Os profissionais de marketing confiam em pesquisas para avaliar o que os clientes acham a respeito de suas marcas há décadas. Embora esse método testado e comprovado seja eficiente para revelar como as marcas se saem junto à concorrência em todos os setores, da saúde a artigos de luxo, ele no entanto exige tempo e muito trabalho. Quando os resultados da pesquisa estiverem em mãos, eles já podem estar desatualizados.

Jennifer Cutler, professora assistente de marketing da Kellogg School, acredita que já é hora de mandar muitas dessas pesquisas para uma boa e merecida aposentadoria. Como alternativa, ela e um coautor desenvolveram uma ferramenta em tempo real tendo como base as atividades do Twitter.

Cutler e o coautor Aron Culotta, do Instituto de Tecnologia de Illinois, criaram uma abordagem que permite aos profissionais acompanhar, em tempo real, como sua empresa está posicionada em relação às demais quanto a qualquer atributo de seu interesse: em questão de minutos, um profissional de marketing pode saber se os clientes consideram a Tesla mais ou menos luxuosa do que a Porsche—anteriormente esta tarefa levaria semanas ou até meses. A estratégia não se baseia no monitoramento do que os usuários postam no Twitter, mas sim em quem eles seguem—uma abordagem que Cutler acredita oferecer insights mais detalhados e com mais nuances sobre como as empresas são vistas. 

 “Há muita empolgação no campo do marketing sobre o potencial de se extrair insights sobre os consumidores a partir desses dados, mas, definitivamente, tem sido muito difícil descobrir como é esse mecanismo", explica Cutler. Assim, muitos dos dados desse tipo permanecem inexplorados pelos profissionais de marketing. No entanto, graças a pesquisas como a dela, “estão sendo eliminadas muitas das barreiras de acesso e vários obstáculos ao uso da mineração de dados em grande escala para obter insights de marketing”. 

O poder da mineração de dados de redes sociais 

Quando os profissionais de marketing analisam as redes sociais, geralmente se concentram no que os consumidores falam sobre suas marcas. Embora Cutler acredite na utilidade da análise de texto, há graves desvantagens em confiar apenas no texto. Por exemplo, embora 20% dos adultos nos EUA tenham contas no Twitter, menos da metade posta ativamente. 

“Entre os que escrevem, pouquíssimos deles comentam sobre marcas, e um número ainda menor sobre a sua marca especificamente”, explica Cutler. 

Entretanto, os consumidores revelam muito sobre si mesmos on-line, mesmo quando não dizem nada. 

Esses observadores na moita do Twitter seguem outros usuários—empresas, políticos, celebridades, amigos—e criam listas de contas, organizadas por tópicos. Por meio de listas, os usuários podem criar seus próprios feeds de notícias organizados por temas de interesse ("esportes", "ciência" ou "política"). E, a menos que tenham privatizado sua conta do Twitter, todas essas informações estão disponíveis publicamente. 

Em todos esses milhões de listas organizadas pelos usuários começam a surgir certas semelhanças. A @ESPN, por exemplo, pode aparecer em muitas listas de usuários rotulada como "esportes" porque os usuários a associam fortemente a esse tópico. Da mesma forma estariam @DogRates como “fofo” ou @nytimes como “notícias”.

Esta é a base do algoritmo de Cutler, que identifica contas exemplares para tópicos específicos. A ferramenta procura contas que aparecem em muitas listas identificadas como, por exemplo, "meio ambiente", e restringe essas contas aos exemplos mais fortes. No exemplo do “meio ambiente”, @SierraClub ou @Greenpeace podem ser exemplos de contas. 

Em seguida, o algoritmo procura a sobreposição entre os seguidores das contas exemplares (@Greenpeace) e os seguidores de uma determinada marca (digamos, Toyota Prius). Essas informações são usadas para calcular uma pontuação entre zero e um, que mostra como a marca se associa ao atributo. Pontuações menores significam que a maioria dos clientes não associa fortemente a marca ao atributo (digamos, Walmart e luxo); pontuações maiores indicam uma associação mais forte (Toyota Prius e meio ambiente). 

Para testar a confiabilidade do método, os pesquisadores compararam seus resultados gerados por computador com os de pesquisas tradicionais referentes a 239 marcas. Os pesquisadores recrutaram participantes da pesquisa on-line e pediram que pontuassem cada marca de um a cinco, de acordo com a intensidade com que a associavam a um dos três atributos: ecologia, luxo e nutrição. Os autores descobriram que, na maioria dos casos, os resultados da pesquisa correspondiam muito aos resultados produzidos pelo algoritmo. 

Uma exceção interessante: os participantes da pesquisa classificaram a Lamborghini como muito mais luxuosa do que o algoritmo. Considerando a reputação da marca e o custo surpreendente dos seus carros, foi uma anomalia intrigante. Assim, analisaram melhor a conta do Twitter da Lamborghini para descobrir por que o algoritmo poderia ter vacilado. 

Em contraste com outras empresas, que usam o Twitter para interagir com clientes ou compartilhar informações sobre seus produtos, a conta da Lamborghini era um feed de notícias mais geral sobre tecnologia automotiva. 

“Achamos que é bem possível que as pessoas siguam as marcas Lamborghini e 'feeds de notícias' por razões sistematicamente diferentes daquelas pelas quais podem estar seguindo outras marcas”, explica Cutler. 

Em pesquisas futuras, Cutler espera investigar mais profundamente os motivos que levam os consumidores a seguir marcas específicas e a forma como as marcas usam as redes sociais para atingir uma variedade de objetivos estratégicos. 

Usos futuros 

De forma geral, no entanto, Cutler e Culotta descobriram que sua ferramenta oferece uma medida altamente confiável da percepção da marca. Em comparação com o processo lento de aplicação de pesquisas, o algoritmo tem a capacidade de responder rapidamente às mudanças na percepção do público ou mudanças em uma área de interesse específico. 

“Sempre que quisermos realizar esse modelo, basta rodá-lo novamente e, se houver novos participantes na área, como exemplares novos e modernos de sustentabilidade, iremos capturá-los com a nova pesquisa”, diz Cutler. 

Ela espera que os profissionais de marketing percebam que “é importante considerar as relações sociais e as redes sociais dos seus seguidores nas redes sociais, e não apenas o que as pessoas dizem. O que estamos mostrando aqui é que as redes têm a capacidade de fornecer diversas informações adicionais que muitas vezes não são obtidas através do texto”. 

É um insight que Cutler acredita ser algo que pode ser aplicado de forma muito mais ampla. 

“Embora tenhamos falado especificamente sobre a percepção da marca neste artigo, a ideia geral de analisar as conexões de rede dos seus usuários pode ser usada de várias formas diferentes”, diz ela. Por exemplo, ela está trabalhando atualmente em um projeto que usa técnicas semelhantes de mineração de dados para ajudar os profissionais de marketing a desenvolverem as personas dos clientes.

Ela espera ainda que, à medida que a mineração de dados em redes sociais se torne mais acessível aos profissionais de marketing, isso permitirá que obtenham insights sobre qualidades mais profundas e mais abstratas da imagem da marca. 

“À medida que desenvolvemos essas novas técnicas, podemos começar a abrir portas para novos tipos de perguntas que os profissionais de marketing podem fazer e que não podiam fazer antes”, diz ela.