O documento discute o potencial dos dados gerados por smartphones para entender o comportamento dos consumidores. Ele explora como operadoras, redes WiFi, aplicativos e sistemas operacionais coletam diferentes tipos de dados dos dispositivos móveis e como esses dados podem ser usados para fins de inteligência de localização, previsão de comportamento e segmentação de público-alvo.

1. ACADEMY | POWERED BY HANDS

3. CENÁRIO

4. TODO MUNDO TENTANDO ENTENDER
O QUE ESTA ACONTECENDO...

5. PARA TENTAR PROJETAR
O QUE VAI ACONTECER

6. O DESAFIO DE ENCONTRAR E
CONHECER O SEU CLIENTE.

7. DATA MUST TELL HISTORIES
SMARTPHONES ARE THE REAL
HISTORY OF MILLIONS OF PEOPLE

8. MOBILE MEETS BIG DATA

9. PERFIL SOCIODEMOGRAFICO
PERFIL COMPORTAMENTAL

10. DADO DECLARADO
DADO INFERIDO

11. “Quantas vezes por mês
você vai à Academia?”
“Acredito que 10,13
vezes por mês em media.”

12. “Muito bom! E fica
quanto tempo?”
“Ah, uns 54 minutos e 38
segundos”

13. EXISTE UM AMIGO, UM CONFIDENTE,
COM QUEM DIVIDIMOS TUDO
DE NOSSAS VIDAS.

14. 11
Digital Media Usage @ +4% Growth...
5.9 Hours per Day (Not Deduped)
Source: eMarketer 9/14 (2008-2010), eMarketer 4/15 (2011-2013), eMarketer 4/17 (2014-2016), eMarketer 10/17 (2017). Note:
Other connected devices include OTT and game consoles. Mobile includes smartphone and tablet. Usage includes both home and
work for consumers 18+. Non deduped defined as time spent with each medium individually, regardless of multitasking.
Daily Hours Spent with Digital Media per Adult User
0.2 0.3 0.4 0.3 0.3 0.3 0.3 0.4 0.4 0.6
2.2 2.3 2.4 2.6 2.5 2.3 2.2 2.2 2.2 2.1
0.3
0.3
0.4
0.8
1.6
2.3 2.6
2.8 3.1 3.3
2.7
3.0
3.2
3.7
4.3
4.9
5.1
5.4
5.6
5.9
0
1
2
3
4
5
6
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
HoursSpentperDay,USA
Other Connected Devices Desktop / Laptop Mobile
Digital Media Usage @ +4% Growth...
5.9 Hours per Day (Not Deduped)

15. SMARTPHONES DATA
• Novo tipo de dado
• Maior frequência de coleta
• Coleta em realtime
• Bilateral: consumir e ativar

16. BACKGROUND INFORMATION

17. BACKGROUND INFORMATION

18. BACKGROUND INFORMATION

19. BACKGROUND INFORMATION

20. BACKGROUND INFORMATION

21. QUAIS DECISÕES DA SUA VIDA
JÁ SÃO TOMADAS POR APPS?

23. Estamos mudando a forma como analisamos o comportamento do consumidor?
A B
Os dados gerados por smartphones estão mudando
o comportamento do consumidor?
OU

24. QUANTOS % DAS INFORMAÇÕES E INTERAÇÕES DISPONÍVEIS
VIA DISPOSITIVOS MÓVEIS ESTAMOS UTILIZANDO HOJE EM DIA?
10%

25. VAMOS À PRATICA!

26. COMO
CAPTURAR
OS DADOS
GERADOS PELOS
DISPOSITIVOS MÓVEIS?

27. HARDWARE
Aparelhos / Sistema Operacionais
CONEXÃO
Operadoras Móveis / Redes WiFi
APLICAÇÕES
Apps / SDK em Apps

28. OPERADORAS

29. OPERADORAS
• Fonte mais antiga de coleta de dados.
• Funciona desde antes dos SDKs, APPs e Smartphones.
• Possibilitava o envio de mensagens segmentadas SMS.
• Quais tipos de dados utilizados:
• Cadastrais - CRM
• Uso da rede - CDR

30. WTF is CDR?

31. OPERADORAS: CDR
• Call Detail Record
• Base de Dados das Operadoras
• Média de 6Bi de dados por dia

32. OPERADORAS: CDR
Call Detail Record (CDR)
Type SMS
Date 20180320
Time 102221
Antenna Code 93832928
User ID A 1478baf57a642fabab2039
Type of User A PREPAY
User ID B 936692a6b0f0059cd7e136
Type of User B CONTRACT
Call Detail Record (CDR)
Type SMS
Date 20180320
Time 102221
Antenna Code 93832928
User ID A 1478baf57a642fabab2039
Type of User A PREPAY
User ID B 936692a6b0f0059cd7e136
Type of User B CONTRACT
Call Detail Record (CDR)
Type SMS
Date 20180320
Time 102221
Antenna Code 93832928
User ID A 1478baf57a642fabab2039
Type of User A PREPAY
User ID B 936692a6b0f0059cd7e136
Type of User B CONTRACT
Call Detail Record (CDR)
Type SMS
Date 20180320
Time 102221
Antenna Code 93832928
User ID A 1478baf57a642fabab2039
Type of User A PREPAY
User ID B 936692a6b0f0059cd7e136
Type of User B CONTRACT

