Aprendizagem automática: Principais conclusões da Conferência sobre Análise de Dados da MRS

Explorar os pontos de vista dos especialistas sobre a IA e o papel das "estatísticas" nos estudos de mercado

A aprendizagem automática (AM) está em todo o lado, desde as redes sociais e os assistentes virtuais até aos serviços financeiros e à segurança dos dados. Para os profissionais de vendas e marketing, a aprendizagem automática oferece uma análise sem precedentes de grandes volumes de dados. Tem o potencial de descodificar percursos de compra cada vez mais complexos. No entanto, será que a aprendizagem automática tem realmente um papel a desempenhar nos estudos de mercado, um domínio em que nos baseamos em métodos analíticos para compreender a tomada de decisões complexas e com nuances? Ou será que o pensamento estatístico continua a ser o elemento analítico essencial por detrás das informações que fornecemos atualmente?

Estas foram as questões colocadas durante a conferência MRS Data Analytics de 2019, realizada em Londres. Juntei-me a colegas da Sky, Boxclever e Honeycomb para explorar este tópico durante o painel "O papel da estatística e da aprendizagem automática nos estudos de mercado".

Eis o que tínhamos a dizer e o que precisa de saber sobre o futuro dos estudos de mercado.

Os tempos estão a mudar: a aprendizagem automática como fator de mudança nos estudos de mercado

À medida que a aprendizagem automática entra na arena com força, as empresas, em particular os profissionais de marketing e de informação, estão a tentar adaptar-se rapidamente a este novo paradigma de análise. Apesar deste interesse vibrante na aprendizagem automática, os meus colegas de painel e eu reparámos na confusão que existe sobre quando a utilizar e quando utilizar abordagens estatísticas mais tradicionais.

A aprendizagem automática deve ser tratada como uma ferramenta essencial para as equipas analíticas de estudos de mercado? Os métodos estatísticos ainda têm um papel a desempenhar e, em caso afirmativo, quando é que um modelo estatístico é preferível a uma solução de aprendizagem automática?

Aji Ghose, Diretor de Investigação e Análise da Sky, o braço da ciência da decisão da grande emissora, falou sobre o assunto. Ghose revelou que, apesar de os analistas da Sky empregarem cerca de 90% de métodos estatísticos "tradicionais", também experimentaram a utilização de uma rede neural para dar sentido às imagens, classificando imagens e vídeos automaticamente.

Qual é o lugar da aprendizagem automática no conjunto dos estudos de mercado?

1. As melhores utilizações para a aprendizagem automática

Todos os especialistas concordaram que a Aprendizagem Automática é melhor utilizada quando se investigam objectivos tácticos, por exemplo, na investigação de preços quando se prevêem aumentos de preços. O atrativo da aprendizagem automática é a "precisão da previsão".

No entanto, a aprendizagem automática não pode, por si só, produzir razões qualitativas para o que prevê ou observa. As principais decisões em matéria de estratégia de receitas necessitam de uma análise mais rigorosa: as principais partes interessadas, como os gestores de marcas ou os retalhistas, terão de ser persuadidas com uma compreensão das razões subjacentes à tomada de decisões por parte dos consumidores ou das empresas. O "porquê" subjacente não pode ser fornecido apenas pela aprendizagem automática.

Além disso, a aprendizagem automática não pode oferecer estratégias a longo prazo. Por exemplo, os motores de sugestão de comércio eletrónico da variedade "Se gosta disto, vai adorar aquilo" podem fornecer juízos simples baseados na observação dos hábitos dos consumidores, mas não podem aprofundar o comportamento provável de tomada de decisão de um consumidor.

2. Uma fome de dados

A aprendizagem automática necessita de uma grande quantidade de dados para produzir um resultado significativo. Outros métodos de investigação podem efetivamente fazer mais com menos, ou seja, produzir resultados mais úteis utilizando muito menos dados. Como é que isto é possível? Os estatísticos dos estudos de mercado trabalham com conjuntos de dados específicos selecionados pela sua relevância, ao passo que as técnicas de aprendizagem automática e de megadados utilizam grandes conjuntos de dados originalmente concebidos para outros fins.

