Latest / Product Guru's : Produto | Negócios | Carreira / Plano de Mensuração e Metas Realistas - Lucian Fialho

Transcript

Plano de Mensuração e Metas Realistas - Lucian Fialho · Product Guru's : Produto | Negócios | Carreira

0:07
Oi, tudo bem com você? Meu nome é Paulo, choro.
0:09
E sejam bem-vindos ao projetivo. O podcast, que é a voz por trás
0:12
dos produtos e comigo. Eu tenho uma lenda dos dados
0:17
analíticos, conversão, métricas e tudo que habita nesse
0:23
universo. Lucian Fialho tudo bem?
0:26
Tudo certo, cara? Prazer exato falar aí com vocês
0:29
rolando pela primeira vez. Se cruzouver aí dos podcasts
0:31
analytics Talks groucho bem maneiro.
0:34
Tô bem empolgado. Ele é uma lenda.
0:36
Ele é um gigante da da área de analytics e está aqui entre nós.
0:41
Ô Luciano, antes da gente se aprofundar muito sobre o tema do
0:45
episódio de hoje, que é plano de menstruação, você pode nos
0:48
explicar o conceito de plano de mensuração e como que ele se
0:52
aplica. Especificamente ao contexto de
0:55
gerenciamento de produtos. Ou com certeza é bem assim pra
0:59
mim. Oo plano de mensuração é um
1:01
documento acima de tudo, né? Então, a ideia é que a gente
1:04
deixe estruturado tudo aquilo que é objetivo de negócio,
1:09
dentro dessa estrutura e jornada do usuário durante a navegação
1:12
dele. Seja, é qualquer um o cliente,
1:15
né, seja aplicativo, seja navegador.
1:18
A ideia é a gente ter tudo isso medido pra que a gente consiga
1:21
ter lá no final. Do do da jornada, né?
1:25
Desse plano de mensuração que todo mundo tem acesso às
1:28
informações que estão sendo coletadas do comportamento do
1:30
usuário, acaba que, na maioria das vezes, a gente tem muitos
1:33
problemas por não ter um plano de mensuração das pessoas irem
1:38
criando puxadinhos dos eventos que são coletados do
1:41
comportamento do usuário. E aí é um conjunto aqui,
1:44
conjunto, ali. E aí, pô, com a migração que a
1:46
gente teve de mercado, né? De ferramentas, de pô da versão
1:50
do universo para dentro e do Google lets 4.
1:52
A gente teve que se organizar porque o Google cada vez mais
1:55
vem trazendo soluções. Fêmea um né?
1:57
Ou seja, o Google também é um produto.
2:00
Precisa ganhar dinheiro e agora a gente precisa se planejar,
2:04
então passo atrás antes da gente explementar qualquer evento e
2:08
pensar em em medir o comportamento do usuário e
2:10
montar esse plano de mensuração. Qual o nível de desespero?
2:15
É quando o Google falou que, a partir do dia tal, só GA 4.
2:22
Cara. Cara, assim é porque ele, na
2:24
verdade, vamos. Vamos ser sincero, aqui o Google
2:26
falou em 2020 que IA mudar a versão.
2:31
E aí deu-se um tempo, né? E aí, ano passado, no dia
2:35
primeiro de julho, ou seja, todo mundo teve tempo com calma para
2:39
poder fazer a migração. É óbvio que eu entendo que é é,
2:42
os produtos no geral não giram em torno da ferramenta do Google
2:45
Analytica. A gente tem uma série de pessoas
2:47
que nem utilizam o Google analítico, mas nesse cenário a
2:50
gente teve um certo tempinho ali, a galera que né, brasileiro
2:53
gosta de deixar muito pro último dia e não foi diferente com o
2:57
dia 4, a gente ainda tem hoje pessoas que entram em contato
3:01
com a gente pra poder fazer a migração pro g 4, e assim os
3:05
caras nem têm. O universal mais.
3:07
Ou seja, isso também mostra muito sobre o nível de
3:09
maturidade do mercado, né? Ou seja, não tem, é, é todo
3:13
mundo que fica pagando. Pode falar palavrão, cagando
3:15
regra? Aí de.
3:16
De data drive. E aí o cara me manda mensagem
3:19
tipo nem os 47, irmão. O juiz já foi embora do campo
3:23
tem muito tempo, tá ligado? Os cara estão varrendo o
3:25
estádio, essa coisa? E os caras me perguntando sobre
3:28
migração para OGA 4, então, assim, AA gente conseguiu migrar
3:31
os nossos clientes com 2 anos de antecedência.
3:33
E eu acho que é o ponto pro pro sunset, né?
3:36
Mais o ponto principal é é o nível de urgência que eu tenho
3:39
que deixar pra galera que tá ouvindo, né?
3:40
Porque se você não migrou ainda e utiliza o Google Analytics, Oo
3:45
cara tá todo mundo indo embora já do estádio, já a gente está,
3:48
se eu não me engano, há 140 dias do sunset final de exclusão das
3:52
propriedades do governo eles universal, então acho que a
3:55
gente aqui migrou bem a urgência da verdade, tem que estar com a
3:59
galera que está assistindo, então se não migrou, migrou, é
4:01
tem que migrar o mais rápido possível, porque quais são as
4:04
consequências disso? É a gente.
4:06
Não ter o histórico dos dados perante AA jornada desse desse
4:11
usuário durante esse longo dos tempos, né?
4:12
Então tem cenários de e-commerce.
4:14
Que não é muito ligado a produto, mas com o que que esse
4:16
cara vai comparar a Black Friday do ano passado, se ele não tem
4:19
acesso a essas informações, então tudo isso já são problemas
4:23
que estão acontecendo hoje e a gente não tem o que fazer, né?
4:25
Porque o dado não vai ser coletado retroativamente?
4:28
Então, você que está ouvindo e nos assistindo e não fez a sua
4:32
empresa, não fez a migração, ó. Corre o risco de se Fu legal
4:40
porquê, aparentemente faz 4 anos que o Google falou.
4:45
Aí sim, sim, sim, aí deu tempo ele deu tempo.
4:49
E o Luciano está falando que culpado é você que não fez.
4:52
Não é o Google. Não é de colocar a culpa no
4:54
Google. Tadinho.
4:56
Do Google? Não, não.
4:57
Eu nem protejo tanto o Google assim não tá?
5:00
É porque a ferramenta, por si só ela tá é como todo produto.
5:04
Ela Foi lançada como uma ferramenta em beta e tem seus
5:08
problemas, seus desafios de uma ferramenta beta, assim como
5:11
vocês gerenciam produtos que são lançados.
5:13
O Google também tá passando por vários desafios, né?
5:16
Então a gente, né, a gente fala a realidade, eles avisaram, só
5:20
que a gente teve tempo de se preparar.
5:21
Mas não é que a ferramenta tá 100% maravilhosa pra gente usar
5:25
também? Olha, sabe como é o Luciano, ele
5:29
reclama de você que tá ouvindo e nos assistindo, mas também.
5:33
Não deixa. É um morde assopra e morde
5:35
assopra. Já percebeu que esse episódio
5:39
vai ser uma aula de analytics, então, e dados e métricas?
5:43
Então antes a gente se aprofundar do no tema recados os
5:47
secretários ouvidos pelo Spotify e Apple podcast.
5:49
Clique no botão seguir e deixe suas 5 estrelas, por favor, isso
5:52
nos ajuda a alcançar mais e mais ouvintes.