33. OPERADORAS: CDR
Selected area: Parcheggi METRO
Ranking: 17th
Score: ★★★★★ (4.2)
Trip distance
Km
Stay length
Hours
Arrival/departure time
Time
Arrivals
Departures

35. REDES WIFI

36. 16
Access =
WiFi Adoption Rising
WiFi Networks
Source: WiGLE.net as of 5/29/18. Note: WiGLE.net is a submission-based catalog of wireless
networks that has collected >6B data points since launch in 2001. Submissions are not paired
with actual people, rather name / password identities which people use to associate their data.
0
100MM
200MM
300MM
400MM
500MM
2001 2003 2005 2007 2009 2011 2013 2015 2017
WiFiNetworks,Global
Acess=
WIFI Adoption Rising

37. MOBILE – ODESAFIO DE SE MANTER CONECTADO

38. MOBILE – O DESAFIO DE SE MANTER CONECTADO

39. REDES WIFI
• No acesso:
• Dados Cadastrais – navegação logada
• Mac Address

40. REDES WIFI
• Na proximidade / Searching:
• Mac Address (apenas Android)

41. APPs e SDKs

42. SDK / APPs
• Dados Cadastrais (declarados)
• Dados Comportamentais:
• No uso
• Background
• Networks, Plataformas Tech etc:
• Antes: capturavam dados diretamente
• Agora: dados são capturados e disponibilizados via APIs

43. O SMARTPHONE
(Fabricantes e S.O.)

44. O SMARTPHONE
• Quais dados são coletados?
• Como são disponibilizados?
• Como ter acesso?

45. O SMARTPHONE

46. O SMARTPHONE: VOZ

47. O SMARTPHONE: VOZ

48. O SMARTPHONE: O DEVICE
DEVICE ID
IOS
IDFA
ANDROID
ADID

50. COMODITIZAÇÃO DA
COLETA DO DADO BRUTO

51. PADRONIZAÇÃO DO ACESSO
AOS DADOS

52. DIFERENCIAL ESTA
NO USO DOS DADOS

53. A
P
P
B
E
H
A
V
I
O
R
G
E
O
B
E
H
A
V
I
O
R
C O L E TA
O R G A N I Z A Ç Ã O
Q U A L I F I C A Ç Ã O
C L U S T E R I Z A Ç Ã O
APP id
Utilização
Frequencia
Nome do APP
Categoria
Subcategoria
Finalidade
Perfil de Uso
Apps equivalentes
Latitude / Longitude
Hora de Chega e Saida
Tempo de Permanência
Frequencia
Nome do Place
Categoria
Subcategoria
Ticket médio
Calendário de evento
Negativar funcionários
Locais equivalentes
1
2
3
4

54. ALGORÍTMOS

56. PERSPECTIVE,PREDECTIVE
PRESPECTIVE?

57. O QUE ROLOU?
O QUE VAI ROLAR?
ONDE ATUAR PARA GERAR
O EFEITO FUTURO?

58. QUAIS DADOS
PODEM SER
COLETADOS?

59. APLICATIVOS

60. APLICATIVOS

61. APLICATIVOS

62. APPBEHAVIOR

63. GEOLOCALIZAÇÃO

64. BILLIONS – IMAGENS DE SATELITE PARA PREVER AÇÕES DA
BOLSA.
https://www.youtube.com/watch?v=GY2h4bvDjRk

65. https://www.geospatialworld.net/news/hedge-funds-
use-satellite-imagery-to-predict-revenues/
https://www.cnbc.com/id/38722872https://www.cnbc.com/2010/08/17/Spying-For-
Profits:-The-Satellite-Image-Indicator.html

66. WHY NOW?

67. GEOLOCALIZAÇÃO
Alguém conhece essa Lat.Long?
-23.563219,-46.65112

68. SAY HELLO! J

69. QUALIFICAÇÃO

70. GEOLOCALIZAÇÃO +
HORÁRIO

71. GEOBEHAVIOR

72. COM ISSO SURGE UM
NOVO PROFISSIONAL

73. O P.I (Place Intelligence) é estudioso
de locais e especialista em mobilidade
urbana.
PLACE INTELLIGENCE

74. OUTRAS APLICAÇÕES

75. APLICAÇÃO: INSIGHTS

76. APLICAÇÃO: MIDIA

77. APLICAÇÃO: OOH

78. APLICAÇÃO: MOBILIDADE URBANA

80. MAS E A PRIVACIDADE?

81. LEIS
Marco Civil, GDPR, PL’s etc
LOJAS E MARKETPLACES
iOS, Android, iTunes, Play, Amazon
USUÁRIOS
Dar para receber

82. China Internet Users =
More Willing to Share Data for Benefits vs. Other Countries per Gfk

83. Most Online Consumers Share Data for Benefits...

84. QUAIS OS DADOS MAIS
SENSÍVEIS NA SUA OPINIÃO?

87. O NOVO CONCEITO DE
FREEMIUM

88. MUITO OBRIGADO!
MORSE.HANDS.COM.BR/CADASTRO/
ASSINE O MORSE E CONTINUE ESSA CONVERSA
joao@hands.com.br