Os 24 termos de dados de marketing mais comumente incompreendidos

Imagine que você trabalha com marketing, está planejando uma campanha de reconquista e pede à equipe de dados uma lista de “clientes inativos”. Você espera pessoas que não compram nada há 90 dias. Mas a lista que você recebe traz usuários que não abrem o aplicativo há 30 dias, porque é assim que “inativo” está definido nos dados. 

Ou você pede atualizações de público em “tempo real” para evitar o envio de um “sentimos sua falta” para alguém que acabou de fazer um pedido. Você imagina uma lista que é atualizada a cada 15 minutos. A equipe de dados entende “atualizações em segundos” e retorna com perguntas sobre nova infraestrutura, custos contínuos e um prazo mais longo.

Essas diferenças afetam o que é construído, quanto custa e quando o marketing pode usar. Entrar em acordo desde o início sobre o que significa um “cliente”, o que torna um público pronto e quão recente um sinal precisa ser pode evitar que mal-entendidos se transformem em retrabalho de campanha.

Este guia aborda 24 termos que o marketing e a engenharia de dados costumam interpretar de maneira diferente, organizados em torno de cinco perguntas práticas sobre a execução de campanhas. Use as definições comparadas como ponto de partida para conversas: exponha premissas, esclareça o que cada lado precisa e concorde com os significados que se adaptam ao seu negócio antes de começar o trabalho.

Baixe aqui o PDF com todos os 24 termos para impressão.

1. De onde vêm os dados da campanha?

As informações em uma ferramenta de marketing podem depender de vários sistemas e etapas de processamento. Entender esse caminho ajuda você a explicar o que precisa e a identificar onde uma alteração deve ser feita. Por exemplo, pense em um campo chamado “data da última compra”. Antes de usá-lo para identificar clientes inativos, entrem em acordo sobre se ele inclui pedidos cancelados e qual sistema fornece essa data.

Entrem em acordo sobre: De onde vem o valor, o que ele inclui e quem o mantém.

2. Quem um registro de cliente representa?

A identidade do cliente determina quem é incluído, excluído ou, pior, contado duas vezes. Comece definindo o que um único registro representa e como a equipe decide que dois registros pertencem à mesma pessoa.

O conhecimento do marketing sobre o relacionamento com o cliente ajuda a engenharia a tomar decisões melhores sobre identidade. No exemplo da campanha de reconquista, uma pessoa e um grupo familiar (household) são formas úteis de organizar os dados dos clientes. A campanha precisa de uma escolha clara entre eles. Uma visão de grupo familiar pode ser ideal para uma oferta limitada a uma por residência. Já uma visão de pessoa pode ser melhor para um benefício de fidelidade individual.

Uma base de dados compartilhada permite que as equipes mantenham visões claramente nomeadas para esses fins e reutilizem a mais adequada. Cada uma precisa de um significado documentado, dos identificadores usados para conectar os registros e de um responsável pelas regras de correspondência.

Entrem em acordo sobre: Se a campanha tem como alvo uma pessoa, conta, grupo familiar ou dispositivo, e como os registros correspondentes são associados.

3. O que torna um público pronto para ativação?

Um público passa por vários estados: as regras que o definem, os registros qualificados e os registros que um destino pode usar. Cada estado responde a uma pergunta diferente sobre a prontidão da campanha.

Suponha que 50.000 pessoas correspondam a um segmento, mas a plataforma de e-mail aceite apenas 47.000 desses registros. Nesse exemplo, a diferença pode refletir identificadores de destino ausentes, registros rejeitados ou exclusões aplicadas durante o envio. A equipe precisa justificar essa diferença antes de decidir que o público está pronto.

Manter a definição, a lista de membros avaliados e o resultado do envio identificáveis facilita esse processo. O marketing pode verificar se as regras refletem o público pretendido. A engenharia pode verificar se os registros corretos chegaram ao destino. Ambos conseguem distinguir exclusões esperadas de um problema real que precisa ser corrigido.

A mesma precisão ajuda com as previsões. Se a campanha precisar de uma pontuação de propensão (propensity score), dê um nome à previsão e ao que ela pretende estimar. Isso dá à equipe algo muito mais específico para construir e validar do que apenas “o modelo”.

Entrem em acordo sobre: As regras de seleção de público, a previsão ou atributo necessário e como o envio será validado.

4. Quando os dados estão suficientemente atualizados?

A atualização dos dados depende da decisão sobre o cliente que você está tentando tomar. Uma única campanha pode ter vários requisitos de tempo, mesmo quando seus dados vêm de uma única plataforma.

Considere uma pontuação de churn calculada a cada noite e enviada para uma ferramenta de engajamento a cada 15 minutos. O envio mais frequente não faz com que a previsão tenha apenas 15 minutos. Ela ainda é baseada no cálculo noturno.

