SlideShare a Scribd company logo
1 of 52
Download to read offline
Modelagem	
  e	
  Análise	
  de	
  Dados	
  em	
  PPC	
  
Aplicando	
  matemá5ca,	
  esta7s5ca	
  e	
  inteligência	
  na	
  gestão	
  de	
  
campanhas	
  de	
  performance	
  
	
  
Leonardo	
  Naressi	
  
@LeoNaressi	
  
Vamos	
  começar...	
  
•  Leonardo	
  Naressi	
  
–  CIO	
  da	
  dp6	
  
–  Presidente	
  do	
  Comitê	
  de	
  Digital	
  
Analy5cs	
  da	
  IAB	
  Brasil	
  
–  Professor	
  na	
  ESPM	
  São	
  Paulo	
  
–  @LeoNaressi	
  
–  Linkedin.com/in/LeoNaressi	
  
–  facebook.com/LeoNaressi	
  
–  Leo@dp6.com.br	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
POR	
  QUE	
  MODELAR?	
  
#1	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Modelar?	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Não,	
  modelar!	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Quando	
  enxergamos	
  a	
  montanha	
  de	
  dados	
  e	
  
métricas,	
  buscamos	
  encontrar	
  mo5vos	
  e	
  razões	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
O	
  que	
  os	
  dados	
  e	
  métricas	
  gerais	
  nos	
  mostram	
  é	
  
só	
  a	
  ponta	
  do	
  iceberg	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Precisamos	
  estudar	
  e	
  modelar	
  o	
  que	
  não	
  está	
  
explícito	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
E	
  aí	
  precisamos	
  esmiuçar,	
  aprofundar	
  e	
  
enriquecer	
  nossos	
  dados	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Qual	
  era	
  o	
  cenário	
  
compe55vo	
  nessas	
  
veiculações?	
  
O	
  concorrente	
  anunciou	
  
preços	
  mais	
  baixos?	
  
Meus	
  anúncios	
  
mencionavam	
  
parcelamento?	
  
Meu	
  anúncio	
  
citavam	
  minha	
  
marca?	
  
Executei	
  outras	
  
campanhas	
  em	
  
paralelo?	
  
Coloquem	
  seus	
  óculos...	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
OK!	
  Ready!	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Nossa	
  boa	
  e	
  velha	
  amiga,	
  a	
  planilha!	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
É	
  na	
  planilha	
  que	
  iremos	
  reunir	
  as	
  engrenagens	
  
necessárias...	
  
Dados	
  de	
  Campanhas	
  
Dados	
  de	
  
Concorrência	
  
Classificações	
  
cria5vas	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Montando	
  as	
  engrenagens,	
  conseguimos	
  
modelar	
  o	
  motor	
  das	
  nossas	
  campanhas	
  
Entender	
  a	
  
relação	
  entre	
  
o	
  anúncio	
  e	
  o	
  
público	
  
Capturar	
  a	
  
influência	
  das	
  
ações	
  do	
  
mercado	
  e	
  da	
  
concorrência	
  
Avaliar	
  o	
  
impacto	
  de	
  
mudanças	
  no	
  
cenário	
  
Prever	
  o	
  
futuro	
  de	
  
novas	
  
situações	
  
semelhantes	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
ENCONTRANDO	
  CORRELAÇÕES	
  
#2	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Imagine	
  o	
  cenário	
  de	
  uma	
  campanha	
  de	
  LP	
  que	
  
leve	
  para	
  um	
  landing	
  page	
  de	
  conversão	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Mas,	
  planejou-­‐se	
  para	
  a	
  campanha	
  um	
  reforço	
  
em	
  mídia	
  display	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Os	
  dados:	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
0	
  
50	
  
100	
  
150	
  
200	
  
250	
  
300	
  
350	
  
400	
  
0	
  
5,000	
  
10,000	
  
15,000	
  
20,000	
  
25,000	
  
30,000	
  
1	
   2	
   3	
   4	
   5	
   6	
   7	
   8	
   9	
   10	
  
Impressões	
  banner	
  
Impressões	
  
Links	
  patrocinados	
   Conversão	
  
As	
  perguntas	
  são:	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Qual	
  o	
  impacto	
  do	
  meu	
  
inves5mento	
  em	
  display	
  
nas	
  minhas	
  buscas?	
  
