1. Curso: MBA em Comunicação e Marketing Digital
Turma: 01
Disciplina: Fundamentos do Marketing Digital
Professor: Fábio Albuquerque
WEB ANALYTICS:
Modelos de Métricas de Engajamento
em Mídias Emergentes
Equipe
Adriene Rezende
André Pierazoli
Lucas Souto
Renata Sena
Yanemar Bueno
2. WEB ANALYTICS
SUMÁRIO
1. Objetivos da apresentação pág. 03
2. Objetivos do artigo pág. 04
3. Aspectos teóricos / conceituais – 1 / 2 / 3 / 4 / 5 pág. 05
4. Descobertas / contribuições – 1 / 2 / 3 / 4 / 5 / 6 pág. 10
5. Análise crítica pág. 16
6. Importância para o gestor de marketing digital pág. 17
2/17
3. WEB ANALYTICS
1. OBJETIVOS DA APRESENTAÇÃO
Promover a aprendizagem acadêmica apresentando uma análise sintética do artigo
Web Analitics: Modelos de Métricas de Engajamento em Mídias Emergentes – escrito
pela Doutouranda Sionara Ioco Okada. Cinco questões deverão ser respondidas:
1. Objetivo do artigo
2. Aspectos teóricos/conceituais mais relevantes do artigo
3. Principais descobertas/contribuições do artigo
4. Análise crítica do grupo sobre as descobertas/contribuições do artigo
5. Importância do conteúdo do artigo para a prática do gestor de marketing digital
3/17
4. WEB ANALYTICS
2. OBJETIVOS DO ARTIGO
Este é um artigo de atualização que tem por
objetivo revisar as últimas publicações sobre
modelos de métricas – web analytics – e
estratégias digitais em mídias emergentes.
Destacam-se neste estudo, três modelos em
web analytics:
• Modelo dos Cinco Estágios de Competição Analítica – Davenport e Harris (2007)
• Modelo de Maturidade em Web Analytics – Hammel (2009)
• Modelo Web Analitycs Scorecard – Giuntini e Morier (2008)
4/17
5. WEB ANALYTICS
3. ASPECTOS TEÓRICOS / CONCEITUAIS – 1 / 2 / 3 / 4 / 5
Plataformas Tecnológicas x Estratégias Digitais – a . b
Gabriel (2010) destaca a importância de
se separar plataformas tecnológicas de
estratégias mercadológicas digitais. É
necessário que as organizações
conheçam cada uma dessas
plataformas, tecnologias e estratégias
digitais com suas respectivas
peculiaridades, para poder usá-las da
melhor forma.
5/17
6. WEB ANALYTICS
3. ASPECTOS TEÓRICOS / CONCEITUAIS – 1 / 2 / 3 / 4 / 5
Plataformas Tecnológicas x Estratégias Digitais – a . b
Plataformas Tecnológicas Estratégias Digitais de Marketing
Plataformas digitais de Redes Sociais (Orkut, • SMM (Social Media Marketing) & SMO (Social Media
Facebook, Twiter, You tube, flicker) Optimization) estratégias de interação com os
consumidores: fanspage fidelização através de
prêmios, diálogo e interação com fãs da marca, e SAC
diferenciado.
• WOMM (Word of Mouth Marketing) Marketing viral
Tecnologias Mobile (RFID, mobile tagging, SMS, Móbile Marketing, Qrcodes e M-commerce
Bluetooth) Promoções SMS, Publicidade e propagandas do tipo
“lembrete‟.
Realidades Mistas (realidade aumentada, virtualidade Tecnologia aplicada, passível de mensuração click a
aumentada, realidade virtual) click em tempo real que utiliza Advergames - jogos,
em particular os eletrônicos, como ferramentas para
divulgar e promover marcas, produtos, organizações
e/ou pontos de vista.
6/17
7. WEB ANALYTICS
3. ASPECTOS TEÓRICOS / CONCEITUAIS – 1 / 2 / 3 / 4 / 5
Métricas
Métricas são análises para conhecer, controlar e aperfeiçoar as ações on-line. As
métricas são medidas de desempenho que devem estar alinhadas à estratégia da
organização.
Já as métricas em mídias sociais mensuram as ações
dos consumidores quanto à interação (fans Page),
quantidade de seguidores da marca e/ou produto,
quantidade e qualidade de comentários gerados e
engajamento. (Ribeiro, 2009).
7/17
8. WEB ANALYTICS
3. ASPECTOS TEÓRICOS / CONCEITUAIS – 1 / 2 / 3 / 4 / 5
Web Analytics – a . b
É o processo de medição, coleta, análise e a produção de relatórios de dados de
navegação e interação com o objetivo de entender e otimizar o uso dos sites e páginas
na Internet.
Para Peterson (2005), Ribeiro (2009) e Stern
(2002), Web Analytics trata da análise do
comportamento dos visitantes e do tráfego de
um website, blog ou fanpage. O resultado das
análises apontam tendências de navegação.
8/17
9. WEB ANALYTICS
3. ASPECTOS TEÓRICOS / CONCEITUAIS – 1 / 2 / 3 / 4 / 5
Web Analytics – a . b
Métodos de coleta de dados
Análise de Log: Quando um Servidor web opera as requisições de
páginas e conteúdos de um ou mais sites, ele gera
automaticamente um registro do que foi solicitado, bem como sua
resposta. O conjunto destes logs fornece uma base de dados com
as solicitações feitas pelos visitantes de um site.
Análise de Tag: Para coletar dados neste método, é necessário implementar um
código, chamado Tag, em cada página monitorada. Esta Tag irá capturar várias
informações do visitante e do navegador e irá agregar e enviar estas informações para
um servidor de análise.
