Scup – Por Gabriel Ishida
1. Introdução
2. Estrutura do projeto
3. Briefing
4. Coleta
5. Classificação
6. Alinhamento de expectativas
7. Análise
8. Produção de relatório
9. Conclusão
Semana retrasada, quando eu procurava material do Scup sobre métricas, achei os dois e-books já publicados aqui no blog e um curso “exclusivo” para assinantes da ferramenta. Cheguei a pensar em pedir humildemente à empresa, via Twitter, que disponibilizasse o conteúdo para mim por e-mail, uma vez que seria totalmente para fins didáticos (mesmo assim, na cara de pau). Mas, antes, resolvi procurar mais um pouco (“vai que alguém colocou esse conteúdo em algum blog pessoal, como eu faria aqui?”) e, para minha surpresa, encontrei o material completo diretamente do blog do Scup. Não sei se eles liberaram a página depois de um tempo (o post original é de novembro de 2013), ou se realmente foi uma falha de segurança (bem grave, porque até na busca do blog dá pra encontrar a página com o material). Se for de fato esta última opção, deixo aqui o apelo: Scup, libera de vez! Aprendizado deve ser compartilhado.
O material original é do curso online – vídeos gravados pelo profissional de BI, Gabriel Ishida, com o apoio de slides que auxiliam na apresentação dos módulos – e tem como objetivo “oferecer uma visão geral de monitoramento e métricas de mídias sociais sob uma perspectiva ao mesmo tempo prática e estratégica”. No entanto, há também um e-book recomendado como “leitura complementar”, que, na verdade, é o resumo do que é passado nos vídeos – ou seja, as anotações que você faria assistindo aos vídeos já estão organizadas no PDF. Por isso resolvi falar sobre os dois conteúdos juntos, as vídeo-aulas de 3h de carga horária e o e-book de 29 páginas, uma vez que eles são essencialmente o mesmo material, apenas dispostos de maneiras diferentes (mas complementares). Minha sugestão: assista primeiro aos vídeos para só depois ler o livro.
Módulo 1 – conceitos e funções, estruturação do projeto e tipos de mídia
Infelizmente o Scup não liberou a incorporação dos vídeos em sites externos, o que significa que, para assistir aos vídeos, você precisará clicar aqui e dar play no vídeo referente ao módulo 1. Nesta primeira parte, explica-se o conceito do monitoramento nas mídias sociais, tendo em mente a função de “transformar os dados de mídias sociais em conhecimento, insights e recomendações para atuação, melhoria e estratégias de marketing das marcas” e exemplificando alguns tipos de posts que estão aptos à coleta (perguntas no Yahoo Respostas, reclamações no Reclame Aqui, fotos públicas no Instagram e Flickr, vídeos e comentários no YouTube e Vimeo, posts públicos no Facebook [não mais, depois da mudança na API] e Twitter, etc.). Também são pontuados algumas funcionalidades dos dados coletados para as marcas: atendimento, gestão de crises, relacionamento (identificação de influenciadores e detratores), diagnóstico da marca, monitoramento da concorrência, repercussão de campanhas on e offline, insights para a produção de conteúdo, desenvolvimento de novos produtos, netnografia e pesquisa de mercado, social TV (monitoramento real-time para fazer parte da “conversa”), identificação de tendências, recursos humanos (identificação de potenciais candidatos a vagas), dentre muitas outras.
O segundo ponto a ser abordado neste módulo é a estruturação do projeto, que acontece exatamente nessa ordem:
- Briefing: compreensão do negócio do cliente, definição dos objetivos, métricas e indicadores de desempenho, redes e palavras-chave que serão monitoradas, além da definição da estrutura de assuntos que será adotada e o universo de dados que será analisado;
- Coleta: configuração das ferramentas (área de atuação), tipos de post, foco das palavra-chave – todas alinhadas à estruturação da árvore de assuntos e ao universo de dados já previamente definidos;
- Classificação: processamento, categorização e segmentação dos dados de acordo com a estrutura de categorias definida e por sentimento (positivo, neutro, negativo);
- Análise: investigação dos dados e geração de descobertas e insights (busca de recomendações e conhecimento), aplica-se metodologias de estudos, coleta-se fontes externas, olha-se dados de concorrentes, etc.
