WEB ANALYTICS: Modelos de Métricas de Engajamento em Mídias Emergentes

1.573 visualizações

Publicada em

0 comentários
8 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
1.573
No SlideShare
0
A partir de incorporações
0
Número de incorporações
3
Ações
Compartilhamentos
0
Downloads
23
Comentários
0
Gostaram
8
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

WEB ANALYTICS: Modelos de Métricas de Engajamento em Mídias Emergentes

  1. 1. Curso: MBA em Comunicação e Marketing DigitalTurma: 01Disciplina: Fundamentos do Marketing DigitalProfessor: Fábio Albuquerque WEB ANALYTICS: Modelos de Métricas de Engajamento em Mídias Emergentes Equipe Adriene Rezende André Pierazoli Lucas Souto Renata Sena Yanemar Bueno
  2. 2. WEB ANALYTICSSUMÁRIO 1. Objetivos da apresentação pág. 03 2. Objetivos do artigo pág. 04 3. Aspectos teóricos / conceituais – 1 / 2 / 3 / 4 / 5 pág. 05 4. Descobertas / contribuições – 1 / 2 / 3 / 4 / 5 / 6 pág. 10 5. Análise crítica pág. 16 6. Importância para o gestor de marketing digital pág. 17 2/17
  3. 3. WEB ANALYTICS1. OBJETIVOS DA APRESENTAÇÃO Promover a aprendizagem acadêmica apresentando uma análise sintética do artigo Web Analitics: Modelos de Métricas de Engajamento em Mídias Emergentes – escrito pela Doutouranda Sionara Ioco Okada. Cinco questões deverão ser respondidas: 1. Objetivo do artigo 2. Aspectos teóricos/conceituais mais relevantes do artigo 3. Principais descobertas/contribuições do artigo 4. Análise crítica do grupo sobre as descobertas/contribuições do artigo 5. Importância do conteúdo do artigo para a prática do gestor de marketing digital 3/17
  4. 4. WEB ANALYTICS2. OBJETIVOS DO ARTIGO Este é um artigo de atualização que tem por objetivo revisar as últimas publicações sobre modelos de métricas – web analytics – e estratégias digitais em mídias emergentes. Destacam-se neste estudo, três modelos em web analytics: • Modelo dos Cinco Estágios de Competição Analítica – Davenport e Harris (2007) • Modelo de Maturidade em Web Analytics – Hammel (2009) • Modelo Web Analitycs Scorecard – Giuntini e Morier (2008) 4/17
  5. 5. WEB ANALYTICS3. ASPECTOS TEÓRICOS / CONCEITUAIS – 1 / 2 / 3 / 4 / 5 Plataformas Tecnológicas x Estratégias Digitais – a . b Gabriel (2010) destaca a importância de se separar plataformas tecnológicas de estratégias mercadológicas digitais. É necessário que as organizações conheçam cada uma dessas plataformas, tecnologias e estratégias digitais com suas respectivas peculiaridades, para poder usá-las da melhor forma. 5/17
  6. 6. WEB ANALYTICS3. ASPECTOS TEÓRICOS / CONCEITUAIS – 1 / 2 / 3 / 4 / 5 Plataformas Tecnológicas x Estratégias Digitais – a . b Plataformas Tecnológicas Estratégias Digitais de Marketing Plataformas digitais de Redes Sociais (Orkut, • SMM (Social Media Marketing) & SMO (Social Media Facebook, Twiter, You tube, flicker) Optimization) estratégias de interação com os consumidores: fanspage fidelização através de prêmios, diálogo e interação com fãs da marca, e SAC diferenciado. • WOMM (Word of Mouth Marketing) Marketing viral Tecnologias Mobile (RFID, mobile tagging, SMS, Móbile Marketing, Qrcodes e M-commerce Bluetooth) Promoções SMS, Publicidade e propagandas do tipo “lembrete‟. Realidades Mistas (realidade aumentada, virtualidade Tecnologia aplicada, passível de mensuração click a aumentada, realidade virtual) click em tempo real que utiliza Advergames - jogos, em particular os eletrônicos, como ferramentas para divulgar e promover marcas, produtos, organizações e/ou pontos de vista. 6/17
  7. 7. WEB ANALYTICS3. ASPECTOS TEÓRICOS / CONCEITUAIS – 1 / 2 / 3 / 4 / 5 Métricas Métricas são análises para conhecer, controlar e aperfeiçoar as ações on-line. As métricas são medidas de desempenho que devem estar alinhadas à estratégia da organização. Já as métricas em mídias sociais mensuram as ações dos consumidores quanto à interação (fans Page), quantidade de seguidores da marca e/ou produto, quantidade e qualidade de comentários gerados e engajamento. (Ribeiro, 2009). 7/17
  8. 8. WEB ANALYTICS3. ASPECTOS TEÓRICOS / CONCEITUAIS – 1 / 2 / 3 / 4 / 5 Web Analytics – a . b É o processo de medição, coleta, análise e a produção de relatórios de dados de navegação e interação com o objetivo de entender e otimizar o uso dos sites e páginas na Internet. Para Peterson (2005), Ribeiro (2009) e Stern (2002), Web Analytics trata da análise do comportamento dos visitantes e do tráfego de um website, blog ou fanpage. O resultado das análises apontam tendências de navegação. 8/17
  9. 9. WEB ANALYTICS3. ASPECTOS TEÓRICOS / CONCEITUAIS – 1 / 2 / 3 / 4 / 5 Web Analytics – a . b Métodos de coleta de dados Análise de Log: Quando um Servidor web opera as requisições de páginas e conteúdos de um ou mais sites, ele gera automaticamente um registro do que foi solicitado, bem como sua resposta. O conjunto destes logs fornece uma base de dados com as solicitações feitas pelos visitantes de um site. Análise de Tag: Para coletar dados neste método, é necessário implementar um código, chamado Tag, em cada página monitorada. Esta Tag irá capturar várias informações do visitante e do navegador e irá agregar e enviar estas informações para um servidor de análise. 9/17
