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

O que são métricas de vaidade?

Métricas de vaidade são métricas que não são relevantes ao negócio ou produto e até mascaram os verdadeiros objetivos. São números que representam evoluções sem aplicação e que inflam o negócio. As métricas de vaidade possuem utilidade, só não devem ser a prioridade digital.

Como por exemplo saber o número de seguidores, que não representa o total de vendas de uma loja. Para a loja, o mais importante é realizar vendas e divulgar os seus produtos, enquanto o total de seguidores é secundário. 

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?

Métricas acionáveis, pelo contrário, representam algo que é analisado e guia as decisões do perfil ou do negócio. Se por exemplo um comerciante vê que suas vendas oscilam, essa métrica irá ajudá-lo a guiar como fazer melhores vendas e aonde ele precisa melhorar para aumentar o número de compras.

Um exemplo de métricas acionáveis é a finalização do carrinho de vendas. Caso hajam mais finalizações na página do site, isso quer dizer que o consumidor conseguiu realizar o objetivo daquele e-commerce, que é efetuar a venda. Caso o volume de visualizações seja baixo, mas o volume de vendas seja alto, a proporção de audiência qualificada é boa e ter menos visualizações não será um problema, pois a conversão será alta e positiva.

Quais são as métricas de vaidade mais comuns?

Curtidas, comentários, visualizações, compartilhamento; total de seguidores ou de fãs; total de visualizações no site, são alguns exemplos. Lembrando que elas serão de vaidade caso não estejam de acordo com o objetivo de negócio – se para um e-commerce é vender, se para o pequeno empreendedor também, as métricas podem ser menos valorizadas que a venda efetuada.

Como evitar métricas de vaidade?

Estabelecer quais são os principais objetivos da sua presença digital. As métricas contextualizadas auxiliam a guiar se o seu objetivo está sendo realizado ou não. É como quando temos um guia, uma espécie de bússola, para tomar decisões a partir das métricas escolhidas.

Business Intelligence: ontologia, semântica e análise de dados

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

Aplicações ontológicas 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 definições de “semântica” ou “significado”:

semântica

substantivo feminino

  1. ling estudo sincrônico ou diacrônico da significação como parte dos sistemas das línguas 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. relação de reconhecimento, de apreço; valor, importância, significação, significância.
  2. m.q. SIGNIFICAÇÃO (‘representação 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 métricas podemos analisar, ou o que pode ser medido?
  • Que ações podemos traçar a partir destes dados?
  • Estes dados respondem às minhas perguntas principais?
  • Estes dados são suficientes para a minha análise?
  • Qual a abordagem mais adequada para a minha análise?

O significado ontológico dos dados passa pela identificação do que é mais comum (padrões) e do que está entrando em evidência. Em outras palavras, seria a explicação de dados por meio de contexto e conhecimento:

Os conceitos e relacionamentos unidos são conhecidos como uma ontologia do modelo semântico que descreve conhecimento. Modelos semânticos permitem que os usuários façam perguntas da informação de uma forma natural e ajudar a identificar padrões e tendências desta informação e descobrir as relações entre peças diferentes de informações.

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 já é possível, hoje em dia, irmos direto para algumas etapas da análise de dados. É aí que entram a inteligência e os insights mais rápidos, acompanhando a velocidade das informações que produzimos ou observamos.