A	
  campanha	
  display	
  
impactou	
  significa5vamente	
  
nas	
  conversões	
  finais?	
  
Se	
  eu	
  inves5r	
  mais	
  em	
  
display	
  terei	
  resultados	
  
melhores	
  em	
  LP?	
  
A	
  solucioná5ca:	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Dados	
  utilizados	
  
Dias	
  
Impressões	
  	
  
banner	
  
Impressões	
  
LP	
  
Conversão	
  
1	
   0	
   10.209	
   125	
  
2	
   0	
   13.656	
   100	
  
3	
   0	
   13.564	
   134	
  
4	
   0	
   13.399	
   135	
  
5	
   0	
   10.066	
   100	
  
6	
   26.429	
   14.066	
   185	
  
7	
   25.736	
   15.998	
   152	
  
8	
   29.739	
   14.251	
   147	
  
9	
   27.116	
   17.308	
   187	
  
10	
   23.910	
   14.743	
   154	
  
Correlação	
  
Banner	
  x	
  LP	
   0,719017	
  
Banner	
  x	
  Conversão	
   0,806832	
  
LP	
  x	
  Conversão	
   0,7165	
  
Coe$iciente  de
Correlação  (ρ)
Fórmula	
  utilizada	
  
OU
  
função  CORREL(Matriz1;Matriz2)    no  Excel
Sim,	
  há	
  uma	
  correlação	
  forte	
  entre	
  o	
  impacto	
  das	
  impressões	
  
display	
  tanto	
  no	
  volume	
  de	
  LP	
  quanto	
  nas	
  conversões	
  finais	
  	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Valor	
  de	
  ρ	
  (+	
  ou	
  -­‐)	
   Interpretação	
  
0,00	
  
As	
  duas	
  variáveis	
  não	
  dependem	
  linearmente	
  uma	
  da	
  outra	
  
(instigar	
  outros	
  meios)	
  
0,00	
  <	
  ρ	
  <	
  0,19	
   Correlação	
  bem	
  fraca	
  
0,20	
  <	
  ρ	
  <	
  0,39	
   Correlação	
  fraca	
  
0,40	
  <	
  ρ	
  <	
  0,69	
   Correlação	
  moderada	
  
0,70	
  <	
  ρ	
  <	
  0,89	
   Correlação	
  forte	
  
0,90	
  <	
  ρ	
  <	
  1,00	
   Correlação	
  bem	
  forte	
  
1,00	
   Correlação	
  perfeita	
  positiva	
  entre	
  as	
  duas	
  variáveis	
  
-­‐1,00	
  
Correlação	
  negativa	
  perfeita	
  entre	
  as	
  duas	
  variáveis	
  	
  
(se	
  uma	
  aumenta,	
  a	
  outra	
  sempre	
  diminui)	
  
ANÁLISE	
  MULTIVARIADA	
  
#3	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Caso	
  prá5co:	
  O5mização	
  de	
  Anúncios	
  
•  Temos	
  15	
  anúncios	
  para	
  nossa	
  campanha	
  e	
  cada	
  aplica	
  conceitos	
  diferentes	
  
–  Cita	
  a	
  Marca	
  ou	
  outras	
  marcas	
  de	
  fabricantes	
  
–  Menciona	
  preço	
  ou	
  não	
  
–  Aborda	
  benejcios	
  como	
  cobertura	
  ou	
  atendimento	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Vejamos	
  os	
  dados-­‐padrão	
  
•  Temos	
  Cliques,	
  Impressões,	
  CTR,	
  CPC,	
  Posição	
  média,	
  CPA,	
  
Conversões	
  
	
  
•  O	
  obje5vo	
  dessa	
  análise	
  era	
  responder:	
  
–  Que	
  elementos	
  dos	
  anúncios	
  impactam	
  minha	
  conversão	
  final?	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Como	
  fazemos	
  isso?	
  
•  Os	
  aspectos	
  e	
  os	
  elementos	
  dis5ntos	
  além	
  de	
  suas	
  
abordagens	
  não	
  estão	
  claros	
  
•  Alguns	
  anúncios	
  misturam	
  mais	
  de	
  uma	
  técnica	
  principal	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Ahá!	
  Dados	
  “Dummy”!	
  
