecido, Nathan Yau, do FlowingData – estudando isso a fundo). No entanto, são ótimos conteúdos para o contexto do mercado de mídias sociais. Nesse sentido, também queria indicar esse guia e esse post.

No mais, queria mais uma vez elogiar o conteúdo do CoLab Social Media. Já estamos chegando perto do fim do curso e tenho ficado cada vez mais satisfeito com o conteúdo. Embora o material sobre dataviz esteja público (confira abaixo), é muito diferente vê-lo sendo explicado por quem o desenvolveu. Vale muito a pena! Eu, aliás, já tive meu período de “degustação” expirado e paguei pelo acesso vitalício. 🙂

Leituras da semana: planejamento, os problemas do Facebook e inspirações para social media

Antes de tudo, um aviso: já desisti de fazer o post com as leituras da semana no domingo. Ninguém quer trabalhar ou muito menos ler sobre o trabalho (mesmo que seja de interesse) num domingo. Ou seja, declaro aqui oficialmente que o novo dia do lançamento da coluna é às segundas-feiras (pra começar a semana antenada/o!) – o que não quer dizer que, por motivos maiores a mim, eu não atrase um dia (e já peço desculpas por todas as vezes que isso acontecer no futuro). No mais, vamos às leituras porque esta semana tem muita coisa boa e interessante!


Sobre planejamento

O Quero Ser Social Media agora está com um blog ativo! Ou seja, todos aqueles profissionais incríveis que ministram alguns dos cursos mais desejados da área de social media agora também compartilharão conhecimento através de blog posts. Para começar, separei três textos sobre planejamento (um assunto que já me interessava muito antes dessas leituras e que só aumentaram a minha simpatia pela função), provavelmente produzidos pela fantástica Dani Rodrigues. Destaco essa frase que me chamou atenção em um deles (mas recomendo a leitura todos!):

“Construa cenários e enredos para que seu consumidor tenha experiências e, então, ele mesmo falará o quão sua marca ou serviço é incrível.”


How to use social media at every stage of the sales funnel – por Rohan Ayyar, no Search Engine Watch

Todas as vezes que eu li sobre o funil de vendas em e-books ou leituras da semana, o tema principal era sempre inbound marketing (ou marketing de conteúdo, geralmente associado a e-mail/automação). Nesse texto, o autor propõe – no lugar do funil – uma escada rolante para pensar os estágios da venda em social media, na ordem: conhecimento, familiaridade, consideração, compra e lealdade – apresentando dicas de ações a serem executadas em cada um deles.

“If you want to know how engaged your audience is, you need to drill down deep into your social as well as web analytics. A tool that combines social media management and monitoring, such as Oktopost, can help you stay on top of customer conversations and get insights on their pains and pleasures. You can then respond to them in real-time.”


5 maneiras inteligentes de criar um conteúdo que vai muito além do básico – no Scup Ideas

Ainda na função de criação de conteúdo, temos este post bem legal do Scup. Trata-se de um resumo de um guia de marketing de conteúdo produzido pela Sprinklr, um whitepaper que traz conselhos de alguns grandes profissionais de marketing digital, onde eles dão algumas dicas inspiradoras para o tipo de conteúdo que deve ser produzido para o trabalho de social media.

“Para ser interessante, uma marca precisa criar um conteúdo que seja 100% para o público. Tire a marca da história. Transforme o cliente em herói e seu público prestará atenção. Valor não é negociável no cenário atual de informações supercompetitivas.”


[Opinião] Os perigos do “melhor horário para postagem” – por Amir Faria, no analise.digital

E já que estamos falando do trabalho e da criação em social media, vamos conversar sobre esse mito? Quando comecei a me interessar por social media e pesquisei superficialmente sobre assunto, encontrei diversos posts e estudos sobre os melhores horários para postagem. No entanto, no primeiro curso de métricas que fiz, já caí na real e percebi que isso (assim como tudo ou quase tudo em mídias sociais para empresas) é relativo. O mais legal desse texto é que o autor se preocupa em apontar pesquisas, citar profissionais relevantes e fazer análises comparativas – trabalhando menos no “achismo” e mais na realidade através dos dados.

“Mesmo que uma pesquisa seja feita estudando diversos segmentos de páginas ou perfis das redes sociais, ao se isolar um único segmento é possível detectar um padrão diferente de um padrão que existe no contexto global. E mesmo dentro de um único segmento, empresas podem ter um desempenho diferente com clientes semelhantes. Algumas podem entender o cenário que atuam e podem decidir não confrontar seus concorrentes nos mesmos horários.”