Este cenário foi o tema principal da audiência da MRS Data Analytics Conference. Questionaram se deveríamos estar preocupados com a quantidade de dados atualmente disponíveis. Da audiência, o meu colega Marcel Slavenburg, Diretor Sénior, SKIM, explicou que uma gama mais vasta de fontes de dados, como a aprendizagem automática, os grandes volumes de dados e os dados de terceiros e de vendas, é útil para a "triangulação". A utilização de fontes de informação adicionais permite ter uma melhor noção do contexto da tomada de decisões. Mais informações permitem-lhe fundamentar os dados para uma compreensão mais matizada, o que produz conhecimentos mais precisos e acionáveis.

3. Como é que as empresas utilizam os seus dados

No mundo digital de hoje, muitos dos nossos clientes estão a recolher enormes quantidades de dados de clientes, mas têm dificuldade em saber como os aproveitar eficazmente. Podem ter informações recolhidas em silos (por exemplo, escuta social, dados de CRM, dados online, etc.), mas podem não as partilhar amplamente a nível interno. Parece-lhe familiar?

No painel, discuti as grandes variações na utilização da ciência dos dados nas empresas, desde nenhuma - até empresas com equipas de ciência dos dados integradas em todos os aspectos dos dados e das informações. Enquanto algumas estão a utilizar a aprendizagem automática e outros métodos para obter uma visão de 360 graus, outras ainda não definiram uma estratégia que lhes permita fazê-lo. Ficou evidente que a integração e as parcerias são uma forma de desenvolver o tipo de compreensão contextual que Marcel descreveu.

4. Cuidado com a rotulagem incorrecta

Durante os debates, Bethan Blakeley, Diretora da agência de ciência dos dados Honeycomb, referiu que o ML e a IA se tornaram palavras tão badaladas que as soluções de estudos de mercado podem ser erradamente apresentadas como utilizando estas novas tecnologias, embora na realidade sejam métodos "tradicionais". Esta confusão realça a importância de escolher parceiros de estudos de mercado com uma vasta gama de conhecimentos e experiência, de modo a obter os benefícios de todos os métodos disponíveis. Uma agência parceira com raízes analíticas profundas pode avaliar o contexto empresarial com todos os métodos (antigos e novos) para criar a melhor estratégia de investigação personalizada para a sua marca.

Como começar a utilizar a aprendizagem automática nos estudos de mercado

Na nossa perspetiva em SKIM, a aprendizagem automática tem um papel definitivo em advanced analytics atualmente. No entanto, é melhor implementada como parte de um conjunto de ferramentas analíticas sofisticadas.

Quando se reúne uma equipa de análise ou se recorre a peritos externos, estes devem estar bem familiarizados com o assunto:

• Ser capaz de comunicar eficazmente entre as diferentes culturas, jargões sectoriais e "vocabulários" existentes nas diferentes equipas que possuem diferentes conjuntos de dados ou que têm interesse em explorá-los
• Considerar o contexto em que os conjuntos de dados foram criados
• Questionar continuamente as fontes de dados com bom senso e alinhamento com o objetivo comercial final
• Aproveitar a melhor solução analítica para o objetivo - ser agnóstico em relação ao método - como passar de uma solução mais automatizada para uma solução mais ad hoc, ou vice-versa

Estes critérios produzirão os resultados mais significativos a partir dos dados.

Se pretende fazer mais com os seus dados, podemos aconselhá-lo. O resultado será uma estratégia de informação que protege e nutre o seu negócio, uma vez que tem como objetivo o crescimento a longo prazo. Temos uma longa história de experiência em comportamento de decisão, métodos analíticos e compreensão dos actuais desafios de marketing, para além de uma integração total de dados e análises. Trabalharemos em conjunto consigo para conceber uma abordagem colaborativa de ciência de dados que permita iniciar corretamente a sua viagem de dados.

Quer saber se está a utilizar os resultados da aprendizagem automática da melhor forma para a sua empresa? para discutir como podemos ajudar.

<![endif]–>