O FADWeb é um Framework para Análise de Dados da Web. Trata-se de um recurso feito para facilitar a análise de dados e propor um fluxo de passos, através de diversos grupos de processos, com várias ferramentas que possibilitam e facilitam a vida do analista de marketing digital.

Ele foi inspirado no meu dia a dia, nos passos que realizo para as análises, estudos que eu faço com os dados que tenho disponível.

Eu não parei um dia e resolvi criá-lo, na verdade ele foi sendo moldado com o tempo. Comecei a analisar dados por volta de 2005, época em que trabalhava em uma empresa de produtos médicos. Sentíamos a necessidade de entender o número de visitantes no site, quantos deles se convertiam em alguma negociação para a empresa, então foi aí que comecei a dar mais atenção para os números, preparar alguns relatórios que pudessem elucidar sobre os números e as informações que eles traziam.

Por que eu desenvolvi esse framework?

Porque em toda minha carreira eu vi muitos analistas que conheciam ferramentas, tecnologias, com muito conhecimento, mas tinham grande dificuldade para organizar os passos para a análise. Principalmente, atualmente, onde temos uma grande gama de informações, é difícil para os analistas conseguirem priorizar o que farão primeiro.

Público-alvo

Uma das minhas maiores motivações para a elaboração do Framework foi elaborar uma forma didática de explicar o fluxo de análise para meus alunos, mentorandos, profissionais de marketing digital e mesmo para utilização no meu dia a dia, uma vez que como esses profissionais, também me vejo sempre com desafios relacionados com dados. Sendo assim, todo tipo de profissional que trabalha na web, seja em sites, redes sociais, campanhas, etc, pode utilizar o FADWeb como apoio para análise dos dados, de modo que possa tomar as decisões necessárias com base em dados.

Grupos de processos

Os grupos de processos do FADWeb englobam diversos procedimentos essenciais para realizar uma análise de dados eficaz, considerando os aspectos envolvidos em cada problema. Esses processos, juntamente com as ferramentas disponíveis, são adaptáveis e podem ser aplicados conforme a necessidade do analista, levando em conta o contexto específico do problema. Dessa forma, o FADWeb oferece flexibilidade e estrutura para que o profissional de dados possa identificar, modelar e solucionar questões, utilizando abordagens personalizadas e orientadas para resultados.

Problema

O FADWeb é ativado a partir da identificação de um problema que necessita ser resolvido com o apoio da análise de dados. A etapa inicial consiste na definição clara e detalhada do problema em questão, o que é crucial para orientar todo o processo analítico. Por exemplo, pode tratar-se de uma campanha publicitária que não está atingindo os resultados esperados, como metas de conversão, alcance ou engajamento. 

A partir dessa definição, o FADWeb estrutura os passos necessários para entender as causas do problema e propor soluções eficazes, sempre considerando o contexto e os objetivos envolvidos.

Perguntas

As perguntas relacionadas com os problemas, que precisarão ser feitas para iniciar o próximo passo que será a contextualização dos principais pontos.

Algumas perguntas são comuns e importantes para diversos casos:

• Qual o problema?
• Por que o problema ocorreu?
• Em que data ocorreu?
• Quais as variáveis envolvidas?
• Quem são os stakeholders e áreas envolvidas?
• Qual o impacto causado?

Ao realizar as perguntas, é possível começar a navegar pela contextualização dos problemas.

Contexto

A fase de contexto é crucial na análise de dados, pois estabelece as bases para entender o cenário e as particularidades do problema a ser resolvido. Esse estágio envolve diversas etapas fundamentais:

1. Investigação das variáveis envolvidas: Identificar os principais fatores e variáveis que influenciam diretamente o problema. Isso inclui tanto elementos internos quanto externos ao negócio.
2. Conversa com os stakeholders: Dialogar com as partes interessadas é essencial para compreender suas expectativas, perspectivas e requisitos. Esse alinhamento inicial contribui para a definição de objetivos claros e alinhados às necessidades do projeto.
3. Entendimento da sazonalidade do mercado: Analisar os padrões sazonais e identificar tendências que podem impactar o desempenho do mercado, possibilitando antecipação e adaptação estratégica.
4. Análise PESTEL: Avaliar os fatores políticos, econômicos, sociais, tecnológicos, ambientais e legais que influenciam o ambiente de negócios, garantindo uma visão ampla e contextualizada.
5. Compreensão do negócio e do público: Entender profundamente as características do negócio, seu modelo operacional, seus produtos e serviços, assim como o comportamento, necessidades e expectativas do público-alvo.
6. Definição do recorte do problema: Delimitar com precisão o problema a ser abordado, garantindo foco e clareza na análise, além de facilitar a definição de soluções práticas.
7. Análise de produtos e serviços: Examinar o portfólio de produtos e serviços oferecidos pela empresa, identificando forças, fraquezas e oportunidades de melhoria.
8. Análise do mercado: Estudar o mercado como um todo, incluindo concorrentes, tendências, oportunidades e ameaças. Essa visão holística ajuda a posicionar o negócio de maneira competitiva.
9. Macro e microambiente: Diferenciar as forças externas (macroambiente), como economia e regulação, das forças internas (microambiente), como cadeia de fornecedores e capacidade interna, para uma visão integrada do contexto.
10. Planos e diretrizes do negócio: Compreender os objetivos estratégicos e operacionais definidos pela empresa, garantindo que a análise de dados esteja alinhada com essas diretrizes.

Ferramentas

A fase de ferramentas do FADWeb é dedicada à preparação e gestão dos recursos necessários para realizar uma análise eficiente e precisa.

Ela começa com o acesso às ferramentas de dados, garantindo que o analista tenha os meios necessários para explorar, manipular e interpretar as informações disponíveis. Quando necessário, também inclui a instalação de novas ferramentas, que podem trazer funcionalidades adicionais ou atender a demandas específicas do projeto.

Auditoria da qualidade dos dados

Esse processo consiste em avaliar a integridade, consistência e confiabilidade das informações a serem analisadas. Esse passo é fundamental para identificar problemas como dados faltantes, inconsistentes ou desatualizados, que podem comprometer os resultados da análise. Além disso, a fase aborda questões de privacidade e segurança, assegurando que o manuseio das informações esteja em conformidade com normas e regulamentações, protegendo dados sensíveis e prevenindo acessos não autorizados.

Outras fontes de dados

Por fim, é realizada a captação de estudos e planilhas, o que envolve reunir fontes de dados relevantes, estruturadas e não estruturadas, que servirão como base para a análise. Essa etapa também contempla a organização das informações, facilitando sua utilização ao longo do processo analítico.

Ao integrar esses elementos, a fase de ferramentas proporciona uma base sólida para a execução das etapas subsequentes do framework, garantindo que o analista esteja bem equipado para extrair insights valiosos e gerar soluções eficazes.

Ferramentas que podem ser utilizadas nessa fase

• Google Analytics: talvez uma das mais utilizadas por todo o mercado, essencial para analisar dados do site. URL: https://analytics.google.com
• BigQuery: utilizado por empresas para centralizar dados oriundos da web, facilitando análises avançadas. URL: https://cloud.google.com/bigquery
• TagManager: ferramenta indispensável para realizar o tagueamento necessário em sites. URL: https://tagmanager.google.com
• Similarweb: oferece insights sobre tráfego e desempenho de sites. URL: https://www.similarweb.com
• Social Blade: analisa estatísticas de crescimento em plataformas como YouTube, TikTok e Instagram. URL: https://socialblade.com. Aqui, o analista deve já configurar as redes do seu cliente que será monitorado, bem como seus concorrentes.
• Semrush: plataforma completa para SEO, análise de mercado e publicidade. URL: https://www.semrush.com. Configuração do cliente e concorrentes.
• Google Search Console: ajuda a monitorar e otimizar o desempenho de sites no Google. URL: https://search.google.com/search-console. Configuração do site do cliente.

Resumo dos processos de Ferramentas

• Acesso às ferramentas de dados: Garantir que o analista tenha os recursos necessários para explorar, manipular e interpretar informações.
• Instalação de novas ferramentas: Adicionar funcionalidades e atender a demandas específicas do projeto.
• Auditoria da qualidade dos dados: Avaliar integridade, consistência e confiabilidade das informações, identificando possíveis problemas como dados faltantes ou inconsistentes.
• Privacidade e segurança: Assegurar conformidade com normas e proteger dados sensíveis contra acessos não autorizados.
• Captação de estudos e planilhas: Reunir e organizar fontes de dados relevantes, estruturadas e não estruturadas, para servir de base à análise.