É importantíssimo ratificar a necessidade das análises do monitoramento através de um nível macro, ou seja, compreendendo que há níveis externos que influenciam diretamente nos dados das métricas online. O desempenho da mídia paga (posts patrocinados ou impulsionados, banners em blogs ou sites, etc) têm um impacto direto na mídia proprietária (sites ou blogs institucionais, canais de redes sociais, etc); assim como o conteúdo divulgado na mídia proprietária pode interferir, por exemplo, na mídia espontânea (menções próprias de usuários), como é o caso de posts que viralizam; e a mídia espontânea repercute na mídia paga, quando comenta-se sobre anúncios e derivados. Esse é um quadro importante que consta no módulo em vídeo mas não é apresentado no PDF.
Módulo 2 – objetivos, metas e KPIs
“O começo de todo projeto de monitoramento e métricas é mercado pela definição dos objetivos e indicadores de desempenho. Além disso, deve-se pensar também em metas (brutas ou percentuais) e serem alcançadas, principalmente em monitoramentos que acompanham ações ou campanhas. […] Com os objetivos traçados, pode-se pensar nos indicadores de desempenho e nas metas a serem alcanças, quando adequadas. Os indicadores devem ser pensados para mensurarem o andamento dos resultados de acordo com os objetivos e metas traçados.”
O módulo 2 fala majoritariamente da etapa de briefing, principalmente no que se refere ao campo de objetivos, metas e KPIs. O primeiro é referente ao tipo de estratégia utilizada no processo de monitoramento, já o segundo, quase sempre relacionado a números ou porcentagens, busca um resultado palpável do objetivo. As metas também estão diretamente ligadas aos KPIs (indicadores de desempenho), uma vez que estes devem apontar se o objetivo foi alcançado através do plano traçado. No vídeo, também é explicado um pouco sobre as métricas utilizadas para definir indicadores, como alcance no Facebook/Twitter, visualizações no YouTube, volume de posts (total, positivos, negativos ou de determinado público, assunto ou mídia social), dentre outros. Para ajudar a ilustrar melhor, alguns exemplos disponíveis no e-book:
Módulo 3 – cuidados, configuração (redes e palavras-chave), lógica das buscas
A partir deste módulo, o conteúdo do e-book fica cada vez “menor” e o do vídeo cada vez “maior” – ou seja, não basta ler o livro, tem que assistir aos vídeos. O primeiro conteúdo a ser explicado é o método como as ferramentas de monitoramento funcionam: palavras-chave (varredura nas mídias sociais via API, atenção para este artigo de 2015 que explica como isso mudou) -> processamento (coleta e organização dos posts) -> análise (dashboards e visualização dos dados). Em sumo, o módulo apresenta boas práticas de monitoramento, dando dicas imprescindíveis para fazer um bom trabalho, desde a configuração das palavras-chave até a lógica de funcionamento das buscas. Os dois cuidados iniciais mencionados, de tamanha importância, são: procure se livrar da sujeira dos dados (dados inúteis podem prejudicar consideravelmente a análise) e crie níveis de usuários para o acesso da ferramenta (evite o login único).
Início da configuração
1 – Defina as redes relevantes para o mapeamento do projeto;
2 – Liste várias palavras-chave para a busca do monitoramento, considerando variáveis e erros de grafia;
3 – Como pode ver, a coleta é feita pela combinação de palavras-chave (os dados coletados são de posts públicos e dependem muito da inserção da ferramenta)
Como funcionam as lógicas de busca
Busca: “coca cola” AND bebi – coleta posts que contenham “coca cola” e bebi
Busca: “coca cola” OR coca-cola – coleta posts que tenham “coca cola” (sem hífen) ou coca-cola (com hífen)
Busca: (“coca cola” OR coca-cola) AND (bebi OR tomei) – coleta posts que contenham a combinação entre “coca cola” ou coca-cola e bebi ou tomei
Outra dica essencial é a separação das buscas, evitando fazer como exemplificado acima, pois favorece o controle de coleta (por exemplo, às vezes um termo vem com muita sujeira, enquanto outro, não – é possível trabalhar separadamente as buscas). O mesmo é aconselhado para o monitoramento de dados de concorrentes, pois, principalmente neste caso, um post positivo para uma marca pode ser negativo para outra – isso significa que, na hora de classificar, o dado será duplicado para abarcar duas categorias de uma mesma busca (o que não aconteceria se esta estivesse separada). Por fim, é ratificado a importância de fazer uma lista completa de palavras-chave, para que não haja o descarte de dados importantes (mesmo que termos diferentes tragam menos números para a coleta, não significa que eles não são relevantes para uma análise completa).