5:56
Além disso, você que está assistindo a gente pelo YouTube,
5:58
clique no botão inscrever-se. Caso você não seja inscrito,
6:02
deixe o seu joinha, deixe qualquer comentário e
6:05
compartilhe com todo o mundo, por favor.
6:07
Está tentando crescer no YouTube também?
6:11
Tá tá ouvindo? Assistindo?
6:12
A gente falou assim, eu quero falar com Luciano, eu quero
6:16
saber sobre o plano de menstruação e eu quero, eu senti
6:19
a cutucada. Eu sou eu sou o linkediano que
6:24
cago rega sobre data drive e não tenho a migração ainda no G4,
6:30
mas o data drive. Mas eu não tenho OG 4 o.
6:34
Manda mensagem para ele no LinkedIn.
6:37
Como que você faz isso? O link está na descrição.
6:39
Se conecte com ele. Siga, manda mensagem, Luciana.
6:43
Como que eu faço dia 4? Luciana, como que eu faço?
6:46
O plano de mensuração você é o que é dados, o que é métricas.
6:50
Luciana, tem algum curso? Quero comprar seu curso, então
6:53
vai lá no LinkedIn. Se conecte, se conecte, siga
6:58
ele, manda mensagem. Outro recado aqui para terminar
7:02
nosso nosso bloco de recados é esse episódio é um oferecimento
7:05
da Tera. A maior e melhor escola de
7:07
carreiras digitais do Brasil e, quiçá, da América Latina é a
7:11
nossa patrocinadora está oferecendo esse episódio com
7:15
muito carinho para você aí. E tem cupom exclusivo da praia
7:20
de gurus? O link está na descrição e o
7:23
cupom priority underline gurus está apertado na descrição.
7:26
Vai lá e aproveite para fazer a evolução da sua carreira em
7:30
2024. Além disso, quem está com a
7:33
gente se a gente está falando de analíticos e dados?
7:36
Ela, a amplitude, a maior e a maior e melhor plataforma de
7:41
prodit analytics do mundo, está aqui com a gente como
7:44
patrocinadora do nosso podcast. Quer saber o que é Project
7:48
analytics? Tem um e-book exclusivo
7:51
traduzido em português na descrição.
7:53
Aquele episódio chamado priorit analytics for dubs, ótimo bom
7:58
dia e book é a gente faria também aqui no Brasil algo
8:03
parecido, só que a gente não IA falar fora deles, a gente IA
8:05
falar outro termo, mas enfim, o link está na descrição, vai lá,
8:10
o ebook é gratuito, baixa, vai lá aprender um pouco de Project
8:14
analytics. Fechou, fechou recados, dados,
8:18
vamos agora para o episódio como o senhor, porque vai ser aula.
8:22
Prepara aí o caderninho e a caneta.
8:25
A gente vai aprender muito sobre dados analíticos, menstruação, a
8:29
gente vai saber os segredos do universo genéticos.
8:33
Ó, Lúcia, antes da gente entrar mais no mensuração analíticas,
8:40
eu não vou perguntar para você hoje, qual que é a diferença
8:43
entre métodos e indicadores? Não vou.
8:47
Já cansou? A mesma pergunta é sempre ou
8:51
qual é a sua história em um tweet?
8:53
Pô, agora, ainda bem que aumentou para 280, né?
8:55
Sou cara, eu sou desenvolvedor desde que eu me entendo por
8:59
gente assim. Apaixonado por tecnologia,
9:01
comecei a trabalhar. Na verdade, comecei a me
9:04
envolver com tecnologia desde os meus 12 anos.
9:06
Acho que a história padrão e clichê da da da pessoa que
9:11
começou montando e fazendo manutenção de microcomputador
9:14
até o momento em que eu descobri a programação e nunca mais
9:18
larguei. Então, hoje é trabalho
9:20
justamente provisionando esse ambiente de coleta de dados para
9:24
que a gente consiga, no final, analisar todos eles.
9:27
Acho que deu um tuíte, né? Deu.
9:30
Uma tradinha vai deu. Uma Trad vai, segue o fio, segue
9:33
o fio. Segue o fio é ô, Luciano.
9:37
Interessante se o background de deve, né?
9:40
É aí qual qual é, Oo que fez você deixar essa carreira
9:47
milionária de deve ganhar em dólar.
9:53
Codando na beira da piscina no seu MacBook?
9:56
É para ser o maluco dos dados. Cara, acho que é insatisfação
10:02
mesmo, sabe? Eu trabalhei em muitos ambientes
10:04
onde a gente tem, tinha os famosos ricos, né?
10:08
Então, as pessoas que mais ganhavam, os donos da caneta,
10:11
que assinavam os cheques e enfiavam goela abaixo da gente,
10:15
é as demandas sem ter um certo nível de análise.
10:19
Eu que está sentindo, então acho que um dos pontos que me que me
10:24
fez migrar para a área de dados é justamente eu eu ter entendido
10:28
que dentro do ambiente de dados, muito dentro dessa estrutura de
10:31
provisionamento de dados, a gente precisa muito de
10:34
tecnologia, porque, no final das contas, o que sustenta todo
10:37
mundo aqui. Elogia na ponta porque se você
10:39
vende-se você transaciona, se você tem um curso e tá online,
10:43
tecnologia vai estar passando em algum dos momentos ali.
10:46
Acho que foi isso que me fez ir pra essa área de dados, porque
10:49
eu era um cara muito insatisfeito e principalmente
10:51
que sempre ficou muito atento. Eu lembro que uma das coisas que
10:54
mais me ligaram a parte de métricas, inicialmente foi a
10:59
performance de carregamento. Quanto tempo demora uma página a
11:02
carregar e como que eu faço essa página ser carregada mais
11:05
rápido? E dali eu fui começando a.
11:08
Brincar até o momento que eu cheguei.
11:10
Poxa, que maneiro. Então dá pra gente entender o
11:12
comportamento do usuário agora, pô, que maneiro.
11:15
Difícil. Foi só meu chefe tentando.
11:17
É negar meus aumentos de salário.
11:19
Quando eu descobria que aquele aquela funcionalidade que eu
11:22
subi trouxe tanto de receita, sacou?
11:24
Então foi foi bem maneiro, foi maneiro.
11:27
É a partir de agora, tudo deve que eu ver esse episódio vai
11:30
fazer isso e vai lá no ó, mas se a funcionalidade aqui, ó, vem no
11:35
GA 4. Exatamente.
11:38
Que teve um aumento de tantos 1010% desse valor é meu.
11:42
Valeu meu aumento. É isso, né?
11:43
Não sei o que você está pedindo para galera.
11:45
Fazer. Não só isso, mas é, mas eu acho
11:48
que é parte do processo é, as pessoas falam muito sobre comigo
11:52
assim. Poxa, Luciana, quando que você
11:53
acha que o time de dados ou a parte de coleta dessas
11:56
informações tem que entrar dentro do processo, né?
11:59
Quando que a análise de dados entra dentro do projeto?
12:02
E aí existe 2 respostas, né? A primeira é cara, eu pensei em
12:05
dados antes de gerar uma nova funcionalidade.
12:08
Essa é a primeira pergunta e ela pode ser muito radical, porque
12:11
no final das contas, eu tenho a minha empresa e é todo mundo, aí
12:14
pode ser um funcionário, um colaborador e seu chefe vai só
12:17
te dar uma porrada, top down. Como qualquer outro cenário de
12:21
mercado de trabalho. Mas tem um outro cenário, que é
12:23
você fazer o time de tecnologia participar, principalmente
12:27
porque são pessoas que têm esse esse que de de exatas, né?
