1) O documento discute estratégias de enriquecimento de dados comportamentais de clientes para maximizar o valor futuro dos clientes, incluindo a segmentação RADR baseada no Customer Lifetime Value. 2) É explicado que a segmentação RADR utiliza métricas como CLV, CLV Potencial e Engagement Score para dividir os clientes em grupos focados em retenção, ativação, desenvolvimento ou reativação. 3) São apresentados exemplos reais de como a segmentação RADR identificou grupos de clientes "Promising", "Potential Loyalists" e

1. Enriquecimento de Dados
Comportamentais de Clientes
Alexandre Chaves
Agosto/2022 Inteligência Artificial e Humana para
Potencializar o Valor de seus Dados de
Cllientes.
RADAR

2. O que é Enriquecimento de Dados Comportamentais?
Adquirir outros clientes de alto valor
POR QUÊ? Se uma marca conhece o perfil de seus
clientes mais valiosos, ela pode se concentrar em atrair
outros com o mesmo perfil, que têm maior probabilidade
de se tornarem clientes leais.
Identificar os clientes de alto valor
POR QUÊ? Alguns clientes são mais lucrativos que
outros e merecem um tratamento diferenciado.
Criar experiências memoráveis
POR QUÊ Clientes que se sentem valorizados por
uma empresa são mais propensos a realizar
novas compras.
Entender suas heterogeneidades
POR QUÊ? Clientes possuem diferentes necessidades e
preferências e as empresas precisam compreender e
se adaptar à estas diferenças.
OBJETIVOS
Processo de adicionar valor aos dados de clientes que uma empresa já possui, combinando inteligência artificial e humana para gerar insights
que permitam quantificar e maximizar o valor futuro de seus clientes, executando estratégias lucrativas de retenção e aquisição.

3. MIGRAÇÃO PARA
COMPRAS
ON-LINE
Os clientes têm mais informações e
opções de compra do que nunca.
ADAPTAÇÃO ÀS MUDANÇAS NO
COMPORTAMENTO DO
CONSUMIDOR
Os clientes valorizam mais as experiências do
que os produtos e esperam por
relacionamentos personalizados.
AUMENTO DOS CUSTOS DE
AQUISIÇÃO
Empresas precisam equilibrar os objetivos
de venda entre a aquisição de novos
clientes e a retenção e desenvolvimento
dos clientes existentes.
FIM DOS COCKIES DE
TERCEIROS
Com a privacidade do consumidor no
centro das atenções, as empresas precisam
deixar de depender de dados de terceiros e
criar sua propria base de dados de clientes.
Desafios das empresas no mundo pós-Covid

4. 41%
Das receitas de um e-commerce
provém de apenas 8% dos clientes
existentes.
27%
É a probabilidade de um novo
cliente fazer uma segnda compra.
91%
Dos clientes estão mais propensos a
comprar produtos de marcas que
oferecem experiências
personalizadas.
50%
Dos clientes deixam de comprar de
uma empresa por insatisfação
33%
É quanto os clientes frequentes
gastam a mais do que os clientes
novos
74%
Dos clientes consideram a
recomendação de outros clientes
como o principal motivador para uma
decisão de compra
Adquirir um novo cliente é de 5 a 25 vezes mais caro do que manter um cliente já existente
Fontes: Gartner Group / Harvard Business Review / Marketing Metrics / Adobe / Segment
Dados que justificam o foco na retenção dos clientes

5. R E T E N C Ã O E F I D E L I Z A Ç Ã O
Os clientes estão dispostos a pagar mais pelos mesmos produtos e serviços se acharem que as empresas estão fornecendo valor adicional por meio
das interações. Essas empresas são recompensadas com lealdade de longo prazo e novos compradores têm maior probabilidade de se tornarem
clientes fiéis.
A Q U I S I Ç Ã O D E N OVO S C L I E N T E S
R E P U TA Ç Ã O DA M A R C A
Existe uma campanha de marketing melhor do que seus próprios clientes satisfeitos? Graças à sua capacidade de influência e presença nas redes sociais,
novos clientes aprenderão como seus serviços são bons. Se uma empresa ou organização fornece um serviço ruim, será forçada a "cobrir" essa imagem,
investindo mais em marketing e substituindo clientes perdidos.
C U S TO S D E M A R K E T I N G
Um foco maior em melhores experiências do cliente pode levar a uma maior economia nos custos de marketing
VA N TA G E M C O M P E T I T I VA
Até agora, a maioria das empresas não é capaz de entregar a qualidade da experiência que eles oferecem no nível semelhante que os clientes
exigem.
Os consumidores tendem a confiar na experiência de outros consumidores.
Os benefícios de personalizar as experiências dos clientes