Módulo 4 – classificação e categorização de dados
Para pensar a estrutura da classificação, é possível seguir alguns passos:
– Coletar uma amostra de posts e verificar quais assuntos são mais discutidos;
– Pensar quais assuntos são relevantes dentro dos objetivos traçados;
– Pensar categorias que sejam facilmente identificáveis.
Este módulo traz mais uma etapa de tremenda importância, a classificação (chegando aqui arrisco dizer que todas as etapas, sem hierarquização, são igualmente importantes e merecem atenção redobrada). Da mesma forma que um bom trabalho de classificação é essencial para segmentar melhor os dados no momento de visualização e análise, o mau trabalho (erros de classificação ou lacunas no processo) desta etapa pode indicar análises erradas e equivocadas. Para categorizar bem os dados, a lista acima (citação do e-book) guiam algumas ações primárias para pensar a classificação – lembrando que é possível (e recomendado) a criação de subcategorias, principalmente para pensar o sentimento próprio do dado analisado. Também é necessário que essas categorias sejam claras para a alocação dos dados, uma vez que o analista deve “bater o olho” e saber a qual categoria cada dado pertence.
Algumas categorias devem ser definidas como obrigatórias para todos os posts coletados, pensando sempre os objetivos traçados no briefing, enquanto outras tags são opcionais, a fim de classificar assuntos mais específicos. Outra dica importante é pensar sentimentos próprios dentro de categorias, o que ajuda principalmente na análise dos dados – além de que, a depende dos objetivos do monitoramento, um dado que pode parecer negativo pode ser positivo para aquela determinada situação. Dois exemplos que são dados:
“Eu tenho plano com a operadora X e é a mais barata, mas o sinal é muito ruim”
Sentimento geral: misto
Público: cliente
Assunto: Serviço – sinal – negativo
Assunto: Preço – positivo
“O sinal continua horrível, mas a propaganda nova da operadora X é muito criativa.”
Objetivo: verificar a receptividade a uma campanha
Sentimento geral: positivo
Outros pontos também são importantes nesta etapa: 1) sempre acompanhe a classificação, lendo posts verificando se é necessário mudar a estrutura (é normal pensar novas tags durante o processo); 2) seja criterioso com a definição de sentimento e de detratores/admiradores da marca (não faça firulas para tornar um post negativo, positivo). É possível fazer a automação de classificação relacionado a assuntos, baseado nas palavras-chave; no entanto, a classificação do conteúdo por sentimento exige um “olhar humano”, principalmente devido à ironia (algo que a ferramenta não detecta).
Módulo 5 – alinhamento de expectativa, amostragem e dashboard/exportação
Três Pilares Principais
Objetivos: quais perguntas devem ser respondidas? o que se pretende descobrir ou acompanhar?
Coleta: quais redes serão monitoradas? quais termos serão rastreados?
Classificação: como os dados serão processados? qual o universo de estudo?
Para obter um projeto bem elaborado, é preciso que todas as partes (dentro da agência e na relação com o cliente) estejam no mesmo passo – e é basicamente disso que se trata este módulo. Para início de conversa, são indicados três pilares “principais” para definir bem entre equipe e cliente o que vai ser feito durante todo o processo (a partir daí, dado o ok de todos os participantes, pode se iniciar o trabalho). Também são apontadas algumas dicas necessárias para ter num bom briefing desde o começo: quais são os objetivos da marca (o que a empresa deseja extrair dos dados?); quais atitudes serão tomadas a partir do resultado (após a extração dos dados, de que modo a marca pretende agir? com a alteração de um produto, de uma campanha?); quais são os KPIs (alinhados entre todos e de fácil compreensão); e o planejamento de mídia das campanhas (isso ajuda a informar o porquê de determinados picos, por exemplo, naquela lógica de que a mídia paga influencia diretamente a mídia própria). O alinhamento entre as partes (agência e cliente) deve ficar claro em três pontos essenciais: quais redes serão monitoradas e quais palavras-chave serão usadas nas buscas; qual é a amostragem e universo de dados que será analisado; e como está estruturada a árvore de categorias do projeto.
