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.

Business Intelligence: ontologia, sem√Ęntica e an√°lise de dados

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

Aplica√ß√Ķes ontol√≥gicas em business intelligence
(Ou como os dados podem ser ontológicos)

Em business intelligence, analisar dados consiste em processar o que está acontecendo. Quando falamos em ontologia, falamos em método e em todo o caminho para processar esses dados.

Já utilizada em linguagens de programação, a ontologia considera cada dado como parte ou objeto para a formação de uma estrutura, como se fosse um código criado por meio de indivíduos e classes.

Em business intelligence existem duas formas de lidar com os dados: a informacional e a estrutural. Se, por um lado, a estrutural foca na ferramenta, no modo informacional podemos analisar esses dados extraídos.

Ao ser aplicada para a web, a ontologia passa pelas defini√ß√Ķes de ‚Äúsem√Ęntica‚ÄĚ ou ‚Äúsignificado‚ÄĚ:

sem√Ęntica

substantivo feminino

  1. ling estudo sincr√īnico ou diacr√īnico da significa√ß√£o como parte dos sistemas das l√≠nguas naturais.
  2. ling num sistema linguístico, o componente do sentido das palavras e da interpretação das sentenças e dos enunciados.

 

Por significado, entende-se:

significado

substantivo masculino

  1. rela√ß√£o de reconhecimento, de apre√ßo; valor, import√Ęncia, significa√ß√£o, signific√Ęncia.
  2. m.q. SIGNIFICA√á√ÉO (‘representa√ß√£o mental’).

 

Depois de minerarmos os dados e começarmos a analisá-los, o próximo passo é a criação de KPIs (Key Performance Indicators, ou indicadores de desempenho).

 

KPIs e o significado dos dados

Para traçarmos os KPIs, podemos começar por perguntas que façam sentido para aquele projeto:

  • Quais m√©tricas podemos analisar, ou o que pode ser medido?
  • Que a√ß√Ķes podemos tra√ßar a partir destes dados?
  • Estes dados respondem √†s minhas perguntas principais?
  • Estes dados s√£o suficientes para a minha an√°lise?
  • Qual a abordagem mais adequada para a minha an√°lise?

O significado ontol√≥gico dos dados passa pela identifica√ß√£o do que √© mais comum (padr√Ķes) e do que est√° entrando em evid√™ncia. Em outras palavras, seria a explica√ß√£o de dados por meio de contexto e conhecimento:

Os conceitos e relacionamentos unidos s√£o conhecidos como uma ontologia do modelo sem√Ęntico que descreve conhecimento. Modelos sem√Ęnticos permitem que os usu√°rios fa√ßam perguntas da informa√ß√£o de uma forma natural e ajudar a identificar padr√Ķes e tend√™ncias desta informa√ß√£o e descobrir as rela√ß√Ķes entre pe√ßas diferentes de informa√ß√Ķes.

Dr. Mohammed Ahmed Turki AlSudairy na publicação Knowledge on demand approach using Business Intelligence and Ontology

Muito ainda precisa ser feito para desenvolvermos ferramentas cada vez mais inteligentes e que apresentem dados mais minerados, mas j√° √© poss√≠vel, hoje em dia, irmos direto para algumas etapas da an√°lise de dados. √Č a√≠ que entram a intelig√™ncia e os insights mais r√°pidos, acompanhando a velocidade das informa√ß√Ķes que produzimos ou observamos.