[MÚSICA] Olá pessoal, sejam bem-vindos a esse módulo aonde a gente vai ver porquê Product Analytics é importante, quais são os objetivos da gente usar Product Analytics e como a gente pode fazer análises usando o Python. Product Analytics é importante, porque é uma maneira da gente obter insights, ou seja, coisas que a gente poderia entender de forma intuitiva a partir dos dados sobre o perfil do consumo de clientes e sobre o desempenho dos produtos. Importante é que Product Analytics, ele é meio e não fim. Como todos os projetos de Analytics, ou seja, projetos que lidam com análise de dados de uma forma geral ou com Machine Learning, particular, inteligência artificial, enfim, qualquer tipo de análise de dados que a gente faz, o objetivo final é transformar site no que a gente chama de Actionable Intelligence, ou seja, uma informação que pode determinar uma ação. Com base nos dados, a gente pode otimizar o desempenho de produtos e gerar novas ideias de marketing, e até mesmo novos produtos. Mas, como eu falei, é preciso ação, ou seja, com base nos dados, a gente tem que agir para transformar. Não adianta a gente ter uma ótima e linda análise de Product Analytics se depois a gente não gerar uma ação relacionada, como, por exemplo, bundle ou mudar a linguagem de comunicação de produto. No final, o que a gente está buscando é vender mais e a gente tem mais receita e mais lucro e isso vem da ação, não vem dos gráficos. Isso é muito importante. Tecnologia é a jornada, não é o destino. Todo o processo de Product Analytics começa com geração de informação. Então, a gente tem que rastrear evento como, por exemplo, tráfico websites, visualização de páginas, histórico de navegação dos visitantes, clientes potencial e clientes de fato. É com base nessas informações que a gente constrói relatórios e visualizações para identificar padrões. Por exemplo, nesse módulo, a gente vai usar histórico de compras no varejo para fazer uma série de análises. Quando a gente fala de Product Analytics, geral, a gente tá correndo atrás de alguns objetivos. Primeira coisa pode ser, primeiro exemplo, primeiro esses objetivos, pode ser a retenção de clientes. É o que é que eles viram, o que é que eles compraram, quais os itens eles mais compraram, quais são clientes recorrentes. Por exemplo, a gente olha os dados de histórico de compras e a gente vê que lâmina de barbear é produto recorrente, ou seja, a gente tem os clientes que compram de forma recorrente, eles sempre precisam comprar, tá certo? Lâmina de barbear é uma coisa que você compra, usa e ela estraga e você precisa comprar novas. Ou seja, a gente pode pegar e, automaticamente, com base nessa análise, oferecer esse produto para clientes que já compraram no passado. Estabelece uma periodicidade e vai, periodicamente, oferecendo esse produto, ou seja, antes do cliente lembrar que ele tem que comprar, a gente pode se adiantar, ser proativo e oferecer para ele. Obviamente, quando a gente faz isso e é uma coisa que a gente sabe que o cliente precisa, a gente se adianta e o cliente fica com a gente. Segundo objetivo pode ser identificar produtos que são populares, ou seja, da onde vem a receita. Os produtos populares são os mais vendidos. Qual é que seria uma ação que a gente poderia determinar? A gente pode usar esses produtos que são populares, ou seja, que são muito requisitados e que vendem muito para realizar vendas cruzadas, por exemplo, criar bundles como ofertas. Se esse é produto que vende muito e todo mundo quer, a gente pode pegar e colocar do lado desse produto outro e criar bundles com ofertas, preços promocionais. Terceiro objetivo é a gente segmentar clientes e produtos com base no perfil do cliente e nos dados dos produtos. A gente pode segmentar por lucratividade, por volume de vendas, por volume de novos pedidos, por diversas formas. Esse terceiro objetivo é importante, porque ele pode trazer insight sobre quais segmentos merecem mais atenção esforços de marketing, ou seja, aonde a gente deve colocar os nossos recursos. Recursos, obviamente, esforço de pessoas e de investimentos financeiros. A gente também pode avaliar o ROI, Return on Investment, que é o retorno sobre o investimento. Quanto gastamos relação ao rendimento da análise de Product Analytics e as ações decorrentes dessas análises. Analisando o montante gasto na promoção de certos itens e a receita gerada, a gente pode entender o que funciona e o que não funciona e, dessa forma, evitar colocar caminhão de dinheiro no lugar errado. NA próxima aula, a gente vai ver como o Product Analytics funciona na prática usando Python. Até lá. [MÚSICA]
