Nosso cliente é considerado o 5° maior banco privado do Brasil e uma das principais marcas em soluções de crédito no país. A instituição também é líder em financiamento de veículos, totalizando mais de 2,2 milhões de veículos financiados aqui no Brasil.
Este artigo contará como o modelo de atribuição da MATH MKT identificou e recuperou, em uma única ação, R$ 200 mil em potenciais ganhos para este cliente, tendo assim 40% da verba de mídia identificada no primeiro mês de atuação.
O case em questão revela a capacidade que o modelo de atribuição tem de transformar dados, sistemas e variáveis em resultados de fácil compreensão e facilitem as tomadas de decisões baseadas em informações confiáveis.
Principais dores
Existem diferentes caminhos que podem fazer com que potenciais clientes do banco cheguem à conversão, sendo eles a realização da simulação via web ou app móvel e depois se dirigir a uma loja para efetivação da compra, ou a realização da compra diretamente na loja. Entretanto, a jornada que ele percorre até chegar neste ponto de conversão pode ser longa e com caminhos distintos de pesquisa.
Buscando presença nos caminhos citados, o nosso cliente investiu em mídia paga. Porém, haviam dificuldades na definição das estratégias para anúncios. O banco possuía uma visão limitada do last click, que fazia com que parte dos touch points percorridos pelos leads fossem ignorados, levando os gestores a uma percepção errada.
Com isso, no final de 2020, o banco e a MATH MKT tinham como desafio o entendimento das principais jornadas de conversão do lead, saber o percentual de contribuição de cada canal para o lead se tornar cliente e a realização do cálculo do valor investido em relação ao valor retornado pelo cliente. Além dos desafios citados, precisávamos responder o principal questionamento dos gestores:
- Será que precisamos da mídia paga?
- Qual o real impacto se desligarmos todas elas?
Análise e diagnóstico
Inicialmente, procuramos avaliar o retorno dos investimentos para que pudéssemos entender o que estava acontecendo com as mídias pagas do nosso cliente.
Foi descoberto que as campanhas de mídia paga representavam 40% do volume de contratações realizadas pelos clientes, porém, para ser possível criar o modelo de atribuição ideal que atendesse as particularidades do negócio, foi necessário realizar algumas etapas como, por exemplo, revisão das regras de negócio, levantamento de gaps existentes e análise dos dados disponíveis.
Durante as análises realizadas pelo nosso time, foram identificados dados desorganizados e dispersos entre as plataformas, ou seja, deixava claro que a falta de visão única limitava a compreensão até a conversão final.
Media Mix Modeling: O modelo de atribuição da MATH MKT
O modelo de atribuição visa promover a correta mensuração de um conjunto de processos para identificar interações do usuário (os chamados “eventos”) em diversas telas e pontos de contato. Assim, é possível calcular e atribuir o valor correto a cada evento que, de alguma forma, contribuiu para alcançar uma conversão ou um resultado desejado.
Nossa unidade de marketing criou um modelo de atribuição personalizado em data-driven que consegue responder aos questionamentos mais difíceis das jornadas mais complexas. Esta metodologia foi aplicada para resolução do problema do nosso cliente, isto visando entender a contribuição das diversas mídias ao longo da jornada por meio de modelos estatísticos e customizados de co-atribuição.
Este modelo permite olhar toda a jornada do consumidor com a possibilidade de atribuir o resultado de cada ponto de comunicação com esse cliente e não somente o último touch point obtido antes da conversão.
Magda Cani, Head de Growth, afirma no podcast 05 do #DotheMATH que este modelo também apoia na visão do CAC (custo de aquisição dos clientes).
“Como que a gente pode reduzir o custo de aquisição dos clientes? Na verdade, o que é mais importante que esse modelo traz pra gente é a compreensão de como cada momento importa na jornada de consumidor. É como quando este cliente tá no momento de decidir qual carro ele vai comprar [...] de qual maneira posso me comunicar com ele e oferecer o conteúdo que vai importar naquele momento, e quando ele está próximo a converter, a fazer a compra efetivamente, o que eu devo mostrar como conteúdo que vai ajudar naquela decisão de compra”, complementa a profissional.
