Curso de Marketing Analytics para Clientes

Aula 1 • Visão Geral do Panorama de Dados do Cliente

Mapeia as categorias de dados de clientes disponíveis para profissionais de marketing e suas fontes. Conecta os tipos de dados a decisões específicas de marketing.

Aula 2 • Principais Métricas e KPIs

Apresenta os indicadores de desempenho de marketing mais críticos e como eles são calculados. Fundamenta os alunos nos números que eles analisarão ao longo do curso.

Aula 3 • O que Marketing Analytics Significa

Define análise de marketing, seu escopo e como ela difere da inteligência de negócios geral. Estabelece o vocabulário utilizado ao longo do curso.

Aula 1 • Privacidade, Consentimento e Governança de Dados

Aborda os requisitos éticos e regulatórios para coletar e usar dados de clientes. Garante que os alunos construam pipelines de análise em conformidade desde o início.

Aula 2 • Qualidade de Dados e Validação

Aborda técnicas para avaliar e melhorar a precisão, a completude e a consistência dos dados de clientes. A baixa qualidade dos dados é a principal causa de resultados analíticos enganosos.

Aula 3 • Identidade do Cliente e Unificação de Dados

Explica como vincular registros de clientes entre canais em um único perfil. Permite uma análise precisa entre canais, abordada em capítulos posteriores.

Aula 1 • Princípios da Segmentação de Clientes

Estabelece por que a segmentação melhora a eficácia do marketing e o que torna um segmento acionável. Fornece os critérios avaliativos usados para julgar todos os resultados da segmentação.

Aula 2 • Segmentação Baseada em Regras e RFM

Ensina a segmentação manual e a segmentação por recência-frequência-monetário como pontos de partida práticos. Esses métodos não exigem modelagem avançada e entregam valor imediato para o negócio.

Aula 3 • Validando e Ativando Segmentos

Aborda métodos para testar a estabilidade de segmentos e traduzir segmentos em segmentação de campanha de marketing. Fecha o ciclo entre a saída analítica e a execução de marketing.

Aula 4 • Segmentação Comportamental e Psicográfica

Estende a segmentação além da demografia para atitudes, motivações e padrões de uso. Produz segmentos mais ricos que impulsionam estratégias de marketing mais personalizadas.

Aula 1 • Fundamentos de Modelagem de Atribuição

Explica como o crédito por conversões é atribuído entre os pontos de contato e por que a escolha do modelo é importante. Estabelece a base para a atribuição avançada abordada no Capítulo 6.

Aula 2 • Mapeamento da Jornada do Cliente

Introduz o mapeamento da jornada como uma ferramenta analítica baseada em dados comportamentais. Conecta mapas da jornada qualitativos a métricas quantitativas de funil de marketing.

Aula 3 • Análise de Caminhos e Mineração de Sequências

Explora técnicas para descobrir os caminhos de cliente mais comuns e mais valiosos. Revela rotas não óbvias para conversão que os funis de marketing padrão deixam passar.

Aula 1 • Métodos Históricos de Cálculo de CLV

Explica passo a passo as fórmulas históricas de CLV em nível agregado e individual usando dados de transações. Baseia-se nas habilidades de gerenciamento de dados do Capítulo 2.

Aula 2 • Conceitos de CLV e Impacto nos Negócios

Define o CLV e explica por que ele é a métrica central para o marketing centrado no cliente. Conecta o CLV ao custo de aquisição, aos gastos com retenção e às decisões de lucratividade.

Aula 3 • Aplicando o CLV às Decisões de Marketing

Traduz resultados de CLV em estratégias acionáveis de aquisição, retenção e reconquista. Demonstra como o CLV altera a alocação de recursos entre os segmentos de clientes.

Aula 1 • Testes A/B e Multivariados

Ensina a mecânica de realizar testes A/B e multivariados em e-mails, anúncios e páginas de destino. Conecta o design dos testes aos KPIs estabelecidos no Capítulo 1.

Aula 2 • Significância Estatística e Confiança

Explica valores-p, intervalos de confiança e tamanhos de efeito em linguagem simples de marketing. Capacita os alunos a evitar falsos positivos e conclusões prematuras de testes.

Aula 3 • Teste de Incrementalidade e Grupo de Controle

Apresenta grupos de holdout e experimentos baseados em geolocalização para medir o incremento real. Aborda as limitações da medição baseada no último clique e em correlações.

Aula 4 • Relatórios de Campanha e Iteração

Aborda como documentar resultados de teste, compartilhar descobertas e incorporar aprendizados em campanhas futuras. Cria uma cultura de melhoria contínua baseada em dados.

Aula 1 • Otimização de Orçamento com Dados de Atribuição

Aplica a atribuição e os resultados do MMM para realocar orçamentos de mídia visando o máximo retorno. Conecta descobertas analíticas a decisões estratégicas de investimento.

Aula 2 • Limitações da Atribuição Baseada em Regras

Revisita os modelos de atribuição do Capítulo 4 e expõe seus vieses estruturais. Motiva a necessidade de alternativas orientadas por dados e econométricas.

Aula 3 • Fundamentos de Modelagem de Mix de Mídia

Apresenta a modelagem econométrica de mix de mídia como uma abordagem de medição em nível de canal. Explica como o MMM complementa os modelos de atribuição em nível de usuário.

Aula 1 • Implantação e Monitoramento de Modelos

Aborda a operacionalização de modelos preditivos em sistemas de marketing e o gerenciamento contínuo de seu desempenho. Garante que os modelos permaneçam precisos à medida que o comportamento do cliente evolui.

Aula 2 • Modelos de Propensão e de Upsell

Abrange modelos que preveem a probabilidade de compra, a prontidão para venda adicional e a afinidade com o produto. Permite uma segmentação de precisão que melhora o ROI da campanha de marketing.

Aula 3 • Frameworks de Próxima-Melhor-Ação

Apresenta estruturas de decisão que combinam múltiplas saídas de modelos para selecionar a interação ideal com o cliente. Representa o ápice estratégico do conjunto de habilidades analíticas desenvolvidas neste curso.

Aula 4 • Fundamentos de Modelagem Preditiva

Estabelece o framework de aprendizado supervisionado e o ciclo de vida de desenvolvimento de modelos. Baseia-se nos conceitos de CLV e segmentação dos Capítulos 3 e 5.