12:32
Então o cara quer saber a fio quanto ele participou dentro
12:35
daquele processo, né? Eu acho que tem uma máxima muito
12:38
grande e aí, pô, eu, eu odeio ser o cara polemicão assim, mas
12:42
que tem uma máxima muito grande dentro do ambiente de tecnologia
12:45
da fábrica de pastel. Então, o que que diferencia um
12:48
desenvolvedor que quer deixar de entregar pastel e quer passar a
12:52
entregar resultado, porque não tem ninguém que pode entregar
12:55
tanto resultado pro negócio quanto?
12:57
Miss tecnologia, porque ele que está na mão do código ali
13:00
pensando e estruturando como que a gente, e assim tem vários
13:04
cenários dentro do processo que a gente tem aqui com a nossa
13:07
consultoria, que é exatamente isso, a gente traz o time de
13:10
tecnologia para fazer parte do processo e aí, cara, os caras
13:14
começam a sugerir eventos no dia um, ou seja, não vai nascer mais
13:18
nada sem estar traqueado. A gente sempre vai estar
13:20
pensando em como a gente pode medir o comportamento do usuário
13:23
para poder fazer com que ele passe de uma determinada etapa
13:26
ou que ele utilize melhor uma nova funcionalidade.
13:29
Então acho que tudo isso, esse conjunto.
13:31
De coisas é o que até me fez chegar no momento que eu que eu
13:34
estou agora, né? De de ser esse profissional de
13:37
dados, mas com um grande background de tecnologia,
13:39
entendeu? Entendi.
13:41
Então, você que deve estar nos ouvindo, já cola ali, entende?
13:45
Melhor os dados para quando você for fazer uma performance.
13:49
Review, nos seu gestor você fala não, mas ó, eu entreguei tantas
13:54
coisas. Essas coisas geraram tantos
13:56
milhões de reais é não vai me pagar, então eu vou virar de
14:02
dados, vou e é isso, o vamos entrar mais sobre o tema, plano
14:07
de mensuração, porque isso é importante.
14:10
O ano passado, ele o ano passado, ele foi o ano da da da
14:14
eficiência, está calma, todo o ano é o ano da eficiência, sim,
14:19
calma, agilista, calma, é porque já começa, não, mas então não
14:24
era uma da eficiência? Calma.
14:26
Todo ano é uma deficiência. Porém, todavia, entretanto, o
14:29
ano passado a Bandeira de todas as empresas era em busca da
14:33
eficiência operacional. Esse ano tudo indica que será o
14:38
ano de group de crescimento, pelo menos da mentalidade.
14:42
E isso eu falei no primeiro episódio.
14:46
E, aparentemente, OCFO da Amazon, viu?
14:49
Não sei, é? E ele, quando saiu a release de
14:53
resultados da Amazon, é do último quarto, ele deixou bem
14:57
claro isso também, que o ano da eficiência foi o ano passado.
15:03
Ele não concorda que esse ano seria o ano da eficiência, sim
15:06
do crescimento. Com isso, ô Luciano, como que
15:11
entra Oo plano de dimensão? Quais são as dicas para
15:18
estabelecer metas de mensuração realistas e alcançáveis em um
15:22
novo produto ou novo serviço? Porque a gente falar em
15:25
crescimento? Muitas das vezes a gente
15:27
estabelece metas impossíveis, que.
15:31
Tipo, criam mais frustração do que?
15:36
O que é motivação para buscálos? É, acho que o primeiro passo é
15:41
ter, essa é a minha expectativa, muito bem definido, assim com o
15:45
seu stakeholder, com o seu chefe e por aí vai.
15:48
Porque é assim, tem aquelas metas que a gente bate o olho e
15:51
fala, olha, é impossível da gente chegar.
15:54
Então, né, esse é o primeiro ponto.
15:57
Segundo ponto é beleza. A partir do momento em que a
15:59
gente conseguiu chegar num cenário onde a gente não tem uma
16:02
meta absurda, cara, vamos fazer o seguinte, pô, quantas pessoas
16:06
a gente precisa alcançar pra poder conseguir atingir essa
16:10
meta? E se, pensando talvez um pouco
16:11
mais, nesse cenário de aquisição, no cenário de produto
16:13
pode ser, quantas pessoas vão assistir um determinado
16:16
conteúdo? No caso de uma Netflix, um tempo
16:18
de retenção vai variar de acordo com a, com a necessidade até a
16:22
especificidade do produto por ser.
16:24
Por assim dizer. Mas o que eu gosto de fazer,
16:26
cara, é deixar muito bem alinhado.
16:28
Quais são as? Dúvidas que a gente tem sobre o
16:30
negócio, porque assim, a gente definindo a essa meta, a gente
16:34
tem que buscar. Agora, quais são os os processos
16:36
dentro do nosso produto que leva o nosso usuário à conclusão
16:40
dela. Então, dentro do plano de
16:42
menstruação, assim, mal querendo entrar no início dele, é.
16:46
Plano de mensuração por si só a gente define ele, entre eventos
16:50
de macro conversão independente de conversão está vinculado a um
16:54
valor monetário, é sobre o peso da ação do usuário de do
16:57
comportamento dele. Então a gente tem os eventos de
17:00
macro conversão, que normalmente são os eventos que bota dinheiro
17:02
no bolso do nosso chefe, né? Então é um evento onde a gente
17:06
adquiriu um novo usuário ou ele assinou por um produto e por aí
17:10
vai. E aí esses eventos são os
17:11
eventos mais importantes dentro dessa jornada.
17:14
E aí atrás disso a gente tem os eventos de micro conversão, que
17:18
são os eventos que levam o usuário até essa etapa.
17:21
E é isso, pode ser desde o usuário utilizar uma
17:23
funcionária. Até o usuário adicionar um
17:27
produto do carrinho, né? Porque assim é até um ponto que
17:29
estava levando. É numa conversa que a gente teve
17:32
na product Camp, que é algumas plataformas no quando você é uma
17:37
plataforma e provisiona um ambiente para um seu cliente
17:40
vender para outros clientes, a gente tem que pensar nesses
17:43
dados que a gente vai fornecer, porque hoje a gente tem uma
17:46
série de plataformas que não tem uma camada de dados onde aquele
17:50
cara pode, por exemplo, implementar OG 4 dele utilizando
17:53
a sua plataforma. Então a gente tem que tirar um
17:56
pouco dessa. Dessa essa mentalidade, talvez
18:00
da estrutura. E pensar, pô, espera aí, eu sou
18:01
uma plataforma, então eu tenho os dados do meu cliente de
18:04
aquisição, que é ele criando uma loja de um e-commerce, por isso
18:07
pudessem dizer, mas eu tenho também o dado do cliente dele,
18:11
que vai ser transacionado aqui, e aí a gente chega numa visão.
18:14
Onde dados viram produto dentro desse desse produto gigantesco
18:19
que você está vendendo? Então a gente tem hoje uma série
18:22
de de decisões que são tomadas de troca de plataforma
18:26
justamente porque é essa pessoa não considerou que não dá para
18:30
poder medir os eventos do GA 4 dentro dessa estrutura que ele
18:34
tem lá, ele não consegue instalar uma Google tag manager,
18:37
por assim dizer. Então, passando disso, pensando
18:41
nessa jornada, a gente definiu macro conversão com o objetivo
18:44
principal e microconversão, que são os objetivos que antecedem
18:47
essa macro conversão dentro de uma jornada de aquisição ou numa
18:50
jornada de retenção. Então tu faz beleza.
