É de conhecimento do mercado que ferramentas como Opteo, Optmyzr, Adcore, entre outras, facilitam o trabalho de gestão de campanhas PPC. Elas utilizam aprendizado de máquina e monitoram pontos importantes como consumo de saldo, competitividade dos lances, além de problemas críticos da conta, como anúncios que não estão performando bem, ou quando há algum problema com o link para a página de destino.
Com a promessa de monitorar e agrupar estatisticamente padrões vencedores no desempenho das contas, a ferramenta Opteo, por exemplo, faz sugestões de melhorias em tempo real, além de oferecer otimização de lances, detecção de erros na Landing Page (mais especificamente com relação à sua disponibilidade), análise dos termos e testes de anúncios.
Nós utilizamos a ferramenta no dia-a-dia e pudemos observar que ela ajuda bastante a monitorar volumes altos de palavras-chaves, mas, oferece pouco valor agregado no que diz respeito a estratégia core das contas. O Opteo, assim como outras ferramentas de automação, ainda não conseguem entender completamente o contexto das palavras-chaves, uma vez que analisam apenas os pontos indicativos numéricos da performance. Isso pode levar a interpretações equivocadas já que uma palavra pode ter mais conversões (indicativo número), mas no final das contas trazem leads não qualificados (indicativo qualitativo ao qual a ferramenta, por padrão, não tem acesso).
É interessante notar que ainda hoje “2019”, apesar de todo o acesso tecnológico de empresas como Google e Apple, o processo de aprovação de anúncios do Google, por exemplo, ainda aconteça de forma manual. O mesmo acontece com os aplicativos submetidos para aprovação na Apple Store. Veja bem, ambas as situações dispõe de regras claras e definidas quanto aos requisitos e políticas, mas apesar de toda a tecnologia de inteligencia artificial dessas empresas, ambas ainda preferem que esse tipo de análise seja feita por pessoas.
Razões do descompasso
Razões Humanas
Em um artigo publicado em 2018 pelo site da Havard Business Review, Thomas DavenPort e Randy Bean trazem a ideia de que “Grandes companhias estão abraçando a análise de dados, mas ainda continuam não tendo uma cultura Data-Drive”.
Uma pesquisa conduzida anualmente pela “New Vantage Partners” reporta a percepção de urgência na necessidade em se fazer uso efetivo de dados nas organizações.
A grande preocupação para grandes organizações envolvidas na pesquisa é justamente a capacidade de “novos entrantes”, startups, serem capazes de tirar maior proveito de tecnologias como bigdata, gerando novas disrupções.
Embora muitas startups já estejam sendo construídas a partir de uma perspectiva baseada na extração de valor das tecnologias de bigData e AI (inteligência Artificial), a pesquisa releva que a velocidade na qual grandes organizações estão se movimentando para a cultura de dados é lenta. Apenas 1/3 das empresas pesquisadas reportaram terem sido bem sucedidas nesse sentido.
Ou seja, há mais empolgação do que ação e adoção dessas tecnologias, especialmente, e contra intuitivamente, em grandes organizações.
Razões Tecnológicas
Se por um lado empresas como Accenture já estão eliminando empregos (40 mil para ser mais preciso) com tecnologias que literalmente “automatizam a automação”, o terceiro lado da moeda,
é o fato de que as máquinas são programadas para executar e melhorar processos de decisão para tarefas especifica em contextos pré-determinados. A precarização do trabalho, por exemplo, proporcionada pelo leilão reverso agressivo de algumas plataformas, deve ser visto como uma decisão humana, não simples efeito colateral da tecnologia em si. Inteligência artificial não decide esse tipo de coisa.
Computadores não entendem (pelo menos ainda não).
O Gmail lançou um recurso, anos atrás, chamado “Smart Reply”. Uma das habilidades da ferramenta era sugerir respostas dependendo do contexto da mensagem. Porém, era muito comum obter-se outputs como “Eu Te Amo” para diferentes tipos de e-mail, incluindo os corporativos.
A exemplo do G-mail, podemos pressupor que no estágio atual, o machine learning é capaz de reconhecer um cachorro em uma imagem, mas não entende o que é um cachorro, e mais, dependendo do treinamento, não consegue nem ao menos diferenciar um gato de um cachorro.
O viés do aprendizado de máquina.
Quando você cria uma campanha no Facebook e vê uma mensagem dizendo: Campanha em aprendizado. Você acredita que:
A – A campanha está em aprendizado para gerar mais dinheiro para você.
B – A campanha está em aprendizado para gerar mais dinheiro para você e para o TIO Mark ?
C – A campanha está em aprendizado para gerar mais dinheiro para o TIO Mark ?
Independente de sua resposta, considere que:
1 – Existe um viés sistêmico.
2 – Se essa tecnologia é padrão e acessível para todos anunciantes, então estão todos nivelados, portanto, não há vantagem competitiva para nenhum deles.
Então esse negócio de AI não serve pra nada ?
Muito pelo contrário. A tecnologia tem evoluído muito e pode ser aplicada com grande valor no contexto do marketing digital. Como o título deste artigo sugere. A AI ainda não dá conta do recado por si só. Mas isso não significa que ela não seja útil.
Alguns exemplos práticos de utilização:
1 Ela consegue analisar de forma sistemática, centenas de pontos chaves do seu site e entregar, em escala, experiencias personalizadas para seus consumidores.
Ela pode ajudar a determinar o engajamento de um usuário com o conteúdo.
Algoritmos de aprendizagem podem identificar consumidores desengajados e ajudar a determinar as fontes de tráfego versus elementos da sua página geram maior ou menor engajamento.
Os algoritmos podem analisar milhões pode pontos de dados (tarefa impossível para os humanos), como por exemplo:
1 Geolocalização
2 Pontos de interação com o site
3 Referências de tráfego
4 Fatores psicológicos
5 Comportamentos de compra
6 Entre outros…
Conclusão
Machine Learning, AI, Bigdata são tecnologias fantásticas e a sua adoção tem sido inevitável. Elas potencializam as capacidades humanas embora estejam longe de ser solução para todos os problemas de uma campanha de marketing digital, quem dirá para os gigantescos problemas dos nossos tempos.