•  Criamos	
  colunas	
  extras	
  que	
  servem	
  apenas	
  
para	
  criar	
  classificações	
  personalizadas	
  
•  Nelas	
  pontuamos	
  a	
  presença	
  dos	
  elementos	
  
que	
  queremos	
  analisar	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Com	
  as	
  métricas	
  em	
  mãos	
  e	
  os	
  dados	
  dummy,	
  
podemos	
  começar	
  
•  Agora,	
  já	
  podemos	
  cruzar	
  a	
  classificação	
  dos	
  anúncios	
  
segundo	
  suas	
  caracterís5cas	
  ou	
  elementos	
  com	
  as	
  métricas	
  
de	
  performance	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Coloquem	
  seus	
  óculos...	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
OK!	
  Ready!	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Precisamos	
  de	
  uma	
  turbinada	
  no	
  Excel...	
  
•  Iremos	
  u5lizar	
  o	
  Add-­‐In	
  “Data	
  Analysis	
  Toolpak”	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Para	
  realizar	
  esta	
  análise,	
  aplicaremos	
  a	
  técnica	
  
de	
  regressão	
  mul5variada	
  
•  Escolha	
  no	
  “Data	
  Analysis”	
  a	
  técnica	
  “Regression”	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Configure	
  a	
  regressão	
  
•  Input	
  Y	
  =	
  O	
  resultado	
  final	
  que	
  queremos	
  analisar,	
  neste	
  caso	
  a	
  taxa	
  de	
  conversão	
  
•  Input	
  X	
  =	
  As	
  classificações	
  /	
  dummies	
  /	
  variáveis	
  que	
  qualificam	
  nossos	
  anúncios	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Voilá!	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
WTF?	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
R²	
  indica	
  se	
  o	
  modelo	
  criado	
  ajusta	
  bem	
  aos	
  
dados.	
  Neste	
  caso:	
  83%	
  da	
  variabilidade	
  dos	
  
dados	
  pode	
  ser	
  explicado	
  pela	
  regressão.	
  
Teste	
  F:	
  avalia	
  se	
  alguma	
  
das	
  variáveis	
  tem	
  relação	
  
linear	
  com	
  o	
  resultado	
  (Y)	
  
Neste	
  caso:	
  <0,05,	
  então	
  
sim!	
  modelo	
  parece	
  bom!	
  
P-­‐Value:	
  avalia	
  a	
  
probabilidade	
  da	
  variável	
  
ser	
  relevante	
  para	
  explicar	
  
o	
  modelo.	
  
Temá5ca	
  voltada	
  a	
  Atendimento,	
  Economia,	
  além	
  de	
  possivelmente	
  a	
  citação	
  
da	
  operadora	
  são	
  as	
  responsáveis	
  pelas	
  maiores	
  taxas	
  de	
  conversão	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
E	
  o	
  que	
  fazemos	
  agora?	
  
•  Aprendemos!	
  
•  Avaliamos	
  os	
  itens	
  classificados	
  com	
  os	
  critérios	
  vencedores	
  e	
  
criamos	
  mais	
  anúncios	
  com	
  as	
  mesmas	
  abordagens	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
ANÁLISE	
  PREDITIVA	
  
#4	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Criar	
  um	
  modelo	
  nos	
  permite	
  ir	
  além	
  de	
  
entender	
  o	
  presente	
  
•  Regressões	
  e	
  outras	
  técnicas	
  geram	
  coeficientes	
  e	
  índices	
  que	
  
podem	
  ser	
  aplicados	
  em	
  equações	
  e	
  sistemas	
  para	
  calcular	
  o	
  
futuro	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Caso:	
  Regressão	
  para	
  Séries	
  Temporais	
  
•  Obje5vo:	
  Predizer	
  o	
  volume	
  de	
  visitas	
  em	
  uma	
  sessão	
  do	
  site	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Podemos	
  notar	
  uma	
  série	
  temporal	
  
ao	
  longo	
  das	
  semanas,	
  com	
  menor	
  
audiência	
  aos	
  finais	
  de	
  semana	
  
Vamos	
  encontrar	
  um	
  modelo	
  
que	
  relacione	
  dias	
  da	
  semana,	
  
mês,	
  ano,	
  número	
  da	
  semana.	
  