18:53
Então, por exemplo, se eu vou assistir um vídeo no Netflix, eu
18:56
tenho uma ação que é obrigatória, que eu tenho que
18:59
selecionar o vídeo. Então, por assim dizer, eu já
19:01
tenho né, o meu evento principal, que é o usuário
19:05
assistir o vídeo até o final, mas antes eu tenho que
19:07
selecionar o vídeo e essas são 2 ações que a gente pode medir
19:10
beleza. Então, quando a gente senta para
19:11
poder definir todos esses passos, a gente começa a fazer
19:15
perguntas por cada etapa. Então, por exemplo, se o usuário
19:18
é e a gente entende que é uma conversão, o usuário assistir um
19:22
vídeo. Até o final do Netflix?
19:24
Quais são as informações e, principalmente, quais são as
19:27
dúvidas que a gente tem sobre essa ação.
19:29
E aí a gente começa a fazer esse processo de definição ali de
19:33
perguntas mesmo. Então, pô, eu quero saber qual é
19:36
o vídeo, ou OA série mais assistida, qual o episódio em
19:40
que os usuários desistem? Menos de uma série,
19:43
especificamente, qual é a categoria dessa série?
19:45
Ou seja, eu tô trazendo depois de definir quais são as etapas,
19:49
a qualidade desse dado, todo relatório base, ele vai ser
19:53
estruturado em cima de uma métrica principal, que é a
19:56
contagem de algum comportamento e uma dimensão que vai te trazer
19:59
qualidade pra você poder entender.
20:02
Qual foi as possibilidades que esse usuário gerou dentro dessa
20:07
navegação e todos os seus usuários geraram dentro dessa
20:09
navegação? Então, assim, isto por si só já
20:11
é coisa pra cacete, né? A gente falou de macro
20:13
conversão, micro conversão e fazer as perguntas por etapa que
20:17
a gente tem dúvida do nosso negócio.
20:19
Então no caso da Netflix, é entender AOO vídeo.
20:22
E aí, por assim dizer, a gente vai ter que criar pra cada um
20:25
desses comportamentos, os que a gente chama de parâmetros, ou
20:29
seja, as dimensões que vão trazer qualidade para esse dado.
20:33
Tem que ser dividido inclusive num time multidisciplinar.
20:37
Não dá pra gente é pegar, é os dados, botar debaixo do braço.
20:42
E sair com ele, correndo dentro da empresa como se ele fosse só
20:45
seu, né? Então, Eu Acredito muito que
20:47
inclusive esse processo de você montar esse plano de mensuração
20:50
tem que ser em cima de uma estrutura multidisciplinar.
20:53
Então, pô, você vai ter o cara aqui de produto, você vai ter o
20:55
cara que é de marketing, você vai ter a pessoa que é de de de
20:59
tecnologia, e aí todas essas pessoas Unidas, sabe, Capitão,
21:03
Capitão Planeta, reunião desses poderes, formam o que a gente
21:06
chama de plano de mensuração, porque ele tem que atender
21:09
naquele ele, ele ele pode atender, ele tem que atender as
21:12
necessidades de todas as áreas. Então você como produto, você
21:16
vai ter uma visão de plano, de mensuração que vão contemplar
21:20
eventos, talvez diferente do que um time de tecnologia diferente
21:23
do que um time de marketing. Então essa estruturação de plano
21:27
de mensuração tem que ser multidisciplinar pra gente
21:30
conseguir alcançar um êxito e principalmente montar o que todo
21:35
mundo fala. E essa buzzword aí tá rodando
21:37
pelo LinkedIn, que é a famosa cultura de dados.
21:40
A gente é essa cultura de dados, precisa ter um documento que
21:44
AAA, defina né? Dentro da empresa.
21:47
Não é só a cultura de dados já, eu vou abrir OGA ou eu vou abrir
21:50
a ferramenta, a amplitude, e vou olhar lá para ver o que que eu
21:53
consigo achar. Não, pô, a gente tem a nossa
21:56
métrica principal, que é a macro conversão.
21:58
Tá todo mundo aqui junto de braços dados, tentando levar
22:03
AAA, chegar e bater a meta para botar dinheiro No No bolso do
22:06
nosso chefe. Mas o time de design vai estar
22:08
olhando para métricas diferentes no time de produto, que vai
22:11
estar olhando para métricas diferentes do que o time de
22:13
marketing. E, no final, todo esse olhar
22:16
para essas métricas específicas de cada área é o que bota
22:19
dinheiro no bolso do nosso chefe.
22:20
E está tudo bem. Então acho que não sei se
22:23
respondi sua dúvida aí, mas acho que é basicamente isso.
22:27
Não, mas você deu uma aula? Não sobre esse.
22:30
A gente já sabe o que é plano de menstruação, como fazer o plano
22:34
de menstruação, e aí eu já vou antecipar.
22:38
Uma coisinha, quer? Quais são os erros mais comuns
22:42
ao ao ao criar e implementar o plano de menstruação?
22:47
Porque OK, eu vou ter que ter uma equipe multidisciplinar, vou
22:52
ter que ter uma documentação. A cultura de de dados é mais do
22:56
que no Brasil. Word, do LinkedIn, OK, mas quais
23:02
são os erros? Ô, Lúcia, que eu e quem está
23:06
ouvindo a gente deve evitar. É o primeiro é você tomar aquela
23:11
famosa decisão de a espera. Aí, Luciano, é só a gente
23:15
coletar todos os comportamentos que a gente tem, tudo mapeado ao
23:19
ponto de Ah, deu merda em alguma coisa a gente já mediu esse
23:23
evento, então pra mim esse é o primeiro.
23:25
E aí, por que que esse é o primeiro erro?
23:27
Porque isso vai onerar demais a sua estrutura de dados, então é
23:31
dados por si só, cada vez mais né, que não era antes, né?
23:35
Mas cada vez mais, pra profissionais de marketing,
23:37
profissionais de produto, vai ficar algo mais técnico, tanto
23:40
do ponto de vista da coleta desses comportamentos do
23:43
usuário, quanto do consumo. Porque toda essa estrutura cada
23:48
vez mais vem trazendo custo. O Google analistas por si só é
23:52
uma ferramenta que foi grátis há um muito tempo e todo mundo usou
23:55
de graça. E agora ela vem dando indícios
23:58
de que, ó, espera aí, paga isso daqui.
24:00
Se você quiser dados em new time, paga isso daqui.
24:02
Se você quiser, é 100% dos dados, porque se não eu vou te
24:06
aplicar uma amostragem e você vai ter uma tendência daquele
24:09
dado e não há visão completa. Então a gente tem que tomar esse
24:12
cuidado, porque essas limitações vão muito em cima da quantidade.
24:17
De parâmetros, da quantidade de eventos, da quantidade de
24:20
comportamentos que a gente quer medir.
24:22
Então a primeira é essa, a pessoa sentar lá e dizer, Ah,
24:26
não, eu sou o gênio aqui da tecnologia.
24:28
Eu vou medir todos os comportamentos do site e aí eu
24:31
vou estar 100% resguardado, que os dados do meu aplicativo, do
24:36
meu negócio está sendo medido no meu produto, está sendo medido.
24:40
Acho que para mim esse é o primeiro e o grande erro,
24:43
beleza, e aí a gente pode ir para os outros erros, onde a
24:45
gente tem 1 o volume. 1 o volume um pouco menor de merda que pode
24:49
dar, né? Mas, ainda assim, vai trazer uma
24:51
série de riscos, que é deixar isso muito na mão de tecnologia.