– Amostragem aberta – sem quantidade definida previamente, apenas se definindo percentual ou algum tipo de seleção
- Vantagens: pode acompanhar em maior velocidade (diariamente, já que a coleta está sendo feita em tempo real pela ferramenta) e serve também para relatórios com períodos menores como semanais e mensais
- Desvantagens: menor controle do volume (dificuldade para negociar contratos), menor flexibilidade para ajustes na coleta (só é possível mexer na coleta após a finalização completa da execução)
– Amostragem fechada – com quantidade definida previamente, ou seja, fechado o volume de posts para análise
- Vantagens: total controle do volume dos dados analisados e maior flexibilidade para ajustes na coleta
- Desvantagens: deve ser aplicado após fechar o universo de dados e não é flexível para mudanças no volume do universo de posts (a análise fica restrita à representatividade que essa quantidade possui nesse universo)
No contexto da amostragem, é importante buscar o maior número bruto dos dados possíveis porque, quanto mais dados disponíveis, melhor para a análise – ou seja, se possível, tente coletar todos os posts e depois aplicar a amostragem. Outra dica importante se trata da amostragem fechada: é necessário um cuidado na hora de estabelecer esse valor para que, no fim de coleta, ele não esteja muito distante da representatividade total do universo de dados. Durante o período de coleta, é aconselhável acompanhar de perto a classificação dos dados (uma vez por semana, pelo menos) para verificar principalmente o volume (checar se a ferramenta está fazendo a coleta de todos os dados necessários), sentimento (checar se os posts estão sendo devidamente classificados) e assunto (conferir se os posts estão sendo corretamenta categorizados).
Por fim, são discutidas as diferenças para a análise de dados via dashboard (nas próprias ferramentas nativas ou terceirizadas) ou via dados exportados (utilizando uma ferramenta como o Excel). Cada uma tem seus méritos, com propósitos diferentes que podem atender a necessidades complementares. No manuseio dos dados, deve-se sempre pensar, no caso das dashboards, a configuração diferenciada para cada tipo de usuário – por exemplo, o diretor da empresa não precisa enxergar os mesmos dados que um analista (neste caso, o último ainda terá disponibilidade para fazer alterações, enquanto o primeiro só age com a visualização). O curso também aconselha que os dados, independentemente de trabalhar ou não com dashboard, sempre sejam exportados – isso garante que, caso haja algum imprevisto (a Internet caiu ou o servidor foi corrompido), eles estarão bem salvos.
Módulo 6 – boas práticas para análise, gráficos e wordcloud
Não basta coletar os dados, tem que saber para onde olhar e quais direções seguir. Depois de realizar todas as etapas anteriores (briefing, configuração de coleta, classificação, categorização, etc), chega o momento de realizar a análise – ação principal que irá fomentar os insights e recomendações estratégias a serem traçadas. O primeiro passo, conforme sugerido, é observar os KPIs através de uma análise qualitativa e investigativa, conferindo se houve mudanças e buscando entender quais foram os motivos para os resultados. Da mesma forma, é importante conferir se esses resultados responderam às perguntas dos objetivos traçados no início do projeto mas também perceber se é necessário buscar respostas para outras perguntas além dos KPIs. Outra atenção que se deve ter é, caso seja feito um trabalho com amostragem fechada, ter sempre em mente o volume real dos dados para que não haja muito descompasso entre essas duas partes.
“Geralmente se organizam os dados em gráficos, sendo primeiramente em trendings de período e em forma diária. Por exemplo, no gráfico abaixo, é preciso começar olhando os picos (em laranja) para ver os motivos que ocasionaram esses resultados. Entretanto, pode-se também analisar o inverso: os vales (em azul-claro), em que, na maioria dos casos, podem ser problemas na coleta de ferramenta ou nas APIs das mídias sociais. Além disso, pode-se analisar os cenários anormais (em amarelo), em que há uma quebra de “tendência” no volume. Eles podem fornecer importantes insights para entender todo o cenário do período.”
