Pela primeira vez na história, testemunhamos a sociedade, os governos e as empresas debaterem com profundidade o que deve ser considerado ético em relação à privacidade de dados na internet. Mudanças significativas na nossa vida online já estão em curso. Um exemplo: na última semana, quantas vezes você abriu um site e viu uma janela perguntando se aceita todos os cookies?

Provavelmente algumas. Esse novo pedido de consenso, que vem saltando no canto da tela dos nossos navegadores, evidencia o fim de uma era. Surgiu porque os cookies de terceiros, ferramenta que prometia milagres para os anunciantes on-line, tornaram-se um verdadeiro dilema em relação à privacidade dos dados. As violações que esses arquivos promoveram foram tantas que o seu escrutínio era incontornável. Um dos mais cobrados, o Google, está desativando progressivamente o rastreamento de cookies de terceiros no Chrome.

As mudanças não tem uma linha de chegada definida, mas o consumidor certamente está muito menos vulnerável do que antes. Para navegar pelo mar dessa discussão sem se desequilibrar com as ondas, precisamos olhar um pouco mais para o histórico da medição de resultados na publicidade.

Medir retornos de marketing é uma arte interdisciplinar

O digital é, na verdade, só mais um capítulo na epopéia pelo Santo Graal do marketing: ROI assertivo. Uma campanha é eficiente quando gera resultado para o anunciante, simples assim. E por incrível que pareça, medir esse retorno ainda não é um problema resolvido. Sabemos que publicidade traz resultados, mas ainda não deciframos, em todas as suas nuances, como isso acontece de fato. A era digital prometeu essa clareza, mas trouxe, além das já faladas violações de privacidade, outros problemas como a avalanche de dados que somos incapazes de administrar e a supervalorização de metodologias de mensuração que nem sempre correlacionam investimento em mídia e vendas, como a atribuição por last-click.

Quem diria que em 2023 o marketing permaneceria mais “arte” do que “ciência”? O futuro aponta para um retorno a técnicas anteriores da era digital, como o Marketing Mix Modeling – baseado em modelagem estatística e econometria -, uma velha nova vantagem competitiva para qual um bom punhado de empresas já despertou interesse, com foco em cientificidade e ética. O recente projeto Robyn, do Meta, e o projeto Lightweight MMM, do Google, comprovam que as Big Techs, que em certa medida originaram o problema, agora procuram capitanear também a solução.

Like por like é coisa do passado

A verdade é que a infinidade de métricas disponíveis, como cliques, visitas e likes, são medidas apenas porque podemos medí-las (e números podem se disfarçar de eficiência com facilidade). O desafio, e bota desafio nisso, é vincular essas métricas a indicadores fundamentais de negócios, como receita ou retorno.

Não é difícil prever onde isso vai nos levar: nos próximos três anos, as empresas enfrentarão uma miopia generalizada devido ao excesso de informação e à má administração dos dados de marketing. A consequência será a busca por melhores soluções de engenharia de dados obtidos com precisão e qualidade. Será uma virada de chave rumo à uma metodologia mais às claras, ordenada, ética, científica e humanizada, com uma atenção exclusiva na geração de valor real para os negócios.

Inteligência artificial é aliada com ressalvas

A inteligência artificial senta nessa mesa, mas é menos protagonista do que a temperatura alta que o assunto sugere. Em termos criativos, por exemplo, ela ainda está longe de substituir a mão humana, com produtos finais robóticos e beirando o genérico, mas ela pode nos ajudar e muito com a automação de tarefas que requerem baixo discernimento contextual e pouca intuição. Isso inclui a otimização de processos suscetíveis a falhas humanas e a execução de atividades de rotina. Em suma, confundir o poder da IA com a capacidade de replicar a nossa essência criativa e humanística ainda é um erro.

Na ciência de dados é a mesma coisa. A IA também é valiosa para otimizar operações, mas não deve ser ela ferramenta para tomada de decisões. Modelos que inferem causalidade, como testes A/B, análises de incrementalidade e regressões, continuam sendo as ferramentas essenciais para decifrar e guiar as estratégias de marketing.

O futuro com a IA é incerto, enquanto o passado é um professor excelente com o qual poucos alunos querem estudar. Digo isso porque, em alguns aspectos, parece que estamos voltando a uma era pré-internet ou talvez entrando em uma fase pós-dados, mas sem dúvida, estamos numa direção positiva.

Daniel Guinezi é CEO e Cofundador da Uncover, martech pioneira especializada em ciência de dados para o setor de publicidade.