24:57
Tem que ser multisciplinar, acontece muito a gente chega
25:01
nosso processo de auditoria lá com os nossos clientes e aí o
25:04
cara bate e a gente olha o nome do a nomenclatura dos eventos,
25:07
tá? Evento 1234, ou seja, o nome do
25:12
evento é o texto escrito evento 123 e 4.
25:16
Sobre o que esse evento diz, o quão verboso esse evento é, para
25:19
que uma pessoa que acabou de chegar na empresa entenda o que
25:23
aquilo significa, qual é a ação do usuário que representa aquele
25:26
comportamento. Porque se forme 123, qual o
25:31
formulário que o usuário converteu?
25:32
Entende? Então, acho que essa questão de
25:35
taxonomia também é algo que traz muito problema na ponta.
25:40
E aí não tem muito o que fazer. Segunda é.
25:43
Deixar para a última hora coisas como fazer o plano de
25:46
menstruação, o que a gente mais pega é e tem um processo
25:49
interessante junto com essa migração para OG 4, que a gente
25:53
fez, que foi pega todo mundo que tem acesso ao universo ou dentro
25:56
dessa empresa. A gente IA pegar todo mundo e
25:59
vai fazer uma pergunta simples, qual o relatório que você
26:02
analisa quando você acessa OG 4 e aí a gente vai puxando essas
26:08
informações ou até o universo. Qual é o relatório que você
26:11
utilizava? E aí quando a gente IA ver, não
26:13
os relatórios que essas pessoas utilizavam, não tinha nada a ver
26:16
com o comportamento dos usuários que elas queriam medir.
26:20
E aí a gente tinha, né, um desencontro de dados, né?
26:23
Não era um banco de dados, era um bando de dados, né, aí que
26:27
não serviam para porra nenhuma. Então é esse essa desconexão
26:31
também acontece muito por falta de comunicação.
26:34
Então acho que juntando e elencando aqui, são 3 pontos, aí
26:38
bem, bem bem chatish e que assim é o famoso raro, mas acontece
26:42
sempre, beleza, porque a galera não se comunica e aí fica por
26:47
último, talvez para poder a ser enigia do bolo, é o cara que é o
26:50
ditador dos dados. Porque tudo tem que passar por
26:53
ele. Dados tem que ser democratizado
26:55
dentro de qualquer estrutura, dentro de qualquer empresa.
26:58
A gente cansa de chegar a empresas que o cara coloca
27:02
OOOOGA 4 ou qualquer outra ferramenta, a amplitude, e só
27:06
ele tem acesso ou só um time tem acesso.
27:09
Se você coleta as informações de comportamento do usuário para
27:13
poder entender a jornada e, principalmente porque quando a
27:16
gente entende a jornada do nosso usuário, a gente entende o nosso
27:18
produto. Você limita a visualização
27:21
desses dados, pô. Só tem uma coisa mais do que eu,
27:24
né? Essa coisa.
27:27
Tem mais, é aquecer futebol. Exatamente, né?
27:32
Ô Rafael, você é que falou, Hein, entendeu?
27:36
Foi o Luciano, é o Luciano ele nessa.
27:40
Nessa mesma pegada, você poderia nos dar exemplos de como a
27:44
análise de métricas é influenciou positivamente o
27:49
lançamento ou a interação de produtos específicos?
27:52
É a lei, além além disso, né, como que o um exemplo prático do
27:57
plano de mensuração também? Perfeito, perfeito.
28:02
A gente, a gente tinha um cliente de de produtos
28:03
especificamente, era um produto de investimento.
28:06
Então você entrava lá e fazia seu investimento em bolsa e ou
28:11
sei lá, é fundo imobiliário, enfim, produto por si só.
28:15
E aí a gente dentro do plano de mensuração mapeou toda a jornada
28:19
do usuário. Então, a gente tinha macro e
28:21
micro conversão, os escopos de dados em cima das perguntas que
28:25
a gente tinha de dúvida do negócio.
28:27
E a gente foi indo. Uma das coisas que a gente
28:29
colocou em cima dessa multidisciplinaridade da
28:34
definição do plano de mensuração foi que o time de tecnologia
28:37
levantou. 11 puta bola assim, cara.
28:41
A gente queria mapear quais são os erros que acontecem durante a
28:44
jornada do usuário. E aí, beleza, vamos documentar
28:49
esses eventos, vamos implementar esses eventos e a partir de
28:52
agora a gente consegue medir esses eventos.
28:54
E aí beleza por si só, a gente estava falando de uma jornada
28:56
onde o usuário tinha que botar dinheiro em alguma coisa para
28:59
ele poder ter a conclusão do êxito do produto, né?
29:03
Porque se ele não bota dinheiro lá, a gente não ganha dinheiro,
29:06
no chefe não ganha dinheiro, ninguém ganha dinheiro.
29:09
E o que que a gente começou a perceber?
29:10
Tinham uma etapa dentro dessa jornada, pensando em macro
29:14
conversão e as micros que o usuário tinha um.
29:18
Drop absurdo dentro desse funil, entre essa jornada de de de de
29:22
utilização do produto, e a gente foi levantar, tem um processo
29:26
que a gente faz aqui que também está em cima dessa estrutura que
29:30
é o preço. Bem simples, não foi a gente que
29:31
inventou esse processo, existe em vários lugares que é o Crazy
29:34
age. Então a gente senta com uma
29:36
quantidade de pessoas numa reunião, levanta uma hipótese e
29:39
ou levanta um problema e todo mundo pensa em 1 minuto, qual é
29:43
a hipótese que ela tem para poder resolver aquilo?
29:45
E a gente vai fazer nesse ciclo de um em 1 minuto.
29:47
No final, a gente tem um porrilhão de ideias que vai ser
29:50
multidisciplinar, ou seja. Time de tecnologia vai trazer
29:53
uma visão, o time de marketing vai trazer outra visão, o time
29:56
de produto vai trazer essa previsão e a gente tem um
29:59
backlogg gigantesco de problemas que a gente tem para resolver,
30:02
muito provavelmente para poder conseguir fazer aí.
30:04
E uma palavra muito interessante que você falou que não foi você
30:06
que falou, foi o Jeff o meses lá que é crescer o nosso negócio.
30:10
Então, essas hipóteses que a gente gera é o trabalho que a
30:13
gente vai ter para poder comproválas para se a gente
30:16
fizer uma parada muito maneira, a gente vai continuar fazendo.
30:20
Se a gente não fizer, a gente vai entender o que aconteceu
30:22
para poder melhorar aquela ideia.
30:24
E aí a gente entendeu, nesse processo de traquear, os eventos
30:27
de erro já de script especificamente que tinha erros
30:31
que bloqueavam o usuário de conseguir conseguir passar para
30:35
a próxima etapa. Então a gente fez como é como a
30:40
galera gosta de ser, data drive, a gente foi data drive.
30:43
E geramos o primeiro sprint daquele time, né?
30:46
Naquela empresa orientado a dados, então ao invés da gente
30:50
sentar e ter. E assim eu eu desconheço muito
30:52
do processo de produto, vai ser muito sincero, mas acredito que
30:55
está muito ligado a esse produto, essa, esse produto de
30:57
Discovery, né, de você encontrar novas funcionalidades e por
31:01
assim dizer. Mas a gente sentou e falou,
31:03
cara, me dá uma semana por mês do teu time de tecnologia de 2
31:07
programadores e a gente vai passar a resolver os bugs já do
31:10
script da página que bloqueiam o usuário de passar para a próxima
31:14
etapa. E aí a gente teve um aumento de
31:16
pessoas que passaram para a próxima etapa e consequentemente
31:19
a gente teve um aumento. A gente alargou a boca desse
31:21
funil, né? Então se tem o funil, ele vai
31:23
afunilando ali, a gente alargou o meio dele para que passassem
31:26
mais pessoas para a próxima etapa.