Concorrentes

Os processos para uma análise de concorrentes são fundamentais para entender o ambiente competitivo e identificar oportunidades de melhoria. Eles começam pela elaboração de uma lista de concorrentes, garantindo que sejam considerados os principais players do mercado relacionados ao problema em questão. Em seguida, é realizada a análise dos atributos competitivos, identificando pontos fortes e fracos de cada concorrente, como performance, presença online e estratégias de marketing.

Utilizando ferramentas como o Similarweb, o analista pode comparar indicadores importantes, como tráfego e comportamento dos usuários nos sites dos concorrentes. Além disso, os dados das redes sociais são uma fonte valiosa de insights. Por meio do Social Blade, o analista pode configurar o monitoramento das redes sociais de cada concorrente, captando métricas relevantes, como engajamento, crescimento de seguidores e frequência de postagens. Os números obtidos são então registrados em planilhas, organizados para facilitar a análise. Nesta etapa, é essencial identificar quais redes sociais estão mais conectadas ao problema a ser resolvido, pois sua relevância varia conforme o mercado e os objetivos do projeto.

Por exemplo, em uma campanha de vendas que não alcançou os resultados esperados, e que foi realizada por meio de Google Ads e Meta Ads, é fundamental incluir esses canais na análise. Isso permite avaliar não apenas o desempenho dos anúncios da empresa, mas também como os concorrentes estão utilizando essas ferramentas para atingir seus próprios resultados. Dessa forma, a análise é personalizada para o problema, contribuindo para soluções direcionadas e eficazes.

Resumo dos processos de Concorrentes

• Atributos competitivos: Analisar pontos fortes e fracos, como performance e estratégias.
• Dados do Similarweb: Comparar indicadores, como tráfego e comportamento dos usuários nos sites dos concorrentes.
• Dados de redes sociais: analisar métricas, como engajamento e crescimento de seguidores.
• Planilhamento de indicadores: Organizar números captados para facilitar a análise.
• Relevância das redes sociais: Avaliar quais plataformas estão mais conectadas ao problema, considerando o mercado e os objetivos.
• Canais de marketing: Incluir ferramentas como Google Ads e Meta Ads na análise, conforme a campanha e os resultados esperados.

Análise

A fase de análise no framework FADWeb é onde os dados são processados e analisados, sendo fundamental para a obtenção de insights valiosos. O primeiro passo é garantir que os dados estejam limpos, padronizados e carregados nas ferramentas ou fontes apropriadas para processamento, permitindo análises consistentes e confiáveis.

Existem várias abordagens para executar essa etapa. Uma delas é a análise descritiva dos dados, que pode ser realizada por meio de programas como Python, R ou até mesmo em planilhas. Essa análise proporciona medidas como médias, máximos, mínimos, medidas de dispersão, correlações, identificação de outliers e ruídos, além de outras métricas estatísticas essenciais. A importância de uma padronização prévia dos dados é evidente, pois os programas exigem uma estrutura consistente para processar as informações adequadamente.

Por exemplo, ao utilizar scripts personalizados em Python, os dados padronizados podem ser carregados e analisados automaticamente. O resultado inclui não apenas métricas estatísticas, mas também visualizações gráficas, comparativos entre players e outras ferramentas visuais que enriquecem a análise. Essas saídas são complementadas pelas informações coletadas na fase de contextualização, unificando dados quantitativos e qualitativos para oferecer um panorama completo.

Outro ponto crucial dessa etapa é a flexibilidade no desenvolvimento de novos programas ou scripts, caso as perguntas feitas durante as fases iniciais exijam manipulações adicionais. Essa adaptabilidade é essencial para responder de forma personalizada às necessidades do problema em análise.