Uma dica matemática importante que também é colocado na hora de fazer a análise dos gráficos é utilizar a mediana ao invés da média. Isso porque a média é influenciada consideravelmente pelos picos do período, ou seja, seu valor não dá uma representação fiel do desempenho geral dos dados; a mediana, ao ajustar os números de forma crescente ou decrescente, divide os valores maiores dos valores menores, obtendo um resultado mais verdadeiro dos dados.
Nesse mesmo processo, é aconselhado, para um bom começo da análise qualitativa, a leitura de Wordclouds, que identifica os termos com maior presença no buzz para investir os assuntos de maior destaque durante o período da coleta. No entanto, alguns cuidados devem ser levados em consideração: como os termos mais frequentes ganham maior destaque, é importante ter em mente que há diferente formas de abordá-lo – sem contar que, nesse mesmo contexto, algumas palavras relevantes para a análise podem ficar escondidas por não terem sido tão disseminadas quanto às outras; esses termos são impulsionados por RTs ou compartilhamentos, ou seja, não necessariamente são os mais importantes; assim com todo o resto do processo, é importante comparar wordclouds de diferentes épocas para perceber se houve a aparição de um novo termo, se algum decaiu ou outro cresceu e por quê (essa dica de histórico vale para todas as partes, KPIs, classificação por sentimento e assunto, etc).
“Se não for esclarescida a representatividade desse assunto no buzz total, qualquer um, ao olhar rapidamente o gráfico, vai entender que o assunto está extremamente negativo e que se deve tomar alguma providência. Nesse caso, o que prejudica a visualização é não deixar claro a representatividade e quantos posts estão sendo analisados.”
Para uma boa análise é também interessante elaborar gráficos de porcentagem (share, participação) para poder observar se determinado assunto ou sentimento ganhou relevância quantitativa durante o tempo ou perdeu participação. No entanto, é preciso ter cuidado com sua apresentação – por exemplo: num gráfico sobre um assunto específico, foram coletados 20 posts classificados como negativos (12), positivos (3) e neutros (5); em primeira instância, pode se considerar que o assunto foi abordado de forma extremamente negativa, porém, ao olhar o universo total dos dados, observa-se que esse só representa 0,5% da amostragem (por isso é importante criar uma visualização favorável à fácil percepção da representatividade dos gráficos referente ao total).
Ainda analisando por assunto, ao ler todos todos os posts (da Wordcloud, por exemplo), é possível perceber algum assunto relevante para o cliente que não necessariamente estão em destaque, pois não foram tanto disseminados quanto os outros. Determinados temas são mais importante qualitativamente para a análise do que certos temas mais populares, mas que não são tão proveitosos – o exemplo dado no curso é um E-Commerce que percebe as menções sobre fatores judiciais, algo provavelmente não tão frequente mas de tremenda importância para chegar ao conhecimento da empresa. Também é recomendado que sejam observadas as relações e correlações entre assuntos. Por exemplo, uma campanha veinculada em diferentes veículos expõe mais a marca para que detratores “coloquem o dedo na ferida”, trazendo à tona os principais defeitos envolvendo a marca.
Módulo 7 – análise para insights, as diferentes métricas e web analytics
O penúltimo módulo traz um passo-a-passo com dicas e cuidados importantes que se deve ter para traçar uma boa análise do projeto de monitoramento – é nessa etapa que são feitas as recomendações através da contextualização e compreensão dos dados. Explicando a imagem abaixo (que pode parecer confusa, mas é bem destrinchada no vídeo), funciona da seguinte forma: ao observar os dados, você percebe que houve uma mudança no comportamento de alguma métrica; a partir daí, você faz um trabalho investigativo para procurar compreender o que causou essa mudança de métrica e porquê; após descobrir o motivo e a razão, você pensa em recomendações estratégicas que se pode tirar a partir daquela oportunidade de ação. Essas mudanças podem ser observadas nos KPIs, nas métricas básicas (alcance, volume de menções, interações etc), noz buzz (para verificar a mudança de trending de assuntos) e alterações na composição por rede social.
