Durante o Fórum E-Commerce Brasil 2024, Cláudia Mendes Nogueira, CEO da Oficina de Valor, destacou a importância do machine learning na gestão de receitas, utilizando dados do comportamento dos clientes para decisões mais precisas e eficazes.
O Poder do Machine Learning
“Despesas você controla, receitas não. A receita depende do cliente decidir comprar de você”
Cláudia iniciou sua apresentação abordando a distinção fundamental entre despesas e receitas. “Despesas você controla, receitas não. A receita depende do cliente decidir comprar de você”, afirmou. Essa premissa centraliza a importância de entender e prever o comportamento do cliente para otimizar receitas.
Ela explicou como o machine learning pode ser integrado ao processo decisório das empresas, afirmando que “um modelo de machine learning é uma simplificação dos dados que revela novos fatos e facilita a comunicação sobre esses dados”.
Desafios na Gestão de Receitas
Cláudia chamou a atenção para os desafios que muitas empresas enfrentam na gestão de receitas, muitas vezes recorrendo a soluções desorganizadas quando as receitas caem inesperadamente. “As empresas saem desesperadas procurando uma solução, não necessariamente de uma forma organizada ou estruturada. É o que a gente chama de gráfico barata boa”, disse, referindo-se à reação caótica diante de quedas nas receitas.
Aplicação Prática do Machine Learning
Segundo Cláudia, a implementação bem-sucedida de machine learning depende da capacidade dos modelos de prever probabilidades de forma transparente e precisa. “Modelos de machine learning não podem ser uma coisa separada dentro da organização. Eles fazem parte de um contexto decisório”, afirmou.
Ela também enfatizou a importância da parcimônia na escolha das variáveis dos modelos, usando apenas aquelas que são realmente relevantes. “Não vamos ferver o oceano. Poucas informações, muitas vezes, são suficientes para modelar um determinado problema”, explicou.
Probabilidade e Intuição
Cláudia destacou como a probabilidade é uma ferramenta poderosa que dialoga com a intuição humana. “Quando você fala o seguinte, olha, 80% de chance dessa pessoa voltar a comprar, é muito fácil as pessoas compreenderem a probabilidade”, disse. Ela ressaltou que, embora os modelos de machine learning sejam excelentes em ranqueamento, prever a probabilidade exata requer ajustes contínuos e monitoramento constante.
Transparência e Confiança nos Modelos
A transparência nos modelos é crucial para que os decisores possam confiar nas previsões. “É justo que o decisor consiga entender o que está por trás de um modelo. Esse conhecimento e aprendizado são para o conforto cognitivo e fazem com que as pessoas adotem a modelagem de uma forma muito mais simples”, afirmou Cláudia.
Casos Práticos e Resultados
Cláudia apresentou exemplos de como empresas podem usar machine learning para otimizar suas estratégias de receita. Um caso fictício mostrou como um modelo previu com precisão o faturamento e permitiu ações direcionadas, como campanhas específicas para clientes com alta probabilidade de retorno. “O objetivo não é só prever o faturamento, é agir sobre ele”, destacou.
Ela também mencionou a importância de não confinar os modelos a um único departamento, como o CRM, mas integrá-los em toda a organização. “Não confinar modelos na área do CRM. Porque senão fica só o pessoal da CRM tentando usar aquele modelo, não consegue mostrar o quão estratégico é aquela informação para outras áreas”, explicou.
Conclusão
Cláudia concluiu sua palestra reforçando a necessidade de uma abordagem integrada e contínua na gestão de receitas, utilizando machine learning para unir dados e decisões estratégicas. “Modelos devem ser acompanhados. Por quê? Eles degringolam no tempo, seja pelos dados que estão carregados, seja pelos algoritmos que também vão perdendo precisão”, finalizou.
Foto: Datalogando
