Introduzindo a importância do entendimento do passado
Se assistimos à aula anterior, já entendemos como os modelos preditivos conseguem antecipar comportamentos, desde a previsão de chuva até a recomendação de séries. No entanto, antes de qualquer previsão, é fundamental o entendimento do passado. É isso que guiará nossa aula de hoje. Vamos discutir a diferença entre análises históricas e preditivas.
Na aula anterior, falamos um pouco sobre análises preditivas e a importância dos dados. No dia a dia, em qualquer área, seja marketing, produto, etc., há uma confusão ao tratar uma análise histórica versus uma análise preditiva. Muitas vezes, são tratadas como se fossem a mesma coisa, mas elas respondem a perguntas completamente diferentes. Hoje, vamos entender o porquê.
Comparando análises históricas e preditivas
Quando falamos de dados, existem duas formas principais de analisá-los. Primeiro, temos a análise histórica, que explica o que aconteceu, e a análise preditiva, que projeta o que provavelmente vai acontecer. Essas duas etapas são complementares e não realizam o mesmo trabalho. Empresas como o Google e a Amazon, que são muito avançadas, tratam essas camadas de análise como funções separadas. Elas entendem primeiro o histórico e, em seguida, usam esse histórico como base para a predição, o que discutimos na primeira aula: ter uma base robusta e um histórico para prever tendências e comportamentos comuns.
Se tentarmos prever sem entender o passado, estaremos apenas adivinhando, sem realmente criar um modelo de predição. Agora, falando especificamente de análise histórica, se fôssemos resumir ou trazer um sinônimo, seria como um retrovisor. Ela é descritiva, responde ao que aconteceu e é onde avaliamos a evolução de vendas, CAC, CPA, taxa de recompra, sazonalidade, quedas, picos, etc. Analisamos diversos KPIs, como em uma loja de varejo, para decidir o que repor, redistribuir ou até mesmo quando revisar o histórico de fraudes para identificar padrões e ajustar regras de segurança. Isso tudo explica o passado, mas não traz projeções ou visões de futuro, apenas analisa o histórico sem indicar tendências.
Explorando a análise preditiva
A análise preditiva, por outro lado, é como um para-brisa. Ela não foca em explicar o que já aconteceu, mas em usar o passado como base para estimar o que vem pela frente. Responde a perguntas como: se aumentarmos o orçamento, quantas conversões teremos? Ou, se mudarmos o preço, qual será o impacto na demanda? Quanto devemos produzir ou estocar? Diferente da análise histórica, a análise preditiva realmente nos ajuda a prever certos comportamentos.
Como podemos abastecer, por exemplo, o centro de distribuição antes da demanda existir? Temos a Amazon e o Mercado Livre como exemplos. Atualmente, eles mantêm os centros de distribuição abastecidos, e, ao realizar uma compra, é possível receber o produto no mesmo dia, dependendo da localização. Isso ocorre porque utilizam um modelo de predição para abastecimento. Já discutimos também, na primeira aula, sobre a previsão de cancelamento com base no comportamento. Se assinamos um serviço de streaming de música ou vídeo, por exemplo, é possível prever o risco de cancelamento com base em X dias sem ouvir música ou assistir a vídeos, permitindo tomar ações para evitar que o cliente se torne um possível churn.
Aplicando análises em campanhas de marketing
Agora, trazendo um exemplo mais realista em marketing do dia a dia, imaginemos que estamos planejando uma campanha de Black Friday. Ao analisar a campanha de Black Friday de 2024, percebemos que ela resultou em 1.200 vendas. Isso é um diagnóstico útil, mas limitado, pois descreve apenas o que ocorreu no passado. Com a análise preditiva, planejamos 2025. O modelo analisará a curva de conversão, o desempenho dos criativos, o CPM dos últimos meses, o CPC dos últimos meses, a variação por canal, a base ativa versus a taxa de recompra, e projetará algo como 20% a mais de orçamento, resultando em 1.500 a 1.800 vendas. Isso altera completamente as metas de planejamento de estoque, distribuição de orçamento, estratégia de criativos e estimativa de ROI.
É exatamente assim que empresas como Google e Meta estruturam seu planejamento. Elas se baseiam no histórico e no modelo preditivo, utilizando ambos de forma complementar para um planejamento mais inteligente. É interessante associar isso ao marketing, como mencionado, e isso se relaciona com o livro sugerido, "Kotler e Marketing 5.0". Kotler afirma que o marketing moderno precisa ir além do descritivo. O desafio agora é prever comportamentos e antecipar necessidades. A jornada de maturidade analítica envolve entender o que aconteceu, por que aconteceu, o que vai acontecer (modelo preditivo) e o que devemos fazer a partir disso (modelo prescritivo). O foco está na transição para prever o que vai acontecer e o que devemos fazer a partir disso.
Concluindo a importância das análises para decisões estratégicas
Para finalizar, resumindo o que aprendemos nesta aula: a análise histórica explica o passado, enquanto a análise preditiva projeta o futuro. Juntas, elas criam uma base sólida para decisões de marketing, produtos e negócios, formando a base de qualquer estratégia orientada por dados. Essa combinação certamente ajudará a tomar decisões mais estratégicas e inteligentes, seja em uma empresa ou negócio. Na próxima aula, começaremos a conectar tudo isso com modelos mais robustos e aplicações práticas para marketing, mídia e negócios.