6. Imperativos
de Nossos
Clientes
Nossas
Serviços
Fornecer insights que permitam empresas de qualquer tipo, tamanho ou setor alcancarem um
crescimento sustentável, otimizando o valor de seus clientes.
Nosso
Propósito
Nossa
Abordagem
Diferenciada
Modelo de
relacionamentoh
umanizado
Eficiente, flexível
e acessível
Inovação continua
em IA aplicada ao
Marketing
Ser um fornecedor de referência no enriquecimento de dados comportamentais de clientes
Nossa estratégia
Adaptação às
necessidades do
negócio
Entendimento do
mercado
regional
Compreender seus
“Melhores
Clientes”
Criar relações de
longo prazo
Adquirir outros
clientes similares
Maximizar sua
rentabilidade
Pague conforme
você cresce
Matriz de
Percepções por
Tópico
Segmentação
por Valor Futuro
dos Clientes
Fonte Única de
Dados de
Clientes
Perfil 360° dos
Clientes
Ativação dos
Dados
Enriquecidos
Matriz de
Afinidades dos
Clientes

7. 4 - MATRIZ
DE PERCEPÇÕES
POR TÓPICO
1 – FONTE ÚNICA DE
DADOS DE CLIENTES
3 - MATRIZ DE
AFINIDADES
2 - SEGMENTAÇÃO
RADR
6 - ATIVAÇÃO
DOS DADOS
5 - PERFIL 360°
DOS CLIENTES
O que fazemos?
CONSOLIDAMOS E ORGANIZAMOS OS
DADOS DE CLIENTES DE SUA EMPRESA.
PROJETAMOS O VALOR FUTURO INDIVIDUAL E
SEGMENTAMOS OS CLIENTES COM BASE NO
HISTÓRICO DE TRANSAÇÕES.
CALCULAMOS A AFINIDADE DE
CADA CLIENTE COM OS PRODUTOS
E SEUS ATRIBUTOS.
ANALISAMOS OS FEEDBACKS DOS CLIENTES E
MEDIMOS A EXPERIÊNCIA POR TÓPICO.
ENVIAMOS OS DADOS ENRIQUECIDOS A NÍVEL DE CLIENTE
PARA SEU CRM E DISPONIBILIZAMOS OS DADOS DE FORMA
AGREGADA PARA O DESENVOLVIMENTO DE DASHBOARDS
GERENCIAIS.
IDENTIFICAMOS OS DISTINTOS PERFIS DE CLIENTES DENTRO DE CADA
SEGMENTO E CLASSIFICAMOS OS CLIENTES DE ACORDO COM OS DADOS
DISPONÍVEIS.
INTERNOS EXTERNOS
ESTRUTURADOS
NÃO
ESTRUTURADOS
FONTES DE DADOS
• Modelo Probilisticos
• Clusterização
• Modelo de Afinidade
• Sistema de
Recomendação
• Processamento de
Linguagem Natural
• Análise de Sentimento
• Regras de Associação
• Classificação

8. 1 – FONTE ÚNICA DE
DADOS DE CLIENTES

9. Pesquisas, questionários, email,
pop-ups, chats, redes sociais
Tipos de Dados de Clientes
Históricos de compras, CRM, log de
páginas visitadas, programas de
fidelidade, dispositivos IoT, uso de
aplicativos ,
Dados first-party, mas
fornecidos por um parceiro
corporativo.
Dados agregados comprados
de fornecedores de dados.