31:27
Acho que assim isso por si só falou case muito interessante,
31:30
porque ele acho que é é um case que que ele mostra a necessidade
31:34
do plano de mensuração ser multidisciplinar, porque muito
31:37
provavelmente uma pessoa de marketing, uma pessoa de
31:40
produto, talvez possa estar sendo, é até meio escroto e
31:43
falar isso não teria essa consciência de entender.
31:45
Que, pô? O erro joviscript ali pode estar
31:48
impactando na jornada do usuário e eu sei que tem várias outras
31:51
ferramentas, inclusive que a galera monitora isso, mas a
31:53
gente tentou e fez isso usando. Inclusive o cronettics 4.
31:56
Mas dá pra fazer na amplitude também, tá?
31:58
Desejo um abraço pra galera da amplitude aí que são nossos
32:01
Brothers aí. Por favor, né?
32:03
Amplitude é muito melhor. Concordo, concordo muito,
32:07
concordo muito. Melhor muito, muito complicado o
32:10
analista dimensão. Aí tem o menu lateral esquerdo,
32:14
uns termos. E aí tudo estranho é, pô, você
32:18
clica no negócio, abre um, uns elementos, você fala, putz, não
32:22
é nada disso que eu quero. Aí você tem que.
32:26
Aí você se acha burra, tem que mandar no slack ou no time,
32:30
mensagem pro cara do analista e fala, ô, eu só quero saber.
32:34
O funil só me dá um funil. Ah não, porque você tem que
32:38
criar um funil, um relatório. Você fala puta criar um
32:42
relatório não quero criar, só quero clicar no botão.
32:45
É essa. Essa, inclusive, é a principal
32:47
dor que as pessoas têm com relação à migração dos geo
32:50
universal pro g 4, porque é com essa migração.
32:55
É como se você tivesse primeiro o.
32:57
O nome migração foi uma merda que o Google usou, tá?
33:00
Porque você não migrou os seus dados?
33:01
E, pô, o Gustavo, meu sócio, fala uma prática muito
33:04
interessante que a palavra migração implica que você vai
33:06
levar o que você tem pra outro lugar.
33:08
Você pode vender uma coisa ou outra, mas os seus dados você
33:12
vai levar. Isso não aconteceu.
33:14
Então acho que é quando migrou, por exemplo, dia 4, a ferramenta
33:17
mudou. Tiraram uma porrada de relatório
33:20
que ninguém usava, mas também tiraram um Monte de relatórios
33:23
que a galera usava, né? E aí gerou essa deficiência aí.
33:29
É o Google também, viu? É.
33:31
Sabe fazer produto? É.
33:34
Ô, Luciano, quais ferramentas e tecnologias você recomendaria
33:38
para a galera de produtos e data Project manager que desejam
33:42
aprimorar as habilidades e mensuração e análise de dados.
33:46
A gente já falou aqui a maior né?
33:48
De todas, que é amplitude. Mas quais são as outras
33:52
ferramentas e tecnologias? Para você, vamos dividir em
33:57
coleta, armazenamento e visualização.
33:59
Beleza? Ótimo.
34:00
Então coleta. A gente vai ter ferramentas como
34:02
tillium. Se a gente vai ter ferramentas
34:04
como segment, a gente vai ter ferramentas como o próprio
34:06
Google tag manager, que vão provisionar um ambiente e uma
34:10
interface para que a gente colete o comportamento desses
34:12
usuários. Beleza, esse é o primeiro ponto
34:15
dentro da etapa de armazenamento.
34:18
Essas ferramentas como maravilhosas ferramentas, como
34:21
amplitude, garantem esse armazenamento uma vez que a
34:23
gente configure o disparo dessa coleta.
34:25
Então você não precisa se preocupar com essa informação,
34:28
eles garantem o armazenamento. Que bom que né, tem empresas que
34:31
utilizam seus próprios bancos, seus próprios laks de dados para
34:35
você poder conseguir, e aí você adiciona uma outra camada de
34:37
complexidade, né? Então ferramentas como amplitude
34:40
deixa isso tudo muito e assim, não é jabá, porque eu gosto
34:42
deles, não, tá? É porque de fato.
34:44
Traz um ambiente onde você não precisa se preocupar com
34:46
armazenamento, beleza. E aí, pô, tem uma ferramenta
34:49
pequenininha. Aí chamada Google analytic
34:51
também traz esse tipo de solução.
34:54
E está tudo bem. Inclusive acontece, né?
34:57
É aqui, normalmente a galera mais utiliza, mas a gente tem
35:02
uma percepção muito Clara de que as pessoas que utilizam
35:04
amplitude têm um nível de consciência muito maior sobre
35:06
dados. É isso?
35:09
É isso? Não, não quero, tá?
35:12
Tá achando meio merchandising isso?
35:14
Daqui meio comercial não vai pelo não vai por nós.
35:18
Acesse o Gartner vai lá no quadrante de ferramentas de
35:23
prodtionalística e vê e vê quem está lá, quem está na liderança.
35:27
Eu não vou falar quem está na liderança, mas é amplitude, não
35:32
sei, mas vê lá são o Geisel, tem todo o ano lança né, não sei o
35:38
quadrante lá mágico. E a amplitude está sempre em
35:42
primeiro ali. Ô, Luciano, pra visualização eu
35:45
sei, pra visualização. Power BI.
35:50
Certo ou não? Certo?
35:52
Cara, Eu Acredito que tudo depende.
35:56
Tudo depende. Lá vem ele criticar o Power BI
35:58
também? Não, não, muito pelo contrário.
36:00
Eu acho que assim é uma ferramenta maravilhosa.
36:03
Talvez ela, e assim eu já vi que a gente personaliza muito.
36:07
Ele dá para você fazer coisas bonitas, mas existem outras
36:11
ferramentas também, longe de mim e dentro da visualização a gente
36:14
não tem, é, é só também essas ferramentas, né?
36:18
Tem outras ferramentas e, pô, tem gente que gosta de consumir
36:21
os dados. Brutos, direto do Google, big e
36:24
query, só fazendo query se qrie tá tudo, tá tudo bem?
36:27
Acredito que cada um com a sua droga e tá tudo certo.
36:31
Então, mas qual? Ferramenta mas qual que é o
36:33
outro além do Power BI? Power BIE aí tem uma outra
36:37
ferramenta muito pequena, assim chamada lookstudio, que é a
36:40
ferramenta do Google. Sacanagem.
36:42
Mas é a ferramenta do Google que provisiona justamente essa
36:45
integração e que a galera que utiliza o Google durante os 4
36:48
normalmente utiliza Oo Luke de Studio porque tem uma integração
36:53
automática, né? Aí vai.
36:58
O Google, por que vocês complicam até na ferramenta de
37:03
visualização, ou ferramentinha? Difícil, Lucas, você não acha
37:07
Luciano, difícil? Sim, cara, sem muito, porque
37:09
também por AO ex-beta, né? A gente tem um meme aqui dentro
37:13
da empresa que toda vez que a gente pega 11 erro do GA 4 ou do
37:17
Lucas Studio, a gente manda no chat do a gente usa o discórdia,
37:20
a gente manda aways beta baby, porque no final das contas nada
37:24
está pronto ainda. Então, pô, a gente, a gente tem
37:27
erros grotescos de puxar os dados do Google nets 4.