 


(Alguns d)Os (vários) problemas do Facebook

O império de Mark Zuckerberg quase nunca fica de fora dos assuntos abordados na leitura da semana justamente porque é um império – atualmente, pra falar sobre internet, precisamos falar sobre ele. Acontece que o Facebook é uma plataforma/site de rede social bem problemática, tanto para usuários quanto para as empresa/marcas/negócios. No entanto, como as pessoas permanecem lá, os anunciantes não têm outra opção senão se render ao jogo do gigante das redes. Mas e se alguns problemas surgissem e começassem a incomodar de verdade – e, para as empresas, “de verdade” significa monetariamente – os criadores de conteúdo? Duas das novidades da empresa – o Instant Articles e o investimento (intenso) em vídeos – têm criado certo incômodo para publishers, anunciantes e criadores de conteúdo. Confira nas leituras que separei abaixo:


Dados fora da caixa: menos pesquisas W.E.I.R.D., mais abrangência em Business Intelligence – por Juliana Freitas, no Dataísmo

Tem alguns textos que servem para a sua educação profissional (com informações úteis que te acrescentam habilidades específicas) e tem outros que são aprendizados de vivência, que acrescenta à sua visão de mundo. No meio desse Diagrama de Venn, está a nova publicação do Dataísmo. Retoma também um aprendizado das leituras sobre planejamento: não vá atrás de respostas que você deseja encontrar, mas aprenda a tirar o melhor proveito do que aparece nos seus resultados.

“Ok. A expressão “fora da caixa” surgiu há mais de 20 anos e hoje em dia não podemos dizer que este mote é “fora da caixa”, pois já tornou-se clichê e… resumido, inclusive. Atualmente, é usada frequentemente no marketing e na publicidade. Mas qual, realmente, a sua aplicação? Quantas campanhas e pesquisas podemos listar que possuem dados sobre as pessoas fora do eixo W.E.I.R.D., mas que são atuantes na sociedade, mas nem sempre possuem visibilidade?”


Como ir além da ferramenta de monitoramento – no Quero Ser Social Media

Como avisei lá no início, o QSSM agora está com um blog ativo – que já tem alguns textos bem interessantes sobre monitoramento, métricas e planejamento. Nesta publicação, são apresentadas algumas opções de análise de sentimento da marca que não podem ser feitas através das ferramentas, já que o trabalho é feito em locais mais “privados” ou onde as ferramentas não são capazes de fazer coleta. São pequenas dicas que podem fazer muita diferença.

“Devemos ter em mente que a ferramenta de monitoramento não pode ser considerada a única fonte de informação das mídias sociais. Há muitos dados que, além de não serem coletados pelas ferramentas, devem ser incluídos na análise e serem explorados de forma manual. Entretanto, deve-se lembrar que essas buscas manuais devem ser vistas como recursos qualitativos, ou seja, de verificar o teor dos assuntos e não quantificá-los.”


5 Tips For Reporting to Your Boss – por Willian Miller, no Socialbakers

E já que estamos falando sobre monitoramento e dicas práticas, aqui está um post bem bacana do Socialbakers de como fazer um bom relatório (para apresentar ao chefe). Vale lembrar que não há uma fórmula padrão para todas as empresas e/ou ferramentas, por isso todas as dicas distribuídas por grandes profissionais – ver também este post do QSSM – devem ser levadas em consideração por quem deseja melhorar seu desempenho.

“Speaking of realistic goals, looking at your own results in a vacuum on social won’t tell you much. Sure, you can (and should) compare your current results with past results, in order to evaluate your progress. But to objectively evaluate your activities, it is necessary to compare your results with competitors. The best way how to set realistic goals is to benchmark your performance against industry averages and competitors.”


“Da procura à compra”: por uma jornada de compra com menos “ruídos”

Destoando um pouco dos outros assuntos da semana, trago aqui dois textos ainda muito úteis para quem trabalha com marketing digital (principalmente com e-commerce). No primeiro, o autor analisa o desempenho da empresa Lowe (uma grande varejista norte-americana de produtos para casa) numa jornada de compra online – desde a busca (SEO) até a compra (landing page e checkout). Já o segundo faz uma análise mais abrangente de diferentes páginas de e-commerce, ilustrando exemplos e indicando quais seriam os melhores caminhos a se traçar para obter um melhor resultado de conversão.


Quer tirar seu email marketing do SPAM? – por Ricardo Fernandes, no Publicitários Social Club

Pra finalizar, um resumão do que aconteceu na Email Marketing Summit, realizada pela Media Education no início do mês. Na publicação, o autor compila algumas dicas-base do que foi passado durante a conferência por alguns especialistas em métricas, construção e design sobre algumas das tendências e novidades para a prática de e-mail marketing.