10. Construindo uma Fonte Única de Dados de Clientes
Estratégia de
Targeting
Inventário de
Dados
Compreensão
dos Clientes
ESTRATÉGIA
DE DADOS
MOTOR DE
COLETA DE DADOS
Dados Externos
Dados Internos
Adquirir
Quais são suas
PROPOSTAS DE VALOR?
Que dados estãos
DISPONÍVEIS?
Quw dados são
REQUERIDOS?
GESTÃO DE
IDENTIDADE
Unificação de IDs
ORGANIZAÇÃO
DOS DADOS
Transformação
ENRIQUECIMENTO
DOS DADOS
Analytics
ERP Ecommerce CRM Financeiro SAC
Email
Pesquisas
Questionários Monitoramento
Web
Visitas ao
Website Modelos de
IA
IoT
FONTE ÚNICA DE DADOS
- Clientes
- Compras
- Produtos
- Engajamento
- Feedbacks
Aplicações
Moble
Programa de
Fidelidade
Criamos uma base centralizada com os dados de seus clientes, alinhada com as necessidades de
seu negócio.
Plano de Ação
Compreensão do Negócio
Extrair

11. 2 – SEGMENTAÇAO
R.A.D.R.

12. O que é o Customer Lifetime Value - CLV
Customer Lifetime Value (CLV) é uma
métrica que permite que as empresas
projetam o valor que um cliente irá gerar
no futuro, com base no seu histórico de
relacionamento com a marca.
O CLV ajuda as empresas a identificar em
quais clientes vale a pena focar esforços
e recursos, e quais clientes poderiam ser
atendidos com uma estratégia de baixo
custo.

13. A nível individual permite…
• … identificar os melhores clientes.
• … identificar clientes inativos de alto valor.
• … reduzir gastos com clientes de baixo valor.
• … otimizar produtos, conteúdos e canais de aquisição.
• … oferecer serviços diferenciados.
A nível agregado permite …
• … medir o valor de uma empresa projetando o
comportamento futuro dos clientes.
• … avaliar a evolução do valor dos clientes ao longo do
tempo.
• … identificar como os produtos e experi6encia
influenciam o CLV.
• ... correlacionar ações de marketing com o impacto no
CLV.
Por que o CLV é relevante?

14. Como calculamos o CLV a nível individual
DADOS
TRANSACIONAIS
DADOS DE
ENGAJAMENTO
DADOS
CATEGÓRICOS
q Compras
q Pagamentos
q Produtos Comprados
q Comportamento de
COmpra
q Páginas Visitadas
q Produtos
Abandonados
q Emails Clicados
q Uso de Aplicativo
Móvil
q Demográficos
q Estilos de Vida
q Motivações
q Necessidades
MODELO
PROBABILÍSTICO
CLIENTES
FREQUENTES
NOVOS
CLIENTES
PROSPECTS
CLUSTERS DE
COMPORTAMENTO
NA 1ra. COMPRA
CLUSTERS DE
COMPORTAMENTO
NO ENGAJAMENTO
CLV a nível
individual
CLV a nível
agregado
CLV a nível
agregado
CLV Potencial
inferido
CLV Potencial
inferido
Métricas Calculadas
CLV–Valor futuro(receita/ margem) queoclienteirágerar emumperíododeterminado
CLVPotencial –CLVinferidodeacordocomoperfil doclienteouestimandoumanovacompra
Probabilidadedeoclientefazer umanovacompra
Quantidadedenovascomprasdentrodoperíododeterminado
Tempo(dias) paraapróximacompra

15. Predicted CLV x Actual Forward Revenue (52 weeks)
CPG e-commerce
2019 2020 2021 2022
Company A
April 2020 August 2020 December 2020 April 2021 August 2021 December 2021 April 2022
Company B
2019 2020 2021 2022
Company C
October 2019 April 2020 October 2020 April 2021 October 2021 April 2022
0M
50M
100M
150M
200M
Tot Clv
0M
50M
100M
150M
200M
TOT Actual Fwd Revenue
Company D
Actual Fwd Revenue Predicted CLV
Precisão do modelo para cálculo do CLV (casos reais)