Do Last-Click para Co-atribuição
A primeira ação promovida pela MATH MKT foi motivada por uma das constatações do cliente anteriormente citadas. Foi identificado 20% dos investimentos de mídia eram feitos em vão, chegando a um pico de 40% de verba de mídias pagas desperdiçada, exigindo, então, uma atuação rápida da nossa equipe.
Com as primeiras mudanças na maneira de analisar os dados, a MATH MKT conseguiu mais de R$200 mil de produção (ou ganho, retorno) com sua origem identificada apenas em uma primeira análise. Para que essa descoberta fosse realizada, nossa equipe criou um cálculo baseado na quantidade de leads por dia nas mídias pagas. A partir do percentual extraído da conta, compararam outros períodos e se aprofundaram até o CPL.
A equipe do banco realizava as primeiras análises baseadas no last click enquanto a equipe da MATH, em paralelo com a equipe de engenharia interna do cliente, deram início à migração para o Media Mix Modeling da MATH, o que permitiu que as análises se tornassem mais granulares.
Então, os gestores do banco passaram a analisar toda a jornada do consumidor e a inteligência da solução passou a atribuir um resultado específico para cada ponto de comunicação com esse cliente, não focando apenas no último touch point antes da conversão.
Magda acredita que o verdadeiro benefício por meio disso foi o entendimento de início da jornada do cliente, para então poder tratar esses grupos por jornada. Por exemplo, se esse cliente que vem da mídia paga, qual que é a melhor combinação de canais?
“Isso é muito valioso! Entender mesmo que existem jornadas separadas, grupos de jornadas separadas e que elas devem ser tratadas de forma diferente”, finaliza.
Outro ganho importante que a atribuição do Media Mix Modeling (MMM) da MATH trouxe aos gestores deste cliente foi o aumento da capacidade de compreensão da importância de cada momento da jornada do cliente e como a comunicação deve ser feita nesses momentos. Investir em mídia, considerando também o comportamento e preferências do cliente, não só otimiza custos, mas melhora a performance das ações e a experiência das pessoas com sua marca.
Magda ainda reforça que isso refletiu em custo e economia, e em como se utiliza um investimento a serviço da otimização de canais. Veja, se um canal cumpre melhor determinada função, o ideal é colocar mais investimento ali, para que o resultado seja de mais retorno.
“Os dois benefícios foram entender a jornada. Quanto mais a gente entra nisso, mais é possível entender como ter conversas mais próximas com o cliente, e desenvolver uma oferta que faça mais sentido para ele. A outra é realmente como a gente gera eficiência ao otimizar esse investimento nos canais de comunicação, aí sejam canais de mídia, ou canais próprios, como a gente tem a melhor composição entre eles”, fomenta Magda.
Leia mais sobre o tema em: Tudo sobre Marketing Mix Modeling e sua importância na estratégia de crescimento da sua empresa
Em números
A atribuição do MMM da MATH trouxe
- 6 sistemas conectados;
- 11 variáveis observadas;
- 1,5 milhão de dados gerados diariamente.
Após 3 meses de implantação os primeiros resultados foram enxergados:
- 500 mil novos leads recuperados;
- 15% de redução do custo de aquisição do cliente;
- 16% de rentabilização no CPL;
- Mais de R$400 mil em economia.
Na MATH MKT entendemos que cada negócio é único, assim como o potencial que o cliente precisa atingir. Foi pensando nisso que desenvolvemos um modelo de atribuição que respeita as especificidades de cada jornada com o intuito de aproximar o cliente de sua marca em diferentes touch points.
Leia também: Modelos de Atribuição: por que você ainda usa os da década passada?
Usando dados a serviço da sua jornada com o consumidor
Para aproveitar ao máximo a inteligência dos dados e otimizar sua jornada digital em prol de uma experiência excepcional, é crucial promover uma cultura de dados. Mas, além disso, assegurar a correta visualização das informações interpretadas.
