Métricas de vaidade: o que são e como ter métricas valiosas

O que são métricas de vaidade?

M√©tricas de vaidade s√£o m√©tricas que n√£o s√£o relevantes ao neg√≥cio ou produto e at√© mascaram os verdadeiros objetivos. S√£o n√ļmeros que representam evolu√ß√Ķes sem aplica√ß√£o e que inflam o neg√≥cio. As m√©tricas de vaidade possuem utilidade, s√≥ n√£o devem ser a prioridade digital.

Como por exemplo saber o n√ļmero de seguidores, que n√£o representa o total de vendas de uma loja. Para a loja, o mais importante √© realizar vendas e divulgar os seus produtos, enquanto o total de seguidores √© secund√°rio. 

A grande questão das métricas de vaidade é que elas muitas vezes são mais valorizadas do que as métricas que representam o objetivo real daqueles perfis na internet.

O que são métricas acionáveis?

M√©tricas acion√°veis, pelo contr√°rio, representam algo que √© analisado e guia as decis√Ķes do perfil ou do neg√≥cio. Se por exemplo um comerciante v√™ que suas vendas oscilam, essa m√©trica ir√° ajud√°-lo a guiar como fazer melhores vendas e aonde ele precisa melhorar para aumentar o n√ļmero de compras.

Um exemplo de m√©tricas acion√°veis √© a finaliza√ß√£o do carrinho de vendas. Caso hajam mais finaliza√ß√Ķes na p√°gina do site, isso quer dizer que o consumidor conseguiu realizar o objetivo daquele e-commerce, que √© efetuar a venda. Caso o volume de visualiza√ß√Ķes seja baixo, mas o volume de vendas seja alto, a propor√ß√£o de audi√™ncia qualificada √© boa e ter menos visualiza√ß√Ķes n√£o ser√° um problema, pois a convers√£o ser√° alta e positiva.

Quais são as métricas de vaidade mais comuns?

Curtidas, coment√°rios, visualiza√ß√Ķes, compartilhamento; total de seguidores ou de f√£s; total de visualiza√ß√Ķes no site, s√£o alguns exemplos. Lembrando que elas ser√£o de vaidade caso n√£o estejam de acordo com o objetivo de neg√≥cio – se para um e-commerce √© vender, se para o pequeno empreendedor tamb√©m, as m√©tricas podem ser menos valorizadas que a venda efetuada.

Como evitar métricas de vaidade?

Estabelecer quais s√£o os principais objetivos da sua presen√ßa digital. As m√©tricas contextualizadas auxiliam a guiar se o seu objetivo est√° sendo realizado ou n√£o. √Č como quando temos um guia, uma esp√©cie de b√ļssola, para tomar decis√Ķes a partir das m√©tricas escolhidas.

Data Strategy | Data Analysis

* Este artigo faz parte de uma série de conceitos sobre dados.

Depois de cuidar dos dados, o pr√≥ximo passo estrat√©gico √© a chamada ‚Äúdata analysis‚ÄĚ, que consiste, assim como o nome mesmo j√° diz, na an√°lise dos dados. √Č por meio dela que vamos gerar informa√ß√£o, conhecimento e, por fim, a sabedoria, tamb√©m chamada de insights.¬†

Esses conceitos parecem, √† primeira vista, a mesma coisa. E √© comum confundirmos. Mas, como diria a m√ļsica…

“Information is not knowledge (informa√ß√£o n√£o √© conhecimento)
Knowledge is not wisdom (conhecimento não é sabedoria)
Wisdom is not truth (sabedoria não é a verdade)
Truth is not beauty (verdade não é beleza)
Beauty is not love (beleza não é amor)
Love is not music (amor n√£o √© m√ļsica)
Music is THE BEST (m√ļsica √© o melhor)‚ÄĚ

(Frank Zappa)

¬†Para melhorar um pouco, se formos dividir em etapas, encontramos a chamada Pir√Ęmide do Conhecimento, cujo¬†caminho que mostra como os dados viram informa√ß√£o. A pir√Ęmide √© representada pelo DIKW, Data-Information-Knowledge-Wisdow,¬†baseado no modelo cartesiano (criado com base nos princ√≠pios do fil√≥sofo Descartes), que consiste em uma evolu√ß√£o de [d]ata (dados), [in]formation (informa√ß√£o), [k]nowledge (conhecimento) e [w]isdom (sabedoria). Esse modelo, hoje em dia, √© utilizado para v√°rias √°reas, que incluem pesquisas em tecnologia da informa√ß√£o at√© o marketing:

Pir√Ęmide do Conhecimento ou DIKW
Pir√Ęmide do Conhecimento ou DIKW

Dados ‚ě≥ elementos

Sinais, s√≠mbolos, um aglomerado de n√ļmeros sem significados. √Č aquilo que foi coletado.

Exemplo: dados brutos em um arquivo de Excel, o formato, a data, a hora, o tempo da coleta.

 

Informa√ß√£o ‚ě≥ organiza√ß√£o

Informa√ß√Ķes s√£o os dados estruturados.

Exemplo: um Excel com dados tabulados, divididos por categorias de sentimento, tags do monitoramento e por rede social.

 

Conhecimento ‚ě≥ contexto

Surge quando a informação ganha uso e significado, é sintetizado e pode ser aprendido.

Exemplo: gr√°ficos que dividem estas informa√ß√Ķes de sentimento e as tags por tipo, cor, formato… representam um crescimento ou queda e dividem-se entre barras, gr√°ficos de pizza para mostrar a representatividade do assunto, etc.

 

Sabedoria ‚ě≥ insights

S√£o os chamados ‚Äúdados acion√°veis‚ÄĚ, integrados, organizados e explicados e, o mais importante, trazem um aprendizado v√°lido para aplica√ß√£o e s√£o entendidos pelas pessoas que t√™m acesso a essas informa√ß√Ķes.

Exemplo: os dados de sentimento e as tags indicam que a marca est√° melhor do que no m√™s passado. Por√©m, quando comparada ao mercado, est√° abaixo do esperado pelos fornecedores por apresentar menor aprova√ß√£o que a concorr√™ncia e receber menos cita√ß√Ķes do que o esperado.

 

Para um analista de m√©tricas, business intelligence, monitoramento e afins, o caminho para transformar os dados em informa√ß√£o e, posteriormente criar a√ß√Ķes embasadas, √© fundamental. Mas isso tamb√©m vale para profissionais que lidam com estat√≠sticas, como pesquisadores. Para obter algum insight, √© necess√°rio ver a sua amostra, o que ela diz. E √© interessante ir al√©m, focando n√£o apenas no positivo, mas tamb√©m na queda e nas altera√ß√Ķes ao longo do per√≠odo. √Č assim que podemos identificar se algo est√° bom para o seu padr√£o (comparando com os pr√≥prios resultados) ou est√° ruim (olhando para fora, seja um outro segmento da pesquisa, um outro assunto ou o mercado).

A an√°lise s√≥ produz insights verdadeiros quando possui base, podendo ser argumentada e comprovada. √Č ao que muitos se referem quando dizem que ‚Äún√ļmeros que n√£o mentem‚ÄĚ. Na verdade, os n√ļmeros justificam, n√£o √©? Mas eles tamb√©m podem ocultar ou favorecer uma ideia, dependendo do seu objetivo final. Se os resultados n√£o foram t√£o bons ou a an√°lise n√£o saiu t√£o boa de primeira, vale a pena ver de novo. E, principalmente, como j√° disse o Zappa, m√ļsica √© mesmo o que nos resta de melhor. √Č s√≥ tentar entrar no ritmo. ūüėČ