16. CLV (Customer Lifetime
Value)
ICP (Ideal Customer Profile)
PCLV (CLV Potencial)
ES (Engagement Score) PCLV (Potential CLV)
Manter ativos
Identificar e engajar
Aumentar frequencia e
valor das compras
Converter primeira compra Converter uma nova compra
Clientes frequentes de alto
valor
Clientes desconhecidos com
perfil adequado à proposta
de valor do negócio
Clientes novos com
potencial de crescimento
Prospects com altao
engajamento
Clientes inativos com alto
CLV potencial
R
REATIVAÇÃO
A
AQUISIÇÃO
A
ATIVAÇÃO
R
RETENÇÃO
TARGET
OBJETIVO
MÉTRICA P/
SELEÇÃO
5 táticas de marketing para aumentar o CLV
D
DESENVOLVIMENTO

17. Segmentação R.A.D.R. baseada no CLV e CLV Potencial
Reter
$Y - $Z
GRANDE
Potential
Loyalists
Loyalists Champions
Desenvolver
$X - $Y
MÉDIO
Occasional
Buyers
Promising Green Field
Reativar
$1 - $X
PEQUENO
Hibernating
New
Customers
Cant Lose
Them
Ativar
$0
PROSPECTS
False Starts Just Arrived
Brand
Enthusiasts
$0 - $X
PEQUENO
$X - $Y
MÉDIO
$Y - $Z
GRANDE
CLV
CLV POTENCIAL
Segmentos RADR
Clientes com alto CLV. Eles devem ser retidos e
recompensados por sua lealdade.
Clientes com médio CLV e alto CLV potencial. Devem ser
desenvolvidos por meio de programas de fidelidade, conteúdo
educativo e ações de X-selling e Upselling.
Clientes com alto risco de churn, com baixo CLV atual, provavelmente
devido à alta Recência (dias desde o último pedido) ou baixo valor
médio do pedido (AOV) e Frequência (# pedidos). Devem ser
reativados através de promoções e descontos.
Clientes que já interagiram com a empresa, mas que ainda não
fizeram sua primeira compra. Eles devem ser educados por meio
de campanhas de nutrição e ativados usando ofertas e descontos