37:31
E aí dá um resultado para o mesmo evento, para o mesmo
37:33
comportamento. Puxa, no Luca estúdio dá outro
37:36
resultado. E aí tu puxa da APIE dá outro
37:38
resultado. Aconteceu ninguém que está
37:40
conversando com ninguém. E de fato é, é bem bem
37:43
complicado mesmo. Tem que.
37:46
Nas entrelinhas. O que que o Luciano está dando
37:49
de dica pra gente é que se você tem 3 visualizações diferentes,
37:54
escolhe a mais alta e vai certo. Tipo assim, meu Luca, tá falando
37:59
que você aumentou a receita vai nele, ó, aumentar.
38:02
Pelo amor de Deus, não. Não.
38:03
Pelo amor de Deus, não é assim. A gente precisa definir qual é a
38:07
fonte da verdade. Ali a gente tem que confrontar
38:09
isso com algum banco, beleza? Então a gente sempre faz um
38:13
processo, que é a análise discrepância desse dado porque
38:16
no final das contas, a gente está medindo uma compra, uma
38:19
assinatura, uma abstração de vídeos.
38:21
Mas tem algum outro lugar lá num servidor que a gente armazena
38:26
também esses dados de um outro lado?
38:27
Então a gente normalmente calcula-se a discrepância para
38:30
poder entender cara, usar o looker nesse momento não faz
38:33
sentido porque a ferramenta não está pronta ou não.
38:35
Pô, usar o looker agora está melhor do que usar OG 4 EE não,
38:40
não porque um dado bateu mais do que o outro, mas porque a gente
38:43
confrontou esses dados com a nossa plataforma e viu que qual
38:47
está mais próxima ali é um jeito, beleza é um jeito.
38:50
Então, assim, agora falando Sério, é, tem essas 3, é opções,
38:55
viu? Que está a pé, está não viu que
38:59
o lucro está errado? Não, o lucro está estranho,
39:02
bateu no gel, gera, está mais doidão do que é o pessoal que
39:07
come brisadeira que não gosta. É?
39:09
Aí você vai no banco certo, você puxa o banco e vê qual que é o
39:15
valor, viu o valor? Esse é o resultado real.
39:18
E aí você faz a discrepância entre as 2 ferramentas e já
39:23
sinaliza a galera de tipo. Pessoal, temos discrepância que
39:28
entre o banco. É, e entre as nossas ferramentas
39:31
de visualização. Resolvam é isso, né?
39:35
É, e aí? E aí o ponto principal é, é
39:37
levantar, por favor, sobre que dado a gente está falando, né?
39:40
Então, ó, analisamos os dados aqui de compra ou de assinatura
39:45
e a gente percebeu que o os dados de assinatura estão
39:48
discrepantes aonde o número está maior.
39:51
Ah, o número está maior no banco, poxa, o número está maior
39:53
do banco. Pode ser que tenha um processos
39:56
ou etapas dentro da ferramenta de Analytica.
39:59
A gente está utilizando que não estão considerando o mesmo
40:01
comportamento. Se o dardo está maior numa
40:04
ferramenta como o Google, nowity x 4, mas que é raro, inclusive,
40:07
mas acontece sempre dos números estarem maiores dentro do do
40:11
Google, etiques 4 com comparação ao banco, e aí você tem que
40:14
entender, será que eu estou duplicando algum evento, será
40:17
que eu estou enviando mais evento do que eu deveria e aí a
40:20
gente vai indo em cima disso? Ou seja, aqui está 11.
40:26
Porquê que você precisa migrar para OGGA 4?
40:30
Ele aumenta automaticamente os seus resultados.
40:32
Olha só, se o Google metesse essa ânsia.
40:35
Talvez não teria deixado para última hora, né?
40:38
Porra, se o Google meter esse essa na campanha ali de
40:41
comunicação OG 4 seus resultados crescem.
40:46
Exatamente todo mundo. É 1 MB nessa porra, é?
40:49
Outra pergunta para a gente é encaminhar para o para o final
40:52
da nossa conversa, muito legal aqui.
40:54
O Luciano vai voltar mais vezes. Na Na prática, russo, OPA, quem
40:58
pode, Mano? Em podcasts, em outras coisas.
41:01
Aí que eu vou fazer o convite para o Luciano, que é, qual que
41:05
é? AA última pergunta, que é, como
41:07
que você vê o futuro da da mensuração?
41:11
É não só Na Na área de produtos, mas é em todas as áreas.
41:17
Lembrando que a gente está na época da inteligência
41:21
artificial. Virou commodities.
41:23
Tudo tem inteligência artificial e o ChatGPT, já consegue fazer
41:26
algumas análises legazinhas. Ali é, se dá o gráfico, ela já
41:31
consegue, tá? Dá uma base de dados, ela já
41:33
consegue. É fazer algumas análises, como
41:36
que você vê o futuro, disse. Bem, primeiro eu vou levantar
41:41
11, Bandeira antes de falar de de inteligência artificial, que
41:44
é a Bandeira do fim dos cultos. Beleza, então existe o fim dos
41:48
cooks, que é algo que está. A gente costuma dizer que a água
41:52
bate na bunda, né? Oxum dos cookies, já está dando
41:54
tapa na nossa cara, como diz o Gustavo, porque.
41:58
É o Google anúncio. No início, na verdade, já tem um
42:01
tempo que ele postergou e aí esse ano iniciou-se o processo
42:05
de acabar com os cookies de terceiros.
42:08
E isso por si só, traz uma série de complexidades pra gente poder
42:12
não analisar o comportamento do usuário por si só, mas pra mídia
42:15
num geral, como a gente tá falando é de de mais do que só
42:18
produto, né? Traz uma certa complexidade pra
42:21
gente poder conseguir coletar essas informações.
42:23
Então, um primeiro problema levanta essa tendência que a
42:27
gente tem para o ano de 2024, que é o tagueamento do lado do
42:30
servidor. Então as empresas estão parando
42:33
de coletar os dados dentro do clientsside, ou seja, dentro do
42:37
ambiente um usuário está navegando, né?
42:39
Então, está lá no navegador, tem um processo que ele dispara um
42:42
evento e vai direto para o gugunalities e eles estão
42:44
passando a adicionar uma camada acima disso, que, ó, espera aí,
42:47
deixa eu controlar esse dado que está sendo passado aqui para eu
42:51
poder disparar para as ferramentas que vão consumir
42:54
essas informações. E é isso, só a gente tem um
42:56
número bem alarmante, porque é é o estudo que mostra, é o cenário
43:01
do Brasil especificamente. Diz que 75% dos navegadores no
43:06
Brasil. São Chrome, então a gente é, não
43:09
tirei esse dado, né? Fonte da minha cabeça.
43:12
Você pesquisa aí no Google, aí que você vai ter o estudozinho
43:15
que vai mostrar, inclusive eu tenho, é browser browser market
43:18
share, que aí ele vai te passar por país.
43:20
E aí você analisa, inclusive se você está dentro desse cenário,
43:24
dentro do seu guguralítico ou dentro de qualquer ferramenta de
43:26
análise, pra pô, tem os clientes nossos que os dados que são
43:30
transacionados na maioria das vezes tá no safari da vida,
43:33
então né, pra você saber o quanto essa água tá batendo na
43:36
sua cara, você tem que olhar pros seus dados pra poder tomar
43:39
qualquer tipo de decisão, mas esse tagramamento do lado do
43:42
servidor vai fazer com que a gente consiga.