“A ideia é: email-marketing é uma das estratégias que oferece o melhor ROI (Return on Investment) pelo seu potencial de alcance e customização e pelo seu baixo custo. Mas sem mensuração e análise dos resultados, a estratégia vai por água abaixo. Sem análise, não há como identificar os KPIs na sua campanha. Nem como conhecer o que funciona ou não para o seu público (para poder investir naquilo que dá certo). A reputação, então, vai por água abaixo. E o ROI, claro, vai junto. Não caia nessa: invista em análises aprofundadas das suas campanhas – e de forma sistêmica, o que é ainda mais importante.”

E-book: Como trabalhar métricas e KPIs nas mídias sociais, do Scup

scup-monitoramentoemetricasScup Ideas – Por Cinara Moura e Mariana Oliveira

1. A importância dos objetivos para a mensuração dos resultados

2. Métricas X KPIs: uma definição fundamental

3. Escolhendo métricas e KPIs

4. Como fazer os dados trabalharem a favor de um negócio

5. Apresentação de dados ou datavisualization

6. Envolvendo equipes na mensuração

7. Desenvolvendo processos de métricas

Como já tinha explicado no post de Apresentação, optei arbitrariamente por começar as postagens do blog com os e-books do Scup. O acervo não é tão grande, mas tem conteúdo suficiente para render boas perspectivas de aprendizagem e a linguagem ilustrativa/didática ajuda a ler – até que seja pela primeira vez – sobre qualquer assunto e compreender com facilidade. Para começar, escolhi esse e-book (um dos poucos, senão o único) que fala diretamente sobre métricas – na próxima semana, dia 15, vou a SP fazer o workshop do Atlas Media Lab com Gabriel Ishida sobre o assunto, então achei que seria uma boa “preparação” (além de que já fiz outro cursos de métricas, com o Junior Siri, sobre o qual falarei no post sobre o workshop).

Com cerca de 28 páginas, o livro tem como objetivo “oferecer aos leitores possibilidades no tratamento e na justificativa de suas métricas, seja para clientes, seja para gestores internos, sobretudo no que se relaciona a mídias sociais”. Sem tocar muito em assuntos práticos (no sentido de “colocar a mão na massa”), as autoras vão de ponta a ponta no trabalho de métricas para as mídias sociais explicando desde o seu planejamento até o modo como ele deve ser apresentado interna e externamente. Todo o processo serve, de certa forma, como uma produção de páginas e mais páginas sobre a importância do trabalho de métricas no contexto do marketing digital. Elas pontuam cada etapa e as ações necessárias para organizar as funções da engrenagem de ferramenta que deve servir como apoio e acréscimo ao trabalho total realizado pela comunicação da marca/empresa – começando pelo objetivo claro a ser definido logo de início.

“Todo negócio tem um objetivo, aos quais estão (ou deveriam estar) direcionados os esforços de quem trabalha em prol deste negócio, em qualquer frente, inclusive o marketing. No livro Métricas: Como melhorar os principais resultados da sua empresa, Martin Klubeck afirma que as métricas são ferramentas que servem à melhoria de algo. […] O primeiro passo, sem dúvida, é compreender clara e profundamente o objetivo do cliente.”

O objetivo traçado pode ser comparado numa metáfora a um determinado lugar que precisa-se chegar – há várias maneiras de alcançá-lo, mas as empresas devem munir-se das formas mais apropriadas operacional e taticamente para assim fazê-lo. Isso significa que esse ponto de chegada irá moldar as estratégias tomadas antes, durante e depois da mensuração da campanha/ação/ou até mesmo desempenho como um todo. A partir da meta a ser atingida, todas as áreas devem trabalhar em conjunto pensando esse objetivo estratégico que deve alinhar todas as análises de métricas para ser alcançado – embora as partes ajam separadamente, deve haver uma sincronia entre elas para que todos compreendam suas funções dentro do contexto elaborado.

Tendo o objetivo determinado (algo que não pode ser dependido apenas ao cliente; cabe a agência compreender a presença da marca/empresa no mercado e indicar os passos a serem traçados), o assunto métricas x KPIs pode parecer feito para a etapa “durante” (enquanto o primeiro seria a etapa “antes”). No entanto, é explicado que os Indicadores de Performance (KPIs, em tradução ao português) devem ser sondados junto à decisão do objetivo – afinal, são eles as “fórmulas” responsáveis por determinas o sucesso ou fracasso do ponto de chegada. Em suma, métricas são “números”/dados que podem ser coletados, em sua maioria, por ferramentas próprias (Facebook Insights, YouTube Analytics, etc.); e KPIs são a parte “Intelligence” do Social Intelligence, ou Business Intelligence – ou seja, a “inteligência” humana que vai conseguir alinhar o objetivo da empresa com métricas coletadas online, criando uma fórmula matemática que vai servir de “comprovação” para o alcance ou não do objetivo inicial.