Ademais, a inteligência artificial pode ser aplicada como um recurso poderoso nesta fase. Dados limpos e padronizados podem ser carregados em ferramentas baseadas em IA para executar tarefas como cálculos de centralidade, dispersão, geração de gráficos e outros relatórios analíticos. Dependendo do objetivo, o uso de IA pode acelerar significativamente os processos e trazer insights ainda mais direcionados, tornando todo o trabalho mais ágil e eficiente.

Resumo dos processos de Análise

• Processamento e análise de dados: Garantir que todos os dados sejam tratados e analisados de forma eficiente;
• Limpeza e padronização: Eliminar inconsistências, outliers e ruídos, e estruturar os dados para análise;
• Carregamento de dados: Inserir informações em ferramentas ou programas apropriados, como Python, R ou planilhas;
• Análise descritiva: Obter medidas estatísticas, como médias, máximos, mínimos, dispersão e correlação;
• Visualização de dados: Gerar gráficos e comparativos entre players, enriquecendo a análise;
• Complementação com dados da fase de contextualização: Integrar informações qualitativas para ampliar os insights;
• Desenvolvimento de novos programas: Criar scripts para manipular dados e responder questões específicas;
• Uso de inteligência artificial: Aplicar IA para tarefas, como análises estatísticas, gráficos e centralidade, acelerando processos; e
• Com base nos dados considerar opções de soluções.

Visualização

Depois de realizada a análise é importante fazer uma compreensão dela, através de um documento que reflita os pensamentos importantes sobre suas reflexões realizadas. A visualização deve conter uma mistura dos dados e gráficos, com suas respectivas interpretações e análises.

A boa visualização de dados é fundamental para transformar informações complexas em insights claros e acionáveis. Gráficos bem escolhidos, como barras para comparações ou linhas para tendências, permitem que analistas e stakeholders compreendam rapidamente padrões, outliers e relações nos dados. Quando a representação visual é eficiente, até conjuntos volumosos de dados podem ser interpretados de forma intuitiva, facilitando a tomada de decisões estratégicas em áreas como negócios, saúde e ciência.

Além da clareza, uma visualização bem elaborada evita distorções e comunica a mensagem correta. Gráficos confusos ou mal formatados, como pizzas com muitos segmentos ou escalas desproporcionais, podem levar a conclusões equivocadas. Ferramentas como histogramas e boxplots, por exemplo, ajudam a revelar distribuições estatísticas essenciais, enquanto heatmaps destacam correlações que poderiam passar despercebidas em tabelas. A escolha adequada de cores, rótulos e formatos é crucial para manter a precisão e a objetividade.

Faça um balanceamento na utilização desses gráficos e pense na história que você quer contar aos stakeholders, levando-os para as opções de decisões.

Resumo dos processos de Visualização

• Faça um resumo executivo – principalmente para aqueles que não tem tempo para ler, essa é uma importante ferramenta para resumir tudo o que foi feito no trabalho;
• Exponha o problema analisado;
• Conte a história da sua análise através de informações e gráficos; e
• Mostre as opções de solução.

Decisões

Após a apresentação das opções, torna-se essencial tomar uma decisão entre as alternativas propostas. Esse é o desdobramento natural de um processo que envolve múltiplas ações, estudos e análises.

A tomada de decisão, nesse contexto, é fundamentada em dados previamente analisados, estudados e contextualizados dentro da realidade da empresa e, principalmente, do problema analisado, garantindo que as escolhas sejam informadas.

Após a decisão, as ações planejadas são executadas e, posteriormente, seus resultados são avaliados novamente, fechando um ciclo de feedback contínuo. Esse processo cíclico permite ajustar as ações conforme necessário, até que o problema seja resolvido de maneira satisfatória.

A abordagem garante que cada etapa seja integrada e orientada por insights sólidos, maximizando a eficácia da solução implementada.

Case

Para que possa ficar mais fácil ao leitor entender a aplicação desse framework, vou mostrar como ele foi aplicado em um caso que trabalhei.

Foi em um e-commerce calçadista, caso interessante de cliente que eu tive há alguns anos, um grande player no ramo calçadista, tanto em lojas físicas quanto através do seu e-commerce.

O gerente de e-commerce, profissional experiente na área, era um cliente exigente, com metas ousadas e sempre estava revisando esses objetivos, na continuidade do aumento das metas, para que o e-commerce alcançasse um crescimento relevante.