43:44
Sabe, fechou-se uma porta, abriu-se uma janela, né?
43:48
É isso hacking Slash, né? Então, a gente teve uma
43:51
complexidade do fim dos clubes. Agora a gente gerou uma solução
43:54
do tagueamento do lado do servidor e essa é a primeira
43:57
beleza. Essa pra mim é a primeira,
43:59
porque não é uma tendência que a gente vai conseguir evitar.
44:03
Como? Ah, pô, não, eu sou purista do
44:05
eu não quero usar, IA tudo bem essa você consegue evitar agora
44:10
o fim dos cookies? Não tem como, beleza.
44:13
Uma outra, talvez, que eu odeio ser o mensageiro do apocalipse,
44:16
mas assim, do final das contas, uma outra coisa que ainda não
44:20
está rodando perfeitamente dentro da estrutura.
44:23
Feira é ALGPD. Então né?
44:25
LGPD aquela lei maravilhosa que veio para poder proteger os
44:29
dados e a privacidade dos nossos usuários.
44:32
A gente tem que adequar todas nossa estrutura de coleta de
44:35
dados para isso, independente de você ser um produto ou não.
44:37
Beleza, porque dentro do ambiente de produto a gente tem
44:41
um ponto muito mais crítico, que é na maioria dos casos, a gente
44:44
está sempre lidando com usuários logados, ou seja, a gente acaba
44:47
transacionando informações pessoais, né?
44:50
Do usuário com muito mais frequência, por esse ambiente
44:53
ser um ambiente logado em grande maioria.
44:55
Beleza, e agora a gente pode entrar na e a porque pan code
44:59
intérprete ajuda a gente bastante, fora o processo de
45:03
desenvolvimento mesmo, de você estruturar essa integração, né?
45:07
Então pô, eu quero manipular uma base de dados para eu poder
45:10
formatar esses dados para inserir dentro de um banco
45:13
chatinha, petezinho, monta um prompt certinho, insere os
45:17
dados. Lá ele vai te ajudar a montar
45:20
esse que a gente chama de processo de ETL, né, pra poder
45:22
transformar essas informações. Então eu tenho usado, pra ser
45:25
bem sincero, muito com aquele estagiário que vai programar e
45:29
depois eu vou ter que fazer um code review pra dar uma olhada,
45:32
pra ver se ele fez merda ou se ele esqueceu.
45:35
Alguma chave pública, sabe? 11, secret keys, poster e tudo
45:39
mais. Mas a gente está utilizando
45:41
tanto para a parte de análise quanto para para a parte de.
45:46
De manipular mesmo, gerar alguns códigos menores assim, pô, a
45:50
gente quer utilizar. Às vezes a gente dá só OCSV para
45:55
IAE, pede umas análises em cima disso ou tem algumas
45:59
ferramentas. E eu não vou lembrar o nome
46:00
porque eu fiz uma reunião, coitada do cara.
46:02
Fiz uma reunião semana passada com ele, eu esqueci que ele me
46:05
mostrou inclusive 11 infraestrutura de dados onde já
46:08
tinha ya plugada pra poder consumir os dados do banco.
46:11
O próprio g 4 tem uma análise preditiva, que é baseada em.
46:16
Inteligência artificial marcelane por aí vai.
46:17
Eu acho que não tem muito pra gente fugir também é igual o fim
46:20
dos cookies você é, vai ter que passar a utilizar nem sempre
46:24
aquele cuidadinho de está certo, né?
46:27
Qual a temperatura que essa ya tá usando aí pra poder não
46:29
alucinar também, né? Então acho que é mais pra
46:32
auxiliar do que tomar o nosso trabalho, graças a Deus.
46:38
OAWS lançou, né, recentemente, o copiloto dela lá que né,
46:43
teoricamente pulga em toda o toda a empresa.
46:47
E ela consegue fazer análises rápidas da.
46:53
Dar acesso a relatórios já prontos, tudo de forma é
46:58
linguagem natural. É uma tendência que não tem como
47:03
é parar. Já virou commodity, a
47:06
inteligência artificial. Agora cabe as empresas
47:10
entenderem como que a inteligência artificial alavanca
47:14
seus produtos e seu negócio, porque hoje não tem mais como é,
47:19
tudo está tudo e há tudo tem tudo e a tem tudo a.
47:23
A sua loja com yá Monte. Seu site Cunha é otimize esse
47:28
OSEO do blog. Cunha é, enfim today Oo Luciano,
47:36
muito obrigado pelo seu tempo. Foi uma honra, um privilégio
47:40
falar com você. Justificaria horas e horas aqui
47:44
falando e metendo o pau em. Nas plataformas, principalmente
47:49
no Google, a gente IA pegar o Google, a gente IA malhar, o
47:52
Google, a gente não IA ter dó do Google.
47:56
Mas sua agenda é concorrida. Então, muito obrigado pelo seu
48:00
tempo. Volte sempre às portas do PG.
48:03
Está por? Favor, para você, é?
48:04
E assim, para poder fazer convite ao vivo.
48:07
Está mais do que convidado para participar da Netflix também.
48:10
A gente agora não está gravando só presencial, está gravando
48:13
remoto, então fica o convite aí também.
48:15
Ótimo. Só mandar o invite.
48:17
Você tem meu ZAP agora olha aí só mandar lá no eu tenho o ZAP
48:22
do Luciano, filho eu tenho, você tem.
48:25
Não tem. Eu tenho.
48:26
Então é muito obrigado. Volte sempre, é?
48:32
Tem algum link, alguma coisa que você quer?
48:34
Quer deixar aqui pra audiência? Cara, se eu puder deixar um link
48:37
eu vou deixar um link fazendo 11 gancho pra galera?
48:39
Porque a gente falou muito de amplitude aqui em alguns
48:42
momentos e a amplitude mandou o time deles lá da Argentina pra
48:46
poder gravar um curso de amplitude com a gente.
48:49
Então tem um curso ensinando a utilizar o amplitude dentro da
48:53
nossa plataforma. Não sei se faz sentido aí, mas
48:54
se puder botar o link, seria muito maneiro e acho que
48:57
ajudaria bastante a galera. O link desse curso do pessoal da
49:01
amplitude lá. Tá metro gabose, não é?
49:06
Metricais Boss carioca é foda. Ah, metricais Boss é tá No No,
49:14
no, na descrição aqui do episódio, vai lá até.
49:19
O episódio ou a eu vou tentar negociar com a Luciana algum
49:23
desconto? Calma.
49:26
Eu tentei, vou tentar tentar o pozinho.
49:30
Mas a gente tenta PG, Boss, alguma coisa assim, se a gente
49:33
vai tentar ou então vai lá, aproveita e segurança que o
49:37
Luciano. Também vai ter material é, é
49:41
material, materiais, complementares, estão artigos,
49:45
livros que o Luciano vai nos deixar depois aqui, algumas
49:48
indicações, vai estar na descrição desse episódio, então
49:51
é isso. Ô Luciano, muito obrigado.
49:53
Volte sempre, você que ouviu a gente até aqui, não deixe de
49:57
deixar o seu curtir. Se eu gostei é não esquece de
50:01
seguir dá as suas 5 estrelas e deixar no campo de comentário do
50:05
Spotify da Apple podcast. O que você achou desse episódio
50:08
que você achou sobre o plano de menstruação, dados, métodos,
50:11
analistas e afins? Beijos, tchau.
50:14
Oi?