– Blogs costumam ser fontes de descrições e análises pessoais dos usuários. Sendo assim, quando há um aumento expressivo nessa rede, é porque algum assunto despertou mais curiosidade e possui uma maior complexividade para ser discutido;
– Mudanças no Instagram apontam que algum aspecto visual da marca chamou a atenção do público ou que a exposição dela foi atraente em algum momento;
– Mudanças no YouTube podem significar que alguma propaganda ou qualquer aspecto da marca foi apropriada pelo público (Ex: propaganda da Coca na Copa de 2010, com a música “Wavin’ Flag”)
Nesse módulo também são apresentadas (finalmente, de forma específica) algumas métricas comuns utilizadas na análise de dados. As métricas de alcance (impressões) são utilizadas para compreender o universo de pessoas atingido pela marca – seja na mídia espontânea ou na mídia proprietária. As métricas de interação e manifestação são respostas de estímulo à marca (curtir, comentar, compartilhar, mencionar no Facebook; mencionar e responder no Twitter; etc) e contam também o volume de menções no buzz. No entanto, essas métricas, sozinhas, não têm muito a revelar; é onde entram as métricas balizadoras, que vão formular maneiras de entender melhor o cenário e o contexto das métricas. Por exemplo, a fração entre interações e alcance pode ajudar a compreender se o alcance atingido gerou interações (proporcionalmente suficientes) do público. Outro tipo de métricas funcionadas são as voltadas para performance (tempo de resposta em atendimento, conversões / alcance, por exemplo), que servem para mostrar evoluções em conversões e resultados – o que possibilita avaliar o desempenho baseado no investimento feito.
Métricas balizadoras
– Taxa de engajamento em posts no Facebook: volume de likes, shares e comentários / impressões ou alcance ou volume de fãs. Serve para entender se os posts estão atraindo usuários para se engajarem.
– Novos fãs ou seguidores / alcance: serve para entender as ações estão trazendo fãs em volume proporcional ao alcance gerado;
– Volume de posts positiviso ou negativos / volume total: serve para entender se o sentimento tem mais destaque dentro do buzz.
Para gerar insights, são dadas algumas instruções válidas: sempre verificar o que ocasionou levar aos resultados obtidos (por exemplo, mesmo que haja uma certa estabilidade na comparação dos períodos, pode-se pensar em recomendações para alterar esse cenário e gerar novas metas); ao ter conhecimento dos motivos, procurar ao máximo compreender como eles podem ser utilizados ao favor da marca/cliente; sempre analisar os resultados dos concorrentes, para ter noção do que funciona ou não na ação deles e buscar melhorar, com uma nova abordagem, algo que não funcionou para eles.
A dica final é parametrizar a URL que direciona para o site da marca com uma ferramenta como a do Google Analytics. Isso permite mapear se as ações das mídias sociais estão conseguindo produzir usuários qualificados através dos conteúdos postados – “qual é o comportamento do cliente que veio de um site de rede social no meu site, houve conversão?”. Outro fator importante é analisar separadamente os casos de mídia paga dentro das redes sociais e mídia proprietária (orgânica), já que o comportamento originário dos dois são, em grande, diferentes – cliente orgânico já tinha interesse pelo assunto e foi levado ao site por vontade própria, enquanto que o cliente que clicou num post patrocinado pode ter clicado simplesmente por engano. Além disso, sempre lembrar de balizar as campanhas com outras anteriores, percebendo contextos parecidos para épocas diferentes, o que permite julgar se os resultados melhoraram ou pioraram. Um assunto interessante – que também é recomendada a leitura – é o marketing de atribuição, que permite compreender se os esforços nas mídias sociais estão sendo proveitosos de forma indireta.
Módulo 8 – tipos, fluxo e boas práticas de relatórios
Depois de configurar, coletar, categorizar e analisar os dados, é hora de apresentar esses resultados num relatório bem feito para que todo o projeto não seja prejudicado na parte final – “apresentação é tudo”. Na preparação, é necessário ter em mãos: os dados consolidados (para poder explorar e manusear conforme necessário), os KPIs mapeados e analisados, os principais motivos listados e a análise qualitativa realizada. Com isso, inicia-se o processo apresentando a metodologia utilizada (qual foi a mostragem aplicada, palavras-chave pesquisadas, redes coletadas e categorias utilizadas), que deve ter sido alinhada com o cliente ainda na configuração; no caso de campanha, também é necessário apresentar claramente as várias fases de inserção de mídia, uma vez que a mídia paga influencia consideravelmente no desempenho da mídia espontânea, o que merece um olhar diferenciada na hora da análise.
