O documento discute como escolher boas métricas para oferecer experiências personalizadas aos clientes com base nos dados. Aborda diferentes tipos de métricas e níveis de personalização, desde popular até adaptativo e generativo. O autor também apresenta exemplos de métricas úteis versus inúteis e como usar dados para entender padrões e melhorar continuamente o produto.
1. Aula de sociologia - 1º Ano - Émile Durkheim.pdf
TDC2018FLN | Trilha Data Science - Extraindo o maximo de seus dados para oferecer uma experiencia personalizada ao cliente
1.
2. Tácio Medeiros - Data Scientist
TDC Floripa 2018 - Trilha Data Science
Extraindo o máximo de seus dados
PARA OFERECER UMA EXPERIÊNCIA
PERSONALIZADA AO CLIENTE
2018-04-20
13. MÉTRICAS
Segundo os autores de “Lean Analytics”
Alistair Croll e Ben Yoskovitz
» Qualitativa ou Quantitativa
» Exploratória ou Reportável
» De vaidade ou Acionável
» Adiantada ou Atrasada
» Correlacionada ou Causal
20. JAN FEV MAR ABR MAI
Receita/Cliente 5,00 4,50 4,33 4,25 4,50
Paradoxo de
Simpson
Variável de confusão
ANÁLISE COORTE
JAN FEV MAR ABR MAI
1 5,00 3,00 2,00 1,00 0,50
2 6,00 4,00 2,00 1,00
3 7,00 6,00 5,00
4 8,00 7,00
5 9,00
21. MÉTRICAS INÚTEIS
» Número de downloads
» Total de visitantes únicos
» Receita acumulada
» Emails enviados
» Curtidas no Facebook
22. MÉTRICAS BOAS
» Taxa de crescimento
» Base ativa (usuários engajados)
» CLV / CAC
» Taxa de churn (usar coorte)
» Tempo para break-even por cliente
CLV = Customer Lifetime Value
Churn difícil de definir
CAC = Custo de Aquisição do Cliente
Atribuição de canais complexa
… complicado