O que machine learning e inteligência artificial trarão para o marketing?

A inteligência de marketing caminha a passos largos para a automação e cabe aos profissionais se prepararem para esse novo cenário

Diego Cardoso*

Ao frequentar alguns eventos de marketing, é comum ouvir termos repetidos à exaustão. Passamos da época do “Conteúdo é rei” e “Precisamos demonstrar resultados” para temas mais técnicos: machine learning, big data, inteligência artificial (IA), tudo isso adaptado ao nosso trabalho digital. Em alguns casos, essas palavras são vazias de significado. Porém a inteligência de marketing caminha a passos largos para a automação e cabe a nós, profissionais, nos prepararmos para esse novo cenário.

Todos esses termos técnicos parecem coisas distantes, pertencentes a um universo distópico onde as máquinas controlam o mundo. No entanto, essas tecnologias estão muito mais acessíveis, próximas e aplicáveis do que imaginamos. “Entre seus objetivos para 2018, coloque o seguinte: 50% do seu marketing digital deve ser feito com apoio de machine learning”. A frase, proferida por Avinash Kaushik em sua palestra no RD Summit, parece catastrófica, mas traz algumas perspectivas sobre a inteligência de marketing auxiliada por máquinas.

Kaushik tem autoridade: atual Digital Marketing Evangelist do Google, é autor de livros clássicos da área de inteligência de marketing, como Web Analytics 2.0 (livro de 2009). Ele acompanhou de perto o desenvolvimento da área de marketing digital e, dentro da gigante de Mountain View, pôde acompanhar o desenvolvimento de aplicações práticas de machine learning e inteligência artificial no marketing digital.

Em sua palestra, mencionou a ferramenta Intelligence do Google Analytics. Com base nas informações coletadas (e com a configuração adequada), o sistema gera relatórios personalizados e, principalmente, análises contextuais. A plataforma é capaz de apontar falhas na sua estratégia de marketing digital ou oportunidades que você pode explorar.

Outro exemplo é o Google Fotos. A ferramenta é capaz de identificar informações dentro de imagens, mesmo que você não as tenha declarado. Um exemplo prático: ao pesquisar por “Border Collie”, o Google Fotos apresenta imagens do pet da minha cunhada – sem eu nunca ter dito que aquele animal era um Collie.

Uma das falas mais interessantes da palestra de Kaushik foi a explicação dos conceitos usados nessa área. Essas palavras-chave fazem bem mais sentido do que aparentam. Os três termos apresentados:

1. Inteligência artificial: pense nesse conceito como um termo guarda-chuva. Assim como “marketing digital” faz parte do grande grupo “marketing”, “machine learning” é parte de “inteligência artificial”. Trata-se de um tipo de inteligência tecnológica que (tenta) imitar a humana.
2. Machine learning: não se trata de uma escola de máquinas (embora a imagem mental disso seja maravilhosa). Também chamada de aprendizagem de máquina, é uma subárea de conhecimento dentro da inteligência artificial cobre a capacidade de computadores aprenderem e aperfeiçoarem suas ações na prática, sem a necessidade de inserções de novas informações por humanos. Voltando ao exemplo das campanhas de anúncios do Google, o machine learning permite que a campanha seja ajustada automaticamente para aumentar as conversões sem a necessidade de configurações manuais.
3. Deep learning: a aprendizagem profunda está dentro do machine learning. De forma extremamente simplificada, a deep learning tenta imitar exemplos do cérebro humano para assimilar novos conhecimentos com pouco ou nenhum dado inserido externamente por humanos.

E como fica o trabalho de inteligência de marketing?

O futuro da inteligência de marketing exige preparação de dois lados: empresas e profissionais. No primeiro grupo, Kaushik apontou a necessidade de investimento corporativo em tecnologias de inteligência artificial como diferencial competitivo.

Para quem trabalha com marketing, Kaushik propôs um paralelo entre a Web Analytics atual e a futura. Hoje nós investimos:

• 50% do tempo coletando dados;
• 40% do tempo interpretando dados;
• E 10% do tempo analisando.

Com o suporte de inteligência artificial, nosso tempo deve ser:

• 10% para coletar;
• 10% para interpretar;
• 30% para analisar;
• E 50% para agir.

Teremos análises mais realistas, interpretações mais rápidas e tempo suficiente para corrigir e agir – desde que nós e nossas empresas estejamos preparados para isso.

* Diego Cardoso é consultor de
Inbound Marketing na Dialetto

**versão editada do artigo originalmente publicado no portal Inbound.Tech