Como os cientistas de dados podem melhorar a publicidade nas redes sociais

A ciência de dados está explodindo - o que é natural, dada a nossa cultura em constante mudança e a capacidade de aprender qualquer coisa ao alcance de nossos dedos que se movem rapidamente.

Considere, por exemplo, que dentro do próximo ano, a internet terá atingido seu 5 bilhão de usuários. Enquanto isso, as pessoas realizarão cerca de 1,2 trilhão de pesquisas no Google por ano para acessar os mais de 1 bilhão de sites da Internet.

Com cada pesquisa do Google (e outras atividades semelhantes na Internet), uma pegada de dados é criada, repleta de informações sobre os interesses, comportamentos e dados demográficos do usuário. Isso significa que o mundo está nadando em dados. Portanto, muitas empresas de martech, incluindo a Strike Social, devem contar com a inteligência de cientistas de dados para separar quais informações são úteis e quais devem ser descartadas.

Repensando o impossível com a ciência de dados

Os cientistas de dados costumam fazer as grandes perguntas que podem parecer impossíveis de responder. Sua curiosidade também lhes permite desenvolver novos modelos na vanguarda da tecnologia. Eles conseguem isso por meio de experimentação estruturada, como reestruturar parâmetros ou combinar diversos conjuntos de dados.

Não é surpreendente, portanto, que muitos cientistas de dados tenham formação acadêmica, com diplomas avançados em áreas como biologia ou física.

^{Os cientistas de dados de Strike, Bing Bu, Dmitry Bandurin e Jeongku Lim, trabalham na sede da empresa em Chicago.}

Este último é precisamente o caso do trio de cientistas de dados do Strike Social - Dmitry Bandurin, Bing Bu e Jeongku Lim - todos com Ph.Ds em física experimental ou elementar (ou seja, o estudo dos blocos básicos de construção da matéria e suas interações). Antes de ingressar no Strike, Bandurin, Bu e Lim eram cientistas pesquisadores que se concentravam em esmagar partículas elementares dentro de grandes colisores para dar sentido ao universo.

Agora, eles estão assumindo o mundo das redes sociais pagas.

Como Cientista de Dados Sênior da Strike, Bandurin credita sua experiência em pesquisa com a capacidade de repensar o que é possível com big data. E ele está acostumado a trabalhar com dados reais e experimentais para produzir novos resultados.

“Nunca é o mesmo e está sempre mudando”, diz ele.

Bandurin, Bu e Lim concordam que os cientistas de dados precisam de fortes habilidades matemáticas e analíticas, bem como de habilidades de programação, para serem bem-sucedidos em aproveitar o poder da IA ​​para redes sociais pagas.

Então, como é exatamente um dia normal para eles? Bandurin estima que as reuniões ocupem cerca de 25 a 30% de seu tempo, com outros 10% gastos trabalhando com desenvolvedores ou discutindo novas descobertas com a equipe de ciência de dados. No restante do tempo, esses cientistas de dados se concentram em testar e desenvolver modelos e, em seguida, implementá-los em códigos de protótipo.

Bu diz que também gosta de resumir o trabalho de cada dia e planejar sua agenda para o próximo dia, semana ou até mesmo um mês, caso um projeto de longo prazo surja em seu caminho.

Como os cientistas de dados podem melhorar as redes sociais pagas

Os clusters criados por meio de modelagem complexa ajudam os cientistas de dados a testar seus resultados em campanhas de publicidade gerenciadas. Os cientistas de dados e as equipes de mídia da Strike trabalham juntos para desenvolver microcampanhas que permitem testes discretos de combinações de dados. Quando uma combinação executa ou atende aos principais indicadores de desempenho, o gasto com anúncios é realocado dos conjuntos de anúncios com baixo desempenho para os mais adequados.

Os resultados da campanha são então alimentados de volta no mix de dados, onde os cientistas da Strike continuam a refinar os modelos estatísticos para melhorar o desempenho continuamente.

O processo contínuo de investigação, modelagem e teste nunca para no mundo da análise de dados — nem pode parar, pois os dados estão em constante mudança. Quando as pessoas crescem, elas ganham interesses e abandonam velhos hábitos. A cultura também evolui, como evidenciado por métodos de comunicação aprimorados.

Com a tecnologia, as técnicas aperfeiçoadas ao longo dos anos agora são ofuscadas em questão de meses, como o ritmo acelerado de aprendizado disponível com a IA.