Tipos de Relatórios
- RECORRENTES
– Diários: devem conter alguns KPIs prioritários e, no máximo, o destaque do dia (informações rápidas, resumidas, para tomada de decisões rápidas, geralmente utilizado para analisar a percepção do público sobre determinada campanha);
– Semanais e quinzenais: devem conter os KPIs, evoluções nas métricas, destaques do período e algumas recomendações para a tomada de decisão imediata, se for necessário;
– Mensais: além dos KPIs e evoluções, devem conter análises mais estratégicas e qualitativas de assuntos, já oferecendo alguns insumos para tomada de decisão e futuras estratégias;
– Semestrais e anuais: além de todo acompanhamento de KPIs e evoluções mensais, é preciso focar em destaques relevantes para futuras ações e apreendizados, deixando o relatório mais qualitativo e estratégico (análise mês a mês, mais detalhada);
- PONTUAIS
– Deve conter o período analisado e toda metodologia aplicada (deixando claro as categorias, a dinâmica da campanha, etc);
– Deve conter paineis quantitativos e com destaques para números que busquem responder às perguntas dos relatórios (mais do que fazer uma análise geral);
– Deve conter análises qualitativas detalhadas (já que esse relatório geralmente é mais para finalidade de pesquisas e diagnósticos de campanha/marca, o foco é qualitativo – relevância de um assunto, post, etc).
Fluxo de relatório – um modelo, mas, conforme suas necessidades, pode ser alterado
Visão geral e highlights: devem vir os principais resultados do período, mas destacando mais os motivos e, principalmente, oferecer recomendações e insights. Geralmente, os gestores acabam olhando para essa parte e KPIs, no máximo. Então, esse painel é o momento para se destacar o que realmente importa e já direcionar estrategicamente;
KPIs: além de mostrar o status de cada, também é interessante apresentar evoluções, ou seja, o quanto evoluiu em relação ao período anterior e apontar motivos para os resultados. Além disso, verificar se atingiu ou não as metas traçadas;
Análises quantitativas: destacam-se os trendings diários, os gráficos de participação, dados de sentimento, por assunto, etc, ou seja, dando mais enfoque nos números para entender as dimensões de análise. Quando necessário, indique os motivos para os resultados mais expressivos, como picos de buzz;
Análises por assunto ou qualitativas: deve-se explorar os dados atrás de motivos, fatos relevantes e dar menos foco ao quantitativo, ou seja, ir além do que os números podem apresentar.
(compreender motivos e contextos, segmentar por assunto para analisar sentimentos e balizar com outros períodos, buscar ter um highlight por assunto ou sentimento)
Por fim, algumas boas práticas são recomendadas: ter sempre em mente quais pessoas terão acesso ao relatório para que você possa alinhar bem o tipo de linguagem e o conteúdo específico que será apresentado baseado nos perfis profissionais que vão ler; prestar atenção à paleta de cores ao sinalizar sentimentos, redes e assuntos, compreendendo as associações atribuídas (vermelho é negativo, por exemplo); os relatórios que não vão ser apresentados devem ter mais textos explicativos para deixar as análises claras e coerentes.
CONCLUSÃO
“Cada fase da estruturação de um projeto de monitoramento e métricas influencia nos resultados da seguinte. Sendo assim, um mal alinhamento ou briefing confuso vai gerar uma configuração de coleta errada e, consequentemente, análises equivocadas sobre um cenário. Ou seja, é necessário que as fases iniciais estejam bastante alinhadas e claras para todas as partes envolvidas e que exista um cuidado para que o projeto esteja ocorrendo conforme o esperado. Tendo essa estrutura inicial bem definida, cabe ao analista entender, cruzar, analisar e contextualizar as informações coletadas para que gerem conhecimento e insighs para os negócios da marca.”
10 truques infalíveis para conquistar fãs e seguidores sem gastar nada
6 conselhos para tornar a sua agência indispensável na era das redes sociais
Estudando Social Media 