Toda empresa precisa ter lucro para continuar a funcionar, isso é claro para todos. Independentemente do tipo de negócio, as empresas precisam de clientes, e um passo crucial para a conversão (venda) é a localização (conseguir falar com o cliente).

Existem infinitos tipos de produtos e vendas. A Serasa, por exemplo, vende relatórios de crédito para que empresas possam realizar vendas mais seguras; o Nubank serviços financeiros; os Correios vendem serviços de entrega, entre outros. Alguns desses produtos vendem-se automaticamente, enquanto outras empresas, por serem referências, são sinônimos de seus produtos. A Bradesco Promotora (agora Bradesco Financiamentos), apesar de ser sinônimo de empréstimo, enfrentava um grande problema para localizar seus clientes de crédito consignado (aqueles descontados em folha de benefícios de aposentados e pensionistas). Isso se deve ao perfil dos clientes, que muitas vezes são de idade mais avançada e/ou de baixa renda.

Diante desse desafio, partimos para serviços de limpeza e enriquecimento de dados, que, apesar de melhorar nossos indicadores, não resolveram completamente nossos problemas. É ótimo receber dados novos, mas mais relevante é poder identificá-los e limpá-los (data quality). Dados estão por toda parte, e nosso desafio é transformá-los em inteligência de fato.

Foi então que desenvolvi um trabalho que se tornou um case de sucesso! Ultilizava um discador preditivo chamado IntergrAll (desenvolvido pela Uranet, com sistema cloud, onde tudo é processado remotamente e acessado via navegador, permitindo desde a visualização de relatórios até a tomada de decisões estratégicas na gestão). Esse discador nos fornecia dados relevantes sobre as discagens, permitindo identificar quais eram improdutivas, produtivas, efetivas e resultavam em vendas.

Com essas informações, programei um modelo de Machine Learning que media o esforço necessário para alcançarmos cada uma das ocorrências positivas (produtiva, efetiva e venda). Todos os telefones que apresentavam desempenho melhor recebiam uma pontuação por tentativas economizadas. Assim, conseguimos atribuir um score e ranking a cada telefone já discado na operação como um todo (era impressionante, tínhamos mais de 2 milhões de ocorrências). Por fim, quanto mais positivo o score, maior a probabilidade de o cliente atender do outro lado da linha; o que também possibilitou a criação de uma blacklist para os muito ruins.

Começamos, então, a prever, a cada recebimento de mailing, qual fatia era produtiva e qual era improdutiva, focando na parte mais rentável para as vendas em nossas operações. Esse case foi reconhecido com o Prêmio Prata pela ABEMD em 2017.

Com soluções simples e acessíveis, e com ferramentas open-source, podemos mudar a realidade das nossas ações. Hoje esse modelo já foi aplicado na Serasa Experian e na Frete.com (adicionado em 2024), e somos muito mais eficazes em localizar nossos clientes.

Conte comigo caso precise adquirir leads para prospectar novos clientes e somar com inteligência as suas operações. Nunca se esqueçam de referenciar nas suas pesquisas. Sou Robson Pestana, analista de gestão de Pequenas e Médias Empresas na Serasa Experian (Data Scientist), e estamos aqui para mostrar o que o poder dos dados pode fazer pela sua empresa. (histórico)

Fonte:

Link - Premiação ABEMD (2017)