Métricas: são sistemas de mensuração que quantificam uma dinâmica, tendência ou característica. […] As métricas são utilizadas para explicar fenômenos, diagnosticar causas, compartilhar descobertas e projetar os resultados de eventos futuros.

quadro-metricas

KPIs: são indicadores definidos pelos gestores para acompanhar o desempenho das métricas associadas ao objetivo do negócio como um todo. […] Está associado ao negócio e aos objetivos do cliente, oferecendo contexto à métrica e trazendo consigo uma meta que visa, em última instância, alcançar o objetivo definido lá no início do processo.

No e-book, são citados dois exemplos bastante didáticos para compreender como traçar os KPIs (vale a pena conferir no material original, na pág. 9) – mas, simplificando irresponsavelmente, seria algo como: objetivo -> dados para comparação (filtro das classificações mensuráveis que servem ao objetivo) -> comparação (com a própria marca ou concorrentes) -> resultado (baseado no objetivo). “Resumindo, podemos dizer que enquanto as métricas trazem dados brutos e isolados, os KPIs dão uma noção de cenário às métricas, sendo: determinados a partir de objetivos; calculados através de métricas; associados a uma meta; dirigidos a uma tomada de decisão” – não tem como ficar mais claro do que isso.

Com o capítulo seguinte, fica ainda mais evidente a diferença entre os “números” (métricas) e a “inteligência” (KPIs) – com o teste “So What?” (E daí?), de Avinash Kaushik, explica-se os filtros das perguntas relevantes para traçar os indicadores de performance. Para ele, se a informação não possui consistência (argumentativa) para responder à pergunta, ela não é relevante – ou seja, saber a porcentagem de homens e mulheres que curtem uma página no Facebook, como exemplo dado no próprio livro, só se torna relevante quando atrelado a uma justificativa de posicionamento de marca (no exemplo, um conflito entre público online x público-alvo consumidor).

Alguns índices, por serem frequentemente utilizados pelas agências, já possuem uma fórmula “pronta”: share of buzz (para acompanhar as menções da marca frente à concorrência); net score (mensura um comparativo entre sentimentos gerais positivos/negativos sobre a marca); engajamento no Facebook (determina o nível de interação da própria página da empresa ou da concorrência); taxa de resposta (corresponde à eficácia da marca no SAC 2.0). No entanto, vale destacar: “Todas as atenções se voltam à natureza do objetivo, pois só servindo a ele um índice faz sentido na mensuração.”

tabela-kpis

No capítulo Como fazer os dados trabalharem a favor de um negócio, há o que eu considero ser um dos pontos principais do e-book (e do trabalho com métricas como um todo): os dados são apenas dados se não forem contextualizados. Isso exige que o profissional tenha uma visão macro e micro do ambiente da marca/empresa/campanha como um todo, pois essas duas vertentes irão refletir na performance online que disponibilizará os números para análise. Isso explica, também, o descompasso das chamadas “métricas de vaidade”, aquelas que não têm uma aplicação coerente para justificar ou sustentar o alcance ao objetivo inicial – deixem esses números para os “magos do Facebook”, que acham que conseguir milhares de curtidas, visualizações ou compartilhamento seriam necessariamente um sucesso no campo digital (quando, na verdade, depende novamente do objetivo traçado lá no começo).

“Os números, por si só, não bastam. As análises, perguntas e referências é que vão transformar dados em informação útil, relevante e acionável. A principal característica que o analista de dados deve ter é a curiosidade: perguntar, questionar, comparar e duvidar. Conhecer o objetivo e a natureza do cliente para propor coisas que façam sentido ao negócio.”

As etapas “padrão” (subjetivas) para uma boa análise de dados e mensuração de mídias sociais são:

  1. briefing e conhecimento do cliente;
  2. definição de objetivos;
  3. mapeamento de pontos de contato;
  4. elaboração de um Plano de Métricas;
  5. principais KPIs e metas;
  6. acompanhamento e otimizações;
  7. relatórios de performance;
  8. recomendações estratégicas.

