Públicos preditivos: quando a mídia de varejo passa dos segmentos para a probabilidade

A maior parte da segmentação na mídia de varejo é retrospectiva. “Consumidores que compraram iogurte nos últimos 90 dias.” “Compradores da categoria no segmento de café da manhã.” “Fãs da marca.”

Predictive Audiences: When Retail Media Moves From Segments to Probability

Esses segmentos descrevem o que aconteceu. Eles não prevêem o que acontecerá a seguir.

Os públicos preditivos invertem a direção. Em vez de “comprou X”, a segmentação passa a ser “provável que compre X nos próximos 14 dias”. Em vez de “consumidor que muda de marca”, passa a ser “alta probabilidade de mudar para a sua marca neste mês”. Em vez de “consumidor inativo”, passa a ser “provável que retorne à categoria no próximo ciclo de compras”.

Essa é a mudança da segmentação para a probabilidade. E é aí que a vantagem de dados da mídia de varejo se transforma em vantagem de desempenho.

Por que a previsão supera a descrição

Um segmento descreve um grupo com base no comportamento passado. O problema: o comportamento passado nem sempre é um bom indicador do comportamento futuro, especialmente do comportamento que lhe interessa.

Considere “compradores de iogurte nos últimos 90 dias”. Esse segmento inclui: compradores diários de iogurte que comprarão novamente amanhã independentemente de qualquer campanha, compradores ocasionais que podem comprar novamente em um mês, compradores experimentais que provaram iogurte uma vez e não comprarão novamente, e compradores inativos que compraram há 89 dias e já seguiram em frente. Exibir o mesmo anúncio para todos os quatro grupos é um desperdício. O comprador diário não precisa ser convencido. Quem experimentou uma vez não vai voltar. O dinheiro deve ser direcionado ao comprador ocasional, que é persuadível, e ao comprador inativo, que é recuperável.

Um modelo preditivo os separa. Ele classifica cada consumidor de acordo com sua probabilidade de compra nos próximos X dias, com base em seu histórico comportamental completo, frequência de compra, recência, engajamento com a categoria, padrões de ocasião, fase da vida, resposta ao preço e comportamento de troca de marca.

A campanha então segmenta os compradores acima de um limite de probabilidade, aqueles com maior chance de conversão. Os gastos se concentram onde realmente importam. O desperdício diminui. A incrementalidade aumenta.

Como os públicos preditivos funcionam na mídia de varejo

A infraestrutura de dados é a mesma que alimenta a identificação de ocasiões de compra e a segmentação por fase da vida. A diferença está no resultado: em vez de um rótulo (“comprador de café da manhã rápido”), você obtém uma pontuação (“78% de probabilidade de compra de café da manhã rápido nos próximos 7 dias”).

Os dados de entrada:

Recência e frequência de compra. Quando foi a última vez que o consumidor comprou produtos dessa categoria? Com que frequência ele costuma comprar? Em que ponto do ciclo de compra ele se encontra?

Padrões de ocasião. Esse comprador tem um padrão recorrente de café da manhã rápido nas terças-feiras de manhã? Uma cadência de compras para festas nas sextas-feiras à noite? A regularidade da ocasião prevê a próxima ocorrência.

Indicadores de fase da vida. As compras de produtos para bebês por um pai ou mãe de primeira viagem são previsíveis a partir do momento em que a primeira fralda aparece. O modelo conhece o ciclo de reposição.

Trajetória da categoria. O consumidor está aumentando ou diminuindo o envolvimento com a categoria? Cestas de compras maiores sugerem probabilidade crescente. Cestas menores sugerem declínio.

Comportamento competitivo. O consumidor começou a comprar um produto da concorrência? Isso é um sinal de que ele está aberto a mudar, o que significa que também pode ser conquistado.

O modelo combina essas entradas em uma pontuação de probabilidade para cada comprador, atualizada a cada nova transação. O público resultante é dinâmico, mudando diariamente à medida que novos dados chegam.