Vamos	
  ver	
  a	
  primeira	
  regressão	
  
•  Aplicamos	
  todas	
  as	
  variáveis	
  e	
  dummies	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
R²	
  bom!	
  
P-­‐valor	
  <	
  0,05,	
  ou	
  seja,	
  
pelo	
  menos	
  uma	
  das	
  
variáveis	
  tem	
  relação	
  
linear	
  com	
  Y	
  
Algumas	
  variáveis	
  tem	
  menor	
  relação	
  com	
  
o	
  resultado	
  do	
  modelo	
  
Refazendo	
  o	
  modelo...	
  
•  Tiramos	
  variáveis	
  uma-­‐a-­‐uma	
  até	
  descobrir	
  o	
  modelo	
  que	
  
tenha	
  as	
  melhores	
  esta7s5cas	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
R²	
  bom!	
   P-­‐valor	
  <	
  0,05,	
  ou	
  seja,	
  
pelo	
  menos	
  uma	
  das	
  
variáveis	
  tem	
  relação	
  
linear	
  com	
  Y	
  
Valor-­‐p	
  menor	
  que	
  0,05	
  -­‐>	
  há	
  evidências	
  
de	
  que	
  a	
  variável	
  está	
  relacionada	
  com	
  Y	
  
Encontramos	
  um	
  modelo	
  para	
  es5mar	
  o	
  volume	
  
de	
  visitas	
  
•  Basta	
  usar	
  a	
  equação	
  abaixo	
  com	
  variáveis	
  do	
  período	
  que	
  
você	
  desejar	
  prever	
  
–  E(Y):	
  -­‐1.670	
  +9.437seg	
  +	
  8.895ter	
  +	
  8.827qua	
  +	
  8.193qui	
  +	
  6.670sex	
  +	
  
691sab	
  +	
  160mês	
  +	
  1.978ano	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
CUIDADOS	
  E	
  PRECAUÇÕES	
  
#5	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Correlação	
  não	
  implica	
  causalidade	
  
•  “Fiz	
  uma	
  análise	
  das	
  minhas	
  campanhas	
  e	
  percebi	
  uma	
  
correlação	
  alta	
  entre	
  os	
  dias	
  de	
  menor	
  conversão	
  e	
  o	
  número	
  
de	
  gols	
  do	
  Corinthians”	
  
–  Não	
  necessariamente	
  a	
  tristeza	
  ou	
  alegria	
  dos	
  alvinegros	
  impacta	
  no	
  
resultado	
  da	
  sua	
  campanha	
  
•  Algumas	
  variáveis	
  podem	
  não	
  estar	
  sendo	
  consideradas	
  
•  Coincidências	
  e	
  acasos	
  acontecem	
  e	
  nosso	
  cérebro	
  está	
  
preparado	
  para	
  enxergar	
  padrões	
  até	
  onde	
  não	
  há	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Saiba	
  avaliar	
  os	
  coeficientes	
  e	
  iden5ficar	
  erros	
  
•  Criar	
  e	
  interpretar	
  modelos	
  exige	
  uma	
  razoável	
  dose	
  de	
  
conhecimento	
  esta7s5co	
  e	
  matemá5co	
  
•  Alguns	
  modelos	
  podem	
  ser	
  inconclusivos	
  ou	
  insignificantes,	
  
ou	
  seja,	
  não	
  ajudam	
  a	
  prever	
  o	
  comportamento	
  ou	
  a	
  explicar	
  
os	
  dados	
  
•  Exercite	
  a	
  iden5ficação	
  dos	
  erros,	
  pra5que	
  a	
  o5mização	
  de	
  
modelos,	
  mas	
  o	
  mais	
  importante:	
  não	
  se	
  precipite	
  nem	
  tome	
  
decisões	
  sem	
  dados	
  
	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Cuidado	
  com	
  o	
  overfi|ng	
  