Feito todo esse trabalho de “antes” e “durante”, após chegar nos resultados, a etapa de apresentação destes é tão importante quanto qualquer outra fase do processo. No material, é reiterada a importância do datavisualization (visualização de dados, em bom português) como método de “embelezamento” da apresentação dos resultados, junto a também de extrema relevância efetividade no relatório de métricas. Ou seja, é preciso buscar a harmonia entre esses dois componentes para poder apresentar um bom e didático resultado de todo o trabalho. Para isso: mostre comparações, contrates e diferenças; mostre as causalidades, os mecanismos, as explicações, a estrutura sistemática; exiba dados multivariados, ou seja, mostre mais de uma ou duas variáveis; integre completamente as palavras, os números, as imagens e os diagramas; descreve a evidência detalhadamente.

“Pense que você tem um monte de dados, tabelas e gráficos que precisam resolver um problema, dar uma resposta ao objetivo. O papel do profissional de métricas é utilizar os recursos de datavisualização para relacionar tudo isso numa apresentação que torne a análise relevante.”

Itens essenciais para relatórios:

a) Metodologia – ferramentas, período, índices, parâmetros e benchmarks;

b) Contexto – dar cenário aos dados, apresentando o plano estratégico e os desdobramentos de toda a ação;

c) Dashboard – principais KPIs e as metas da campanha/cliente;

d) Ser autoexplicativo – ter mensagem clara e decupá-lo para que haja apenas o essencial e isto possa ser compreendido de forma independente;

e) Insights baseados em dados – sempre argumentar em cima dos dados apresentados;

f) Conclusões – procurar não repetir o que já foi dito, mas sugerir novas intervenções.

Num mundo ideal, as agências não exigiriam todo esse trabalho de duas ou três pessoas – mas, infelizmente, não vivemos num mundo ideal. O capítulo Envolvendo equipes na mensuração ratifica a importância de um gestor de pessoas que oriente e organize uma equipe a fazer todo esse processo de métricas. Para isso, são pontuadas algumas questões principais necessárias na hora de alinhar o objetivo do cliente com toda a equipe da agência em prol do macro (negócio) e micro (execução): direcionamento – a equipe precisa compreender tanto a direção que o cliente deseja tomar quanto o posicionamento da agência naquele contexto; envolvimento – a divisão do processo de forma com que cada funcionário fizesse o que domina mais, estando sempre todas as frentes em equilíbrio; padronização de desempenho e desenvolvimento – buscar alinhar as habilidades técnicas e qualidades pessoais do seu pessoal para obter uma evolução contínua da equipe e conseguir entregar cada vez melhor os trabalhos de métricas.

“Processos são a sequência de acontecimentos interligados que vão a algum lugar, ou seja, um percurso. Adotá-los exige um esforço diário, pois trata-se de padronizações e operações sequenciais, sendo comumente percebidos como uma burocracia ou entrave à operação. […] Pensar a mensuração de mídias sociais em etapas, de forma processual, colabora internamente para que a execução seja qualificada e profissional e, além disso, ganha uma importância para que gestores e empresas passem a ver a área de métricas com a importância que ela merece.”

Por fim, são descritas as etapas essenciais para um bom trabalho de métricas nas mídias sociais. Tiradas do livro Use a Cabeça! Análise de Dados, de Michael Milton, são elas: definir – ter de forma clara os objetivos estratégicos (do cliente) e operacionais (da agência) num plano de métricas para alinhar todo o trabalho; decompor – segmentação e categorização de conteúdo para análise; avaliar – com base na comparação dos dados isolados, cruzar e elaborar insights que gerem inteligência para o processo (inserir num sistema de valores que indiquem um parâmetro); decidir – tomar como base todas as etapas anteriores para extrair um auxílio estratégico eficaz para a tomada de decisão do cliente.

“Torna-se crucial a alocação dos recursos corretamente, sejam eles humanos, de tempo, de energia e técnicos, como ferramentas e equipamentos. Pensar processualmente é o primeiro passo para a harmonia na alocação destes itens que, ao fim de tudo, objetivam uma entrega de métricas qualificada, profissional e enriquecedora, capaz de falar pelos dados ao cliente.”

Como mencionei lá no começo, este e-book, em nenhum momento, exige um conhecimento “prático” – de buscar dados em ferramentas ou traduzir relatórios como exemplo – mas mapeia de forma geral e eficaz como deve acontecer um trabalho de métricas completo em uma agência. Desde a criação do briefing para deixar claro o objetivo e a meta a ser alcançada até a apresentação dos resultados de forma compreensível, concisa e coesa, o material deveria ser leitura obrigatória para todos os profissionais de Social Media. Afinal, a meu ver, ignorar os dados e métricas que são um grande trunfo do meio digital é trabalhar de forma amadora num mercado cada vez mais concorrido que busca resultados eficazes para cada investimento financeiro.