Notícias

Notícia

Como usar a estatística para tomar melhores decisões

A ideia aqui é lançar um olhar atento a necessidade de que os profissionais de marketing e publicidade digital passem a enxergar a estatística com a devida relevância que ela tem

Uma pergunta que sempre me vem à mente é porquê o mercado publicitário ignora tanto as disciplinas de estatística, inteligência de dados e algoritmos. São disciplinas muito importantes e que têm impacto direto na ascensão de um negócio. Muitos profissionais dessa área chegam até mesmo a torcer o nariz e afirmam que esse assunto cabe ao pessoal de exatas.

A resposta para essa questão é não! Não é um assunto pertinente apenas ao universo dos matemáticos. A estatística possui algumas ferramentas que podem ser incrivelmente úteis na prática e que, muitas vezes, se mostram mais eficientes do que contar apenas com a intuição.

Uma delas é chamada de Teste de Hipóteses, que serve basicamente para testar se uma ou mais amostras possuem certas características, levando em conta que estas seguem, ou não, os mesmos padrões de comportamento. Como isso se aplica na publicidade digital? Simples: pode-se fazer uso dessa ferramenta em testes que tenham como base a suposição de que Cliques e Conversões têm a chamada “Distribuição de Bernoulli”.

No Adwords, por exemplo, podemos supor que os Cliques se encaixam nesse modelo, pois toda vez que um anúncio aparece numa busca do Google, assume-se que um clique no anúncio é um “sucesso”, o que é registrado como 1. O mesmo acontece da forma aposta, ou seja, nenhum clique é tido como “fracasso”, ou 0.

Normalmente, desejamos comparar as CTRs (Taxa de Cliques) ou as Taxas de Conversão de dois anúncios de um mesmo Grupo de Anúncios. Isso é importante, pois o fato de um anúncio ter CTR maior que outro, por exemplo, pode indicar um melhor alinhamento deste anúncio com o público-alvo. Mas como dizer com certa “segurança” que a CTR de um anúncio é realmente maior que a de outro?

Um resultado importante da estatística é o Teorema Central do Limite. Para o caso acima, a CTR é, de certa forma, a probabilidade de um anúncio ser clicado dado que ele foi impresso. Este Teorema diz que, se o número de impressões e cliques for grande o bastante, a CTR tem distribuição aproximadamente “Normal”. Assim, utilizando um Teste de Proporções, é possível testar se duas CTRs diferem de forma estatisticamente significante. Outra possibilidade, também, é a de utilizar testes Não-Paramétricos, isto é, testes que não dependem da premissa de que os dados sigam alguma distribuição de probabilidade conhecida.

A ideia aqui é lançar um olhar atento a necessidade de que os profissionais de marketing e publicidade digital passem a enxergar a estatística com a devida relevância que ela tem e o quanto pode impactar positivamente a tomada de decisões, visando diminuir a incerteza.

Colocando em termos práticos, testes como estes podem indicar aquilo que você, provavelmente, concluiria intuitivamente. Porém, testes A/B podem ser úteis em momentos em que não há muita certeza sobre uma decisão ou que rumo seguir. Além disso, e para não nos estendermos demasiado, eles são importantes para “momentos formais”, onde é preciso reiterar conclusões ou rebater críticas de clientes que possam, eventualmente, questionar a confiabilidade dos resultados apresentados. Afinal, é como dizem, os números não mentem.