Agora imagine um cliente que faz uma compra hoje de manhã. A campanha pode precisar remover essa pessoa de um público-alvo de reconquista antes do próximo envio, enquanto a pontuação de churn pode esperar pelo próximo cálculo agendado. Esses são requisitos distintos com consequências diferentes para o cliente.

Para que a atualização dos dados faça sentido, identifique o início e o fim do atraso: desde a ocorrência da compra até a sua disponibilização na plataforma de dados, dessa disponibilidade até uma alteração de associação, ou da alteração de associação até que o destino possa agir com base nela.

Essas distinções ajudam a equipe a investir em velocidade onde ela realmente transforma a experiência. Elas também dão ao marketing uma maneira melhor de descrever um problema do que dizer que toda a campanha precisa ser em "tempo real".

Cheguem a um acordo sobre: Qual evento do cliente inicia a contagem do tempo, onde os dados atualizados devem ser utilizáveis e qual é o atraso aceitável.

5. Quem é responsável quando os dados são usados?

Obter acesso aos dados dos clientes traz dúvidas sobre seu significado, uso permitido e propriedade contínua. Essas responsabilidades continuam quando um público-alvo sai da plataforma de dados.

Na prática, governança também abrange a qualidade, a propriedade e o uso adequado dos dados. Um ponto de partida útil é identificar a fonte designada para cada decisão. O sistema que estabelece a identidade do cliente pode ser diferente daquele que registra uma preferência de canal ou calcula a receita.

Depois, acompanhe os dados até o seu destino. Um público-alvo que estava qualificado quando foi exportado pode precisar de uma supressão atualizada antes de um envio posterior. Uma cópia salva pode durar mais do que a campanha que a criou. As equipes precisam saber como as alterações chegam ao destino e quem é o responsável pelo trabalho quando isso não acontece.

Databricks CustomerLake, o CDP Agêntico, traz recursos de plataforma de dados de clientes nativamente para o Databricks e sua base de governança. Trabalhar a partir dessa base compartilhada oferece às equipes de marketing e de dados um local para compartilhar um contexto de cliente confiável. 

Cheguem a um acordo sobre: A fonte autoritativa para cada decisão, o uso permitido e o responsável pelas atualizações no destino.

Item de ação: Torne um acordo útil além de uma única campanha

Para as equipes que desenvolvem no Databricks, o próximo passo é tornar esses acordos críticos reutilizáveis. As equipes podem documentar as definições de negócios no Unity Catalog e, em seguida, torná-las detectáveis para análise no Genie, criação de público-alvo no CustomerLake ou no desenvolvimento de modelos de ML. Cada nova campanha pode se basear em definições que o marketing e a engenharia de dados já concordaram e colocaram em prática.

Escolha um termo que tenha causado confusão em uma campanha recente. Analise um exemplo de cliente com sua equipe de dados e, em seguida, registre a decisão onde a próxima pessoa que usar os dados possa encontrá-la.

Para "cliente", isso significa nomear o que um registro representa e os identificadores por trás dele. Para "data da última compra", significa documentar quais transações são contabilizadas. Para "público-alvo pronto", significa concordar sobre o que deve ser verificado antes do lançamento.

Conecte o significado acordado ao conjunto de dados ou fluxo de trabalho que o implementa e identifique quem deve ser envolvido quando houver alterações. A documentação e a implementação precisam evoluir juntas.

Isso se torna especialmente útil à medida que os profissionais de marketing solicitam que ferramentas de linguagem natural e agentes de AI trabalhem com dados de clientes. "Encontre nossos clientes inativos mais valiosos" ainda deixa margem para interpretação sobre valor, inatividade, identidade e permissão. Sem instruções explícitas, a AI tomará suas próprias decisões – mas uma decisão diferente a cada vez. Fornecer definições de negócios e contexto explícitos para as ferramentas de AI produzirá resultados melhores e mais consistentes.

Um teste útil é se alguém que está entrando na próxima campanha consegue entender a decisão sem precisar encontrar as pessoas que participaram da reunião original. Se conseguirem, a equipe criou algo que pode ser reutilizado.

Sobre esta série

Ajudando profissionais de marketing a falar com a engenharia de dados é uma série de seis partes desenvolvida em parceria com Matthew Niederberger da MartechTherapy. As 24 definições deste artigo foram reproduzidas de seu guia produzido de forma independente, patrocinado pela Databricks. 

Leia o artigo original de Matthew, Mesma palavra, significado diferente, para conhecer a perspectiva dele e obter a referência para impressão para levar para sua próxima reunião.

A seguir na série: Como escrever uma solicitação de dados que possa ser atendida.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original