Essa busca por resultados fazia sempre com que o cliente nos perguntasse, nas reuniões, quais os meios para crescer mais, quais locais ainda tinha possibilidade de crescimento? Ou seja, aqui já tínhamos as perguntas.

Contexto

O negócio vendia para várias localidades, com certa concentração no sudeste. Ao conversar com o gerente de e-commerce para entender melhor o mercado, ele contou que um dos produtos mais vendidos era um tênis, um modelo especial de determinada marca, mas que a competição pelo primeiro lugar nos mecanismos de busca e em sistemas de mídia paga era muito grande. Ao realizar algumas buscas, pude constatar que muitos players concorriam por aqueles produtos. Anotei alguns daqueles concorrentes e reservei para olhar depois, pois alguns daqueles não apareciam na lista enviada pelo cliente, como sendo de seus maiores competidores. É importante comentar que naquela época o prazo de entrega era maior do que hoje.

Ferramentas

Eu já tinha acesso às ferramentas, e depois de uma inspeção vi que estava tudo certo. Iniciei verificando no Google Analytics alguns relatórios como o de produtos mais buscados, cidades onde mais os produtos eram vendidos e comecei a baixar esses dados, para fazer algumas combinações no Excel. Na época, não tínhamos ferramentas de Dashboards tão popularizadas como nos dias de hoje, então as planilhas eram recursos que nos ajudavam, em um ambiente de agência, a entender melhor os dados.

Concorrentes

Ao olhar para os concorrentes notei algumas coisas interessantes, que embora os concorrentes disputassem pelos mesmos produtos, pelo menos na época davam um destaque maior para alguns artigos de caráter mais esportivo. Na parte de sapatos, eles tinham, mas não ofereciam, a mesma quantidade de opções. Um ponto importante, é que todos usavam as mesmas fotos do fornecedor. Principalmente para esse tipo de produto, as imagens são importantes atributos competitivos, pois imagine que o consumidor não tem a mesma experiência da loja física. Na loja física ele pode provar, olhar no espelho, etc. No online, ele tem que se imaginar com aquela peça, o que acaba sendo um verdadeiro desafio.

Análise

Na época se falava muito sobre buscar o tal oceano azul, desenvolvida por W. Chan Kim e Renée Mauborgne  (2005), que propõe uma estratégia de negócios onde as empresas buscam o sucesso através da criação de novos espaços de mercado inexplorados, conhecidos como “oceanos azuis”. Em vez de competir em mercados altamente competitivos (“oceanos vermelhos”), a teoria encoraja a inovação e a diferenciação para criar demanda e tornar a concorrência irrelevante. Isso pode ser alcançado através da identificação de novas oportunidades de valor e oferecendo produtos ou serviços únicos que atendam às necessidades não satisfeitas dos consumidores. Pensando nisso, eu comecei a analisar os dados tentando encontrar algum ‘oceano azul’ onde a concorrência não fosse tão ferrenha, ou que ao menos tivéssemos algum tipo de vantagem. Foi quando notei algo acontecendo em Brasília.

Olhando para o Google Analytics, naquela ocasião, procurei por algumas cidades com maior contribuição de receita para o e-commerce. Brasília não era a primeira cidade em consumo, mas estava entre as dez primeiras. A primeira era São Paulo, cidade que mais vendiam, mas onde a competição era maior, pois todos os competidores comercializavam os mesmos produtos que o meu cliente para essa capital e competiam para aparecer diante de seus consumidores naquela metrópole.

Eu dediquei minha análise a entender o que era mais comprado em Brasília, naquele e-commerce, e quais concorrentes atuavam nas buscas relacionadas com aquela região. Analisando os dados, notei padrões, alguns deles muito interessantes, como a compra de sapatos e cintos, o que era fora do comum naquela cidade. Enquanto em outras cidades a maior parte das compras eram de tênis, em Brasília, o consumidor comprava em sua maioria, sapatos e cintos.

Um ponto importante, é que enquanto eu analisava os números, lembrei que os concorrentes não tinham a mesma oferta de sapatos que o meu cliente, o que indicava uma oportunidade.