18. Potential CLV
1-SMALL 2-MEDIUM 3-LARGE
Actual CLV
3-LARGE
2-MEDIUM
1-SMALL
Promising
4.819 customers (11,0%)
CLV: $1,7M (0,73%)
Potential CLV: $30,5M (5,91%)
Whitespace: $28,8M (10,24%)
Revenue Last 12m:$8,4M (2,62%)
Potential Loyalists
4.808 customers (11,0%)
CLV: $15,9M (6,87%)
Potential CLV: $24,8M (4,81%)
Whitespace: $8,9M (3,18%)
Revenue Last 12m:$17,5M (5,47%)
Occasional Buyers
4.820 customers (11,0%)
CLV: $1,5M (0,66%)
Potential CLV: $17,6M (3,40%)
Whitespace: $16,0M (5,70%)
Revenue Last 12m:$3,5M (1,10%)
New Customers
438 customers (1,0%)
CLV: $0,0M (0,00%)
Potential CLV: $3,5M (0,68%)
Whitespace: $0,0M (0,00%)
Revenue Last 12m:$1,3M (0,39%)
Loyalists
4.808 customers (11,0%)
CLV: $38,9M (16,82%)
Potential CLV: $79,9M (15,48%)
Whitespace: $41,0M (14,57%)
Revenue Last 12m:$53,3M (16,63%)
Hibernating
9.543 customers (21,8%)
CLV: $0,7M (0,30%)
Potential CLV: $15,5M (2,99%)
Whitespace: $14,8M (5,25%)
Revenue Last 12m:$0,9M (0,29%)
Green Field
4.819 customers (11,0%)
CLV: $2,6M (1,12%)
Potential CLV: $61,6M (11,93%)
Whitespace: $59,0M (20,97%)
Revenue Last 12m:$19,4M (6,05%)
Champions
4.808 customers (11,0%)
CLV: $169,6M (73,31%)
Potential CLV: $247,3M (47,91%)
Whitespace: $77,7M (27,61%)
Revenue Last 12m:$205,9M (64,22%)
Cant Lose Them
4.850 customers (11,1%)
CLV: $0,4M (0,18%)
Potential CLV: $35,6M (6,89%)
Whitespace: $35,1M (12,49%)
Revenue Last 12m:$10,4M (3,24%)
Segments Heatmap
$5,0M $10,0M $20,0M $50,0M $100,0M $200,0M
Sum of Potential CLV
$0,5M
$1,0M
$2,0M
$5,0M
$10,0M
$20,0M
$50,0M
$100,0M
$200,0M
Sum of Actual CLV
Hibernating Cant Lose Them
Occasional Buyers Green Field
Champions
Loyalists
Potential Loyalists
Segments Scatter plot
Segment
Cant Lose Them
Champions
Green Field
Hibernating
Loyalists
New Customers
Occasional Buy..
Potential Loyali..
Promising
Segment
Running % of
Customers
Sum Actual CLV
Running % of
Actual CLV
Sum PCLV % of Total PCLV White Space
% of Total
White Space
Avg. SOW Avg. CLV Avg. Frequency Avg. Revenue
Avg. Order
Value
Avg. Basket
Size
Avg. Item Value Avg. Recency
Avg. Time
between
Transactions
Champions
Loyalists
Green Field
Cant Lose Them
Promising
Potential Loyalists
Occasional Buyers
Hibernating
New Customers
Grand Total 65 days
2 days
23 days
137 days
138 days
46 days
14 days
25 days
52 days
40 days
270 days
3 days
550 days
390 days
110 days
303 days
351 days
205 days
98 days
41 days
$266,5
$216,5
$223,7
$271,8
$217,2
$289,4
$224,9
$378,1
$248,9
$303,6
17
18
11
15
14
19
14
22
19
28
$2,7K
$2,8K
$1,4K
$2,2K
$2,0K
$2,8K
$1,9K
$3,5K
$3,0K
$5,0K
$13,8K
$3,0K
$2,0K
$3,2K
$6,2K
$4,1K
$9,7K
$8,2K
$18,0K
$64,8K
5
1
1
2
4
2
4
2
7
16
$5,7K
$0,0K
$0,1K
$0,3K
$3,3K
$0,4K
$0,1K
$0,5K
$8,1K
$35,3K
23,8%
0,0%
4,8%
11,8%
60,3%
5,6%
1,8%
4,7%
47,3%
61,8%
100,00%
0,00%
5,25%
5,70%
3,18%
10,24%
12,49%
20,97%
14,57%
27,61%
$281,3M
$0,0M
$14,8M
$16,0M
$8,9M
$28,8M
$35,1M
$59,0M
$41,0M
$77,7M
100,00%
0,68%
2,99%
3,40%
4,81%
5,91%
6,89%
11,93%
15,48%
47,91%
$516,2M
$3,5M
$15,5M
$17,6M
$24,8M
$30,5M
$35,6M
$61,6M
$79,9M
$247,3M
100,00%
100,00%
100,00%
99,70%
99,04%
92,16%
91,43%
91,25%
90,13%
73,31%
$231,4M
$0,0M
$0,7M
$1,5M
$15,9M
$1,7M
$0,4M
$2,6M
$38,9M
$169,6M
100,00%
100,00%
99,00%
77,17%
66,14%
55,14%
44,12%
33,02%
22,00%
11,00%
Segments Metrics
Exemplo de dashboard (caso real)

19. 3 – MATRIZ DE
AFINIDADES

20. O que é uma matriz de afinidades?
É um modo simples e eficiente que ajuda as empresas a compreender as necessidades e preferências dos
clientes através dos registros de suas interações e seus feedbacks, para poder oferecer o nível de personalização
que eles esperam de empresas de todos os tipos e tamanhos.
COMPRAS
ENGAJAMENTO
PESQUISAS
Produtos Comprados
Carrinhos Abandonados
Páginas Visitadas
Orçamentos Enviados
Rating de Produtos
Questionários
Modelo
de
Afinidade
Sistema de
Recomendações
Regras do
Negócio
Produ
to
A
Produ
to
B
Produ
to
C
Atribu
to
A
Atribu
to
B
Atribu
to
C
Cliente 1 5 3 2 4 1 2
Cliente 2 2 5 4 3 4 3
Cliente 3 1 3 5 3 4 2
Cliente 4 3 2 5 4 3 1
...
Cliente N 5 4 3 5 4 1
MATRIZ DE AFINIDADES
O que fazemos?
Inferimos para cada cliente um score de
afinidade entre 1 e 5 para cada produto e seus
atributos.