9/17
10. WEB ANALYTICS
4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6
Modelo dos Cinco Estágios de Competição Analítica
1º Estágio deficiente • A organização não tem ações profícuas na área analítica.
2º Estágio de ilhas de • A organização tem a prática de trabalhar as informações, mas de
ilusão forma desconectada.
• Quando a organização decide criar um processo de trabalho
3º Estágio de intenção. diferenciado, a empresa ingressa nessa terceira etapa do sistema
analítico.
• As companhias estão quase prontas para competir analiticamente.
4º Estágio de pré-
Já contam com pessoal, arquitetura, softwares, mas ainda não
competição analítica consideram esse fator o foco principal das suas estratégias.
• A partir do momento que a organização passa a enxergar a
5º Estágio de
inteligência analítica ela ingressa no estágio cinco e se torna um
competição analítica competidor analítico.
Fonte: Davenport e Harris (2007).
10/17
11. WEB ANALYTICS
4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6
Modelo de Maturidade em Web Analytics – a . b
Modelo que desenvolve critérios objetivos para determinar a sofisticação das ações
mercadológicas online. São 5 níveis de verificação do grau de maturidade de utilização de
métricas das empresas.
• Nível 1 – Report de métricas básicas
• Nível 2 – Análise do comportamento de visitantes e clientes
• Nível 3 – Entendimento e melhoria dos canais de MKT
• Nível 4 – Entendimento e melhoria de processos p/decisão
• Nível 5 – Técnicas preditivas p/análises estratégicas
11/17
12. WEB ANALYTICS
4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6
Modelo de Maturidade em Web Analytics – a . b Nível 5
Nível 4
Métricas Web
Nível 3
Métricas Web • Análise de
Nível 2
Métricas Web vendas de
Nível 1 • Análise de Multi- multicanal
Métricas Web canais
• Portfólio de • Integração
Métricas Web produtos • Análise de com sistemas
• Análise de custos
caminho • Segmentação legados
• PV, UV, Visitas • Mecanismos de • Valor do • Planejamento
• Conteúdo • Análise de Funil consumidor
• Teste A/B busca estratégico
Principal • Otimização de • Personalização • Análise
• Demográfico • Análise de KPI s • Análise de
• Dashboard campanhas preditivaa
• Tecnologia • Personas conteúdo
• Referência • Alertas de KPI Análise estratégica
• Capacidade Análise de processos para definir decisões
• Segurança
Otimização de canais
Foco em métricas e processos, direcionado a negócios
Visão de TI, sem informações para a tomada de decisões
12/17
13. WEB ANALYTICS
4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6
Modelo Web Analytics Scorecard – a . b . c
Segundo Giuntini e Morier (2008) “Web analytics Scorecard” é
um modelo capaz de mensurar quão eficiente tem sido a
organização no tratamento dos diversos aspectos importantes
para que se possa retirar o máximo de informações para
alavancar resultados de negócio de canais digitais.
O modelo abrange quatro critérios:
Negócio, Interação, Competência e Tecnologia (NICT) que são
avaliados em questionários de múltipla escolha, utilizando a
escala likert de cinco pontos.
13/17
14. WEB ANALYTICS
4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6
Modelo Web Analytics Scorecard – a . b . c
14/17
15. WEB ANALYTICS
4. DESCOBERTAS / CONTRIBUIÇÕES – 1 / 2 / 3 / 4 / 5 / 6
Modelo Web Analytics Scorecard – a . b . c
15/17
16. WEB ANALYTICS
5. ANÁLISE CRÍTICA
• Estamos falando de um texto denso, com forte carga teórica, que inicialmente oferece ao leitor uma
aproximação com os indicadores do varejo eletrônico brasileiro e com as diferenças entre plataformas
tecnológicas e estratégias digitais de marketing. A apresentação dos indicadores não trouxe
novidades, assim como o tema “Plataformas x Estratégias” ..
• As definições de métricas e web analytics nos pareceu um tanto próximas, confusas. A busca por
outros conceitos se fez necessária.
• Os modelos de Web Analytics foram, sim, a grande novidade. Os modelos “Maturidade” e “Scorecard”
são muito interessantes. Eles colaboram com metodologias similares para o desenvolvimento de um
mapa estratégico situacional para a especialização de empresas no uso do web analytics. Devido
ao caráter extremamente conceitual dos modelos, percebemos que uma aplicação prática seja
bastante limitada às nossas realidades profissionais em no mínimo médio prazo. Ficamos com a
proposta conceitual e no exercício que querer chegar ao ponto de usá-los. Sentimos falta de um
conteúdo mais tangível e aplicável.
Valeu? Claro que valeu!
16/17
17. WEB ANALYTICS
6. IMPORTÂNCIA PARA O GESTOR DE MARKETING DIGITAL
As ações de marketing digital têm consequências diretas para os resultados empresariais, portanto
precisam ser mensuradas de maneira estratégica. Diante desse cenário, adquirir habilidades para
mensurar e compreender as complexas interações entre as ações do visitante e o que o site oferece
é tarefa obrigatória aos gestores de marketing digital. Por meio da mensuração e do monitoramento
contínuo das ações de marketing digital é possível:
Conhecer o comportamento do consumidor, não somente nas variáveis
como frequência e valor de compra, mas também nos quesitos engajamento
e interação com o produto e/ou marca.
Aperfeiçoar as estratégias digitais a públicos segmentados, o aumento da
lealdade dos clientes e o aumento das vendas, a partir dos dados coletados
sobre o perfil de consumo.
Compreender as mídias, cada vez mais multifacetadas e interativas, e
conhecer as tecnologias disponíveis para obter melhor visibilidade de forma
recorrente.
17/17