  10. 10. WEB ANALYTICS4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6 Modelo dos Cinco Estágios de Competição Analítica 1º Estágio deficiente • A organização não tem ações profícuas na área analítica. 2º Estágio de ilhas de • A organização tem a prática de trabalhar as informações, mas de ilusão forma desconectada. • Quando a organização decide criar um processo de trabalho 3º Estágio de intenção. diferenciado, a empresa ingressa nessa terceira etapa do sistema analítico. • As companhias estão quase prontas para competir analiticamente. 4º Estágio de pré- Já contam com pessoal, arquitetura, softwares, mas ainda não competição analítica consideram esse fator o foco principal das suas estratégias. • A partir do momento que a organização passa a enxergar a 5º Estágio de inteligência analítica ela ingressa no estágio cinco e se torna um competição analítica competidor analítico. Fonte: Davenport e Harris (2007). 10/17
  11. 11. WEB ANALYTICS4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6 Modelo de Maturidade em Web Analytics – a . b Modelo que desenvolve critérios objetivos para determinar a sofisticação das ações mercadológicas online. São 5 níveis de verificação do grau de maturidade de utilização de métricas das empresas. • Nível 1 – Report de métricas básicas • Nível 2 – Análise do comportamento de visitantes e clientes • Nível 3 – Entendimento e melhoria dos canais de MKT • Nível 4 – Entendimento e melhoria de processos p/decisão • Nível 5 – Técnicas preditivas p/análises estratégicas 11/17
  12. 12. WEB ANALYTICS4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6 Modelo de Maturidade em Web Analytics – a . b Nível 5 Nível 4 Métricas Web Nível 3 Métricas Web • Análise de Nível 2 Métricas Web vendas de Nível 1 • Análise de Multi- multicanal Métricas Web canais • Portfólio de • Integração Métricas Web produtos • Análise de com sistemas • Análise de custos caminho • Segmentação legados• PV, UV, Visitas • Mecanismos de • Valor do • Planejamento• Conteúdo • Análise de Funil consumidor • Teste A/B busca estratégico Principal • Otimização de • Personalização • Análise• Demográfico • Análise de KPI s • Análise de • Dashboard campanhas preditivaa• Tecnologia • Personas conteúdo• Referência • Alertas de KPI Análise estratégica• Capacidade Análise de processos para definir decisões• Segurança Otimização de canais Foco em métricas e processos, direcionado a negócios Visão de TI, sem informações para a tomada de decisões 12/17
  13. 13. WEB ANALYTICS4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6 Modelo Web Analytics Scorecard – a . b . c Segundo Giuntini e Morier (2008) “Web analytics Scorecard” é um modelo capaz de mensurar quão eficiente tem sido a organização no tratamento dos diversos aspectos importantes para que se possa retirar o máximo de informações para alavancar resultados de negócio de canais digitais. O modelo abrange quatro critérios: Negócio, Interação, Competência e Tecnologia (NICT) que são avaliados em questionários de múltipla escolha, utilizando a escala likert de cinco pontos. 13/17
  14. 14. WEB ANALYTICS4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6 Modelo Web Analytics Scorecard – a . b . c 14/17
  15. 15. WEB ANALYTICS4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6 Modelo Web Analytics Scorecard – a . b . c 15/17
  16. 16. WEB ANALYTICS5. ANÁLISE CRÍTICA • Estamos falando de um texto denso, com forte carga teórica, que inicialmente oferece ao leitor uma aproximação com os indicadores do varejo eletrônico brasileiro e com as diferenças entre plataformas tecnológicas e estratégias digitais de marketing. A apresentação dos indicadores não trouxe novidades, assim como o tema “Plataformas x Estratégias” .. • As definições de métricas e web analytics nos pareceu um tanto próximas, confusas. A busca por outros conceitos se fez necessária. • Os modelos de Web Analytics foram, sim, a grande novidade. Os modelos “Maturidade” e “Scorecard” são muito interessantes. Eles colaboram com metodologias similares para o desenvolvimento de um mapa estratégico situacional para a especialização de empresas no uso do web analytics. Devido ao caráter extremamente conceitual dos modelos, percebemos que uma aplicação prática seja bastante limitada às nossas realidades profissionais em no mínimo médio prazo. Ficamos com a proposta conceitual e no exercício que querer chegar ao ponto de usá-los. Sentimos falta de um conteúdo mais tangível e aplicável. Valeu? Claro que valeu! 16/17
  17. 17. WEB ANALYTICS6. IMPORTÂNCIA PARA O GESTOR DE MARKETING DIGITAL As ações de marketing digital têm consequências diretas para os resultados empresariais, portanto precisam ser mensuradas de maneira estratégica. Diante desse cenário, adquirir habilidades para mensurar e compreender as complexas interações entre as ações do visitante e o que o site oferece é tarefa obrigatória aos gestores de marketing digital. Por meio da mensuração e do monitoramento contínuo das ações de marketing digital é possível:  Conhecer o comportamento do consumidor, não somente nas variáveis como frequência e valor de compra, mas também nos quesitos engajamento e interação com o produto e/ou marca.  Aperfeiçoar as estratégias digitais a públicos segmentados, o aumento da lealdade dos clientes e o aumento das vendas, a partir dos dados coletados sobre o perfil de consumo.  Compreender as mídias, cada vez mais multifacetadas e interativas, e conhecer as tecnologias disponíveis para obter melhor visibilidade de forma recorrente. 17/17
  18. 18. Obrigado!!

×