Públicos preditivos e o fluxo de trabalho da campanha

Na Footprints AI, os públicos preditivos integram-se ao fluxo de trabalho padrão da campanha: Planejar, Segmentar, Ativar, Comprovar.

Planejar. A marca define o objetivo: aquisição de novos clientes, recuperação de compradores inativos, aumento da frequência. O planejador mostra o alcance previsto dentro do público-alvo, quantos compradores atendem ao limite de probabilidade, qual é a taxa de conversão esperada e como fica o aumento previsto nas vendas.

Segmentar. O público-alvo é definido pela pontuação de probabilidade, filtrado por ocasião de compra e, opcionalmente, categorizado por fase da vida ou afinidade com a categoria. “Consumidores com >60% de probabilidade de comprar cereais matinais nos próximos 14 dias, durante ocasiões de café da manhã rápido em dias úteis” é um briefing preciso e acionável.

Ativar. O público-alvo previsto é alcançado em todos os pontos de contato. Anúncios fora do site dois dias antes da ocasião de compra prevista. Telas na loja durante o período de visita previsto. Anúncios digitais no site do varejista quando o consumidor navega.

Comprovar. O ciclo fechado mede o que aconteceu. Os compradores previstos realmente compraram? Em que proporção em comparação com o grupo de controle? A previsão foi precisa? A medição é incorporada ao modelo, aprimorando as previsões futuras.

A questão da precisão

Modelos preditivos não são bolas de cristal. Eles lidam com probabilidades, não certezas. Um comprador com 75% de probabilidade de compra nem sempre compra. A questão é se segmentar o grupo com 75% ou mais de probabilidade tem um desempenho melhor do que segmentar um segmento padrão retrospectivo.

A resposta, consistentemente, é sim. Não porque todas as previsões estejam corretas, mas porque a distribuição das previsões concentra os gastos em compradores com maior probabilidade. Mesmo que o modelo esteja errado 30% das vezes, os 70% em que acerta geram mais vendas incrementais por euro do que um segmento fixo que inclui um grande número de compradores com baixa probabilidade.

A prova está na medição. Grupos de controle comparam campanhas para o público previsto com campanhas para segmentos padrão, e a diferença incremental valida a qualidade da previsão.

O valor comercial

Para as marcas, públicos preditivos significam eficiência, menos desperdício e mais impacto por euro.

Para as RMNs, públicos preditivos significam diferenciação e poder de precificação. “Alcançar compradores que provavelmente comprarão sua categoria nas próximas duas semanas” é uma proposta fundamentalmente mais valiosa do que “alcançar compradores que compraram sua categoria no último trimestre”.

É a diferença entre pescar onde os peixes estavam no mês passado e pescar onde eles estarão amanhã. E essa diferença justifica um preço mais alto, porque o resultado é mais provável, e é pelo resultado que as marcas pagam.

Conclusão

Os públicos preditivos levam a mídia de varejo de “quem fez isso” para “quem fará isso a seguir”.

Eles usam os mesmos dados comportamentais, transações, ocasiões, fases da vida e afinidades, mas os aplicam prospectivamente, em vez de retrospectivamente.

O resultado: maior precisão, menos desperdício, mais vendas incrementais e um produto de mídia que se diferencia genuinamente de tudo o que está disponível em outros canais.

Quando a mídia de varejo tem como alvo a probabilidade em vez do histórico, ela deixa de ser uma ferramenta retrospectiva e se torna um motor de crescimento. Essa é a mudança que faz com que as marcas invistam mais, porque elas podem ver o valor futuro, não apenas o desempenho passado.

Leitura relacionada

Pronto para ver como isso funciona na prática?

A Footprints AI ajuda marcas e varejistas a medir o que realmente importa. Veja nossas histórias de sucesso de clientes ou entre em contato para discutir sua estratégia de mídia de varejo.