Na época, eu precisei voltar um pouco na fase de contextualização (e isso não é ruim) e fui conversar com alguns funcionários desse e-commerce. Nos sistemas de compras, eles puderam confirmar esse comportamento, no qual realmente, para Brasília, se vendia mais aqueles produtos. A partir desse ponto, comecei a ter algumas ideias:

Se esses produtos têm maior saída nesta cidade, podemos criar uma landing page com a lista desses produtos, um design voltado para esse consumidor e, o mais importante, uma campanha de busca paga com orçamento privilegiado. Além disso, ações de busca orgânica, e-mail marketing para a base de clientes relacionados e outras ações direcionadas para esse público naquela região.

Visualização

Com aquela ideia em mente, pedi uma reunião com o gerente de e-commerce para apresentar a ideia. Montei uma apresentação com todos os dados, correlacionando eles com as ideias que eu tive. No dia de apresentar a ideia ao cliente, eu estava um pouco aflito, pois não era um profissional tão experiente como hoje e se tratava de um cliente muito exigente. Lembro até hoje. Fomos recebidos (eu e colegas que também trabalhavam nessa conta) em uma sala pequena de reunião. Depois dos cumprimentos e do cafezinho, comentei para o cliente que tinha algo para propor. Mostrei a apresentação, os fatos, números e análises que eu tinha feito. Também comentei sobre minha ideia, debatemos um pouco sobre as possibilidades e até formulamos algumas teorias, do motivo que as pessoas compravam mais sapatos e cintos em Brasília. A explicação, na época, mais simplista, é a de que eram funcionários do governo, embaixadas, imprensa, empresas, etc., que precisavam se vestir de modo mais formal, e, assim, necessitavam desses produtos. 

‘Genial a ideia Erick!’

Quando aquele cliente exigente, disse essa frase, foi fantástico! Eu lembro que naquele momento eu tive a ideia de escrever sobre meu framework, mas isso demorou muito tempo!

Depois de executar a ideia, tivemos o incremento, em um dos meses, de 112% comparado a ele mesmo, no ano anterior. Além disso, acabou se tornando uma frente prioritária no e-commerce por algum tempo. Na época, a loja online era vista como uma loja física, e competia com elas pelos recordes e bônus de vendas. No mês do maior número de vendas, ficou em primeiro lugar em relação às demais.

Esse caso foi muito interessante na minha carreira, inclusive comento ele em reuniões e palestras, embora não identifique o cliente e seus personagens.

Você, tendo dados, pode analisar, observar os comportamentos e entender os padrões. Análise de dados é sobre isso, entender esses padrões e comportamentos. 

Outra coisa bacana de se comentar é que, em muitos casos, embora o framework seja útil para quem irá fazer a análise, ele às vezes pode ser encurtado ou então suas etapas adiantadas.

Vantagens em usar o Framework de Análise de Dados da Web

• Facilita a análise de dados: o framework propõe alguns passos através de diversos grupos de processos, com várias ferramentas que auxiliam o analista;
• Organização dos passos para a análise: ajuda a organizar os passos da análise, especialmente em um contexto com grande volume de informações;
• Priorização das tarefas: permite que os analistas priorizem o que fazer primeiro;
• Flexibilidade e estrutura: oferece flexibilidade e estrutura para identificar, modelar e solucionar questões, utilizando abordagens personalizadas;
• Base para a tomada de decisões: apoia a tomada de decisões com base em dados;
• Identificação clara do problema: o framework é ativado a partir da identificação de um problema que precisa ser resolvido, o que orienta todo o processo analítico;
• Processos bem definidos: inclui grupos de processos que englobam procedimentos essenciais para uma análise de dados eficaz, como: Contexto, Ferramentas, Concorrentes, Análise, Visualização e Decisões;
• Adaptabilidade: os processos e ferramentas são adaptáveis e podem ser aplicados conforme a necessidade do analista e o contexto específico do problema;
• Melhora a compreensão dos dados: a visualização de dados transforma informações complexas em insights claros e acionáveis; e
• Ciclo de feedback contínuo: Permite ajustar as ações conforme necessário, até que o problema seja resolvido de maneira satisfatória.