ProXXIma
21 de junho de 2017 - 9h31

Por Fernando Tassinari (*)

O uso de anúncios no formato do Google Shopping por varejistas é uma das principais tendências da atualidade no marketing digital. Conhecidas como Product Listing Ads (ou PLAs, na sigla em inglês), essas peças expandem os mecanismos de pesquisa para melhorar a descoberta e a conversão de clientes.

Um estudo da Criteo, apresentado no início do ano, já indicava esse cenário e apontava que, à medida que o formato Paid Search se tornasse mais competitivo, os anunciantes iriam buscar uma sofisticação na aplicação desse formato.

É o que está acontecendo. A questão, no entanto, merece ser analisada mais de perto. O Google Shopping é um canal de oportunidades para os varejistas, que podem efetivamente obter um bom ROI em ações desse tipo. O desafio é que se perde muito tempo no gerenciamento manual e reativo dos anúncios. É aqui que entra em cena a Inteligência Artificial e seus desdobramentos, como o machine learning, que vão abrir novos horizontes aos PLAs.

As máquinas inteligentes podem “trabalhar” para os profissionais de marketing, facilitando o gerenciamento de campanhas e aumentando a eficiência. Isso deve gerar um impulso ainda maior na adoção de campanhas de mídia programática, de maneira geral, e de modalidades como o Google Shopping, em particular.

Inteligente e preditivo

Para dar uma dimensão do que estamos falando, um estudo recente da comScore indica que um dos maiores desafios enfrentados atualmente por empresas, agências e publishers na compra de mídia programática é a pouca familiaridade com o funcionamento dessa modalidade.

Portanto, quanto mais o processo for facilitado, melhor. Para dar um passo além, na verdade o adequado seria dizer: quando mais inteligente e preditivo, melhor.

Esse novo cenário já está se tornando uma realidade. Isso porque, no último ano a Inteligência Artificial entrou definitivamente no radar dos profissionais de marketing, que começaram a observar com maior atenção as possibilidades de intersecção entre conceitos como computação cognitiva, aprendizado de máquinas e o mundo do marketing. Empresas de tecnologia como a IBM têm investido maciçamente em experimentos nessa área, inclusive com interação entre máquina e consumidores.

Machine learning

No caso específico dos formatos para Google Shopping, a novidade é o uso de machine learning para facilitar a conexão entre varejistas e consumidores. A Criteo, por exemplo, lançou uma ferramenta – o Predictive Search – baseada nessa tecnologia, eliminando o processo manual e automatizando o gerenciamento de anúncios pagos no canal por meio de um sistema capaz de prever o comportamento dos consumidores.

O machine learning para PLAs pode otimizar e estruturar configurações da campanha, listas de retargeting e compra de inventário (bidding). Com o aprendizado de máquinas, é possível cumprir metas de maneira consistente, com campanhas que se adaptam automaticamente e com precisão. Isso pode ser potencializado se o recurso estiver combinado com tecnologias sofisticadas, como behavioral targeting, para engajar consumidores de forma programática, com base nas propensões de compra de cada um deles.

O avanço da Inteligência Artificial no marketing se dá num momento em que cada vez mais as marcas vão exigir medidas precisas e imparciais de ROI para mensurar os investimentos em publicidade digital.

Como parte do mesmo processo, os orçamentos de venda e marketing das empresas devem convergir conforme os consumidores se tornem mais identificáveis em plataformas e mídias. Olhando por outro ângulo, podemos dizer que a competição por verbas aumentará à medida que as estimativas se aproximem dos objetivos de marca e desempenho.

Nesse contexto, sairá na frente quem captar insights a partir das máquinas inteligentes e, principalmente, souber usá-las de forma estruturada para economizar tempo, otimizar processos e ser mais certeiro nas campanhas.

(*) Fernando Tassinari é Diretor-geral da Criteo no Brasil