“Dado o aumento exponencial do uso do smartphone, smart TV e outros eletrônicos avançados, é possível coletar informações individualizadas, o que permitirá a entrega dedicada de anúncios individualizados”, diz Bu. “No futuro, a rede será mais barata e a cobertura de uso será mais ampla, de modo que o público dos anúncios em vídeo crescerá rapidamente.”

Sem as mentes inquisitivas dos cientistas de dados de Strike — e seu destemido compromisso com a experimentação de dados — os avanços tecnológicos da IA ​​não seriam possíveis.

Veja como o trabalho deles está mudando a publicidade nas mídias sociais.

^{Os cientistas de dados de Strike Jeongku Lim, Dmitry Bandurin e Bing Bu são Ph.Ds em física experimental ou elementar.}

Ciência de dados para uma melhor gestão de audiência

Com grandes quantidades de dados sendo criados a cada segundo, os profissionais de marketing devem controlar os resultados defeituosos de vieses inerentes, conjuntos de dados incompletos ou amostras muito pequenas.

Um cientista de dados entende que o público não é construído apenas com dados demográficos, mas é composto por pessoas com diferentes comportamentos, pontos problemáticos e interesses.

A análise de dados de qualidade incorpora pistas comportamentais de cookies, análise da web, conteúdo gerado pelo usuário e outras fontes de big data. Para criar públicos detalhados e úteis, os cientistas de dados fundem grandes conjuntos de dados para permitir que o big data forme segmentos que ofereçam uma visão real sobre os comportamentos de seus clientes.

As audiências de qualidade são verificadas por meio de testes em campanhas publicitárias e dependem da atualidade, frequência e profundidade dos dados.

Lembre-se, a criação do público começa com uma hipótese baseada em variáveis ​​e objetivos conhecidos. Por exemplo, a suposição inicial de uma seguradora pode ser: indivíduos que procuram seguro automóvel on-line, entre 18 e 50 anos, que possuem pelo menos um carro. Uma hipótese bem formulada restringe suficientemente sua análise enquanto produz resultados suficientes para descobrir insights comportamentais e motivacionais.

Ciência de dados para modelagem de atribuição adequada

A atribuição de marketing adequada, ou a ciência de determinar qual mensagem levou a uma compra, depende de dados de conversores e não conversores. Como esses dados podem ser muito grandes, é necessária uma modelagem avançada para identificar e creditar corretamente o evento que levou à conversão do usuário.

Graças à tecnologia aprimorada, como a IA, as marcas agora entendem melhor o caminho do consumidor até a compra. Com dados suficientes, os cientistas podem analisar os canais e dispositivos de marketing para melhorar os pontos de contato e aprimorar as mensagens.

Ciência de dados para melhores lances em tempo real

Avanços na segmentação do público e uma compreensão mais profunda dos eventos de conversão levaram à prática do RTB, um método para comprar e vender anúncios. O RTB permite que uma impressão de anúncio individual seja comprada simultaneamente com a visita de um usuário a um site.

Se você já olhou para um produto em um site e depois fez a transição para verificar seu feed de mídia social, apenas para ver um anúncio do mesmo produto, provavelmente experimentou o RTB por meio de um anúncio direcionado.

Ou digamos que você comprou sua primeira casa e está cansado de comer em pratos de plástico. Você decide visitar a Macy's online para procurar novos talheres. Ainda não pronto para comprar, você decide visitar o Facebook para ver o que está acontecendo com sua família e amigos. Ao percorrer seu feed, você encontra um anúncio com a imagem exata do prato que acabou de visualizar.

O RTB aumenta o processo de compra e permite a segmentação direta de usuários individuais. Para participar do processo, os cientistas de dados devem ter acesso a grandes quantidades de dados e possuir o conhecimento certo para classificar e recuperar informações úteis para insights acionáveis.

Para onde a ciência de dados está indo

Às vezes, o campo da ciência de dados parece estar se expandindo tão rapidamente quanto o universo que Bandurin, Bu e Lim passaram tantos anos explorando.

“A ciência de dados continuará ajudando diferentes empresas a resolver problemas, tornando as coisas mais automatizadas”, diz Bandurin. “O desenvolvimento de carros autônomos é um exemplo – mas também a automação de outros veículos, incluindo aeronaves, jogar xadrez, ajudar pessoas com deficiência e verdadeiros andróides em todas as esferas da vida humana.”

O resultado será um mundo inteiramente novo como o conhecemos.