21. SELEÇÃO DE
ATRIBUTOS
ETIQUETAGEM
DE ÍTENS
REGISTRO DAS
INTERAÇÕES
AGREGAÇÃO
DOS REGISTROS
CÁLCULO DO
SCORE
1
5
4
3
2
Como calculamos o score de afinidade?
Através de pesquisas qualitativas
identificar quais atributos e seus
valores representam as características
mais relevantes dos produtos e as
motivações dos clientes para comprá-
los.
Etiquetar digitalmente
todos os ítens (produtos e
conteúdos) acessíveis aos
clientes com valores para
cada atributo.
Registrar em formato digital,
cada interação com os ítens
etquetados, identificando o
cliente.
Resumir por cliente suas interações
com os ítens etiquetados,
considerando a recência e
frequência ponderada.
Com base no resumo dos
registros de interações,
aplicar sistema de
recomendações e regras
definidas pelo negócio para
calcular o score final.

22. 4 – MATRIZ DE
PERCEPÇÕES

23. O que é uma matriz de percepções por tópico?
É uma técnica para medir a experiência dos clientes nos diversos pontos de contato com uma empresa, a partir
dos feedbacks - quantitativos (pesquisas) ou qualitativos (reviews, posts, emails) - que eles enviam, permitindo
que as empresas desenhem jornadas alinhadas com as expectativas dos melhores clientes.
We
bsit
e
Entr
ega
Help
-De
sk
Cob
ranç
a
Troc
as
Inst
alaç
ão
Cliente 1 5 3 2 4 1 2
Cliente 2 2 5 4 3 4 3
Cliente 3 1 3 5 3 4 2
Cliente 4 3 2 5 4 3 1
...
Cliente N 5 4 3 5 4 1
TÓPICOS
CLIENTES
SCORE DE CX

24. QUANTITATIVOS
(estruturados)
FEEDBACKS DOS
CLIENTES
QUALITATIVOS
(não-estruturados)
RATING DE
PRODUTOS
METRICAS CX
ANÁLISE DE
TÓPICOS
ANÁLISE DE
SENTIMENTO
q NPS
q CSAT
q CES
Ø Pesquisas
Ø Chats
Ø Call-Center
Ø Mensagens
SCORE DE CX
SENTIMENTO POR
TÓPICO
SCORE DE CX POR
TÓPICO
Como calculamos o Score de CX por tópico?

25. 5 – PERFIL 360°
DOS CLIENTES

26. O que é um perfil 360° dos clientes?
Perfil do Cliente
COMPRAS
COMO ele compra?
• Frequencia
• Status
• Gastos
• Cesta de compras
• Habitos
• Produtos
• Pontos de contato
• Conteúdos
• Recomendação
• Demografia
• Firmografia
• Geografia
• Estilo de vida
CARACTERÍSTICAS
QUEM ele é?
MOTIVAÇÕES
POR QUE ele compra?
SENTIMENTOS
QUAL é sua percepção?
• Objetivos
• Necessidades
• Desejos
• Interesses
• Problemas
É uma visão única de cada cliente, contendo todas as informações que uma empresa necessita para identificar
seus melhores clientes, personalizar suas experiências e recomendar produtos e conteúdos relevantes.

27. Convertendo perfis individuais em grupos de clientes
Grupo 1
Grupo 2
Grupo 3
Grupo 4
Atributo X
Atributo X
Atributo Y
Atributo X
Atributo Y
Atributo Y
Atributo Y
Atributo X
Agrupamos os perfis individuais dos clientes em grupos alinhados com a estratégia de targeting da empresa.
Estratégia de
Targeting
GESTÃO DE
FEEDBACKS
Perfis Individuais
dos Clientes
Recebemos as
Feedbacks

28. RADAR
UNLOCKING THE VALUE OF
YOUR BEST CUSTOMERS