•  Modelos	
  servem	
  para	
  representar	
  um	
  conjunto	
  de	
  dados	
  e	
  
ajudar	
  a	
  prevê-­‐lo	
  com	
  certo	
  grau	
  de	
  confiança	
  
•  Mas,	
  mais	
  do	
  que	
  isso,	
  é	
  preciso	
  saber	
  que	
  os	
  erros	
  
acumulam-­‐se	
  à	
  medida	
  que	
  nos	
  distanciamos	
  dos	
  dados	
  reais	
  
•  Criar	
  modelos	
  complexos	
  demais	
  que	
  predizem	
  todos	
  os	
  
pontos	
  com	
  confianças	
  al7ssimas	
  pode	
  levar	
  a	
  achar	
  que	
  você	
  
tem	
  todo	
  o	
  futuro	
  previsto	
  nas	
  mãos,	
  mas	
  na	
  verdade	
  quanto	
  
mais	
  pontual	
  é	
  o	
  seu	
  chute	
  mais	
  fácil	
  é	
  errar	
  
•  O	
  melhor	
  modelo	
  não	
  é	
  que	
  o	
  acerta	
  mais	
  para	
  a	
  base	
  atual,	
  
mas	
  o	
  que	
  erra	
  menos	
  na	
  previsões	
  à	
  longo	
  prazo	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Quer	
  saber	
  mais?	
  
•  Análise	
  Mul5variada	
  de	
  
Dados	
  
–  Edilson	
  Paulo	
  
–  Luiz	
  J.	
  Corrar	
  	
  
–  José	
  Maria	
  Dias	
  Filho	
  
•  Editora	
  Atlas	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Não	
  tenham	
  medo!	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  
Obrigado!	
  
•  Leonardo	
  Naressi	
  
–  CIO	
  da	
  dp6	
  
–  Presidente	
  do	
  Comitê	
  de	
  Digital	
  
Analy5cs	
  da	
  IAB	
  Brasil	
  
–  Professor	
  na	
  ESPM	
  São	
  Paulo	
  
–  @LeoNaressi	
  
–  Linkedin.com/in/LeoNaressi	
  
–  facebook.com/LeoNaressi	
  
–  Leo@dp6.com.br	
  
@LeoNaressi	
  /	
  @_dp6	
  /	
  www.dp6.com.br	
  	
  

More Related Content

Similar to Modelagem e análise de dados em ppc - Search Masters Brasil 2013

Aula PPC Intensivo Digitalks
Aula PPC Intensivo DigitalksAula PPC Intensivo Digitalks
Aula PPC Intensivo DigitalksGerson Ribeiro
 
Digitalks - Aula Links Patrocinados - Módulo Básico
Digitalks - Aula Links Patrocinados - Módulo BásicoDigitalks - Aula Links Patrocinados - Módulo Básico
Digitalks - Aula Links Patrocinados - Módulo BásicoGerson Ribeiro
 
Aula Metricas Avançado Digitalks
Aula Metricas Avançado DigitalksAula Metricas Avançado Digitalks
Aula Metricas Avançado DigitalksGerson Ribeiro
 
Marketing Analytics para Startups
Marketing Analytics para StartupsMarketing Analytics para Startups
Marketing Analytics para StartupsSoneto
 
[Congresso Ads & Performance] Gestão de Performance: isso vai muito além da c...
[Congresso Ads & Performance] Gestão de Performance: isso vai muito além da c...[Congresso Ads & Performance] Gestão de Performance: isso vai muito além da c...
[Congresso Ads & Performance] Gestão de Performance: isso vai muito além da c...E-Commerce Brasil
 
Pitch get real mulltipla
Pitch get real mulltiplaPitch get real mulltipla
Pitch get real mulltiplaClaudio Donetti
 
Digital Day Brasília 2017
Digital Day Brasília 2017Digital Day Brasília 2017
Digital Day Brasília 2017IAB Brasil
 
Aula de Métricas e Monitoramento
Aula de Métricas e Monitoramento Aula de Métricas e Monitoramento
Aula de Métricas e Monitoramento Kaique Oliveira
 
Garage Proxxima 2012 / dp6 - Data-driven Marketing
Garage Proxxima 2012 / dp6 - Data-driven MarketingGarage Proxxima 2012 / dp6 - Data-driven Marketing
Garage Proxxima 2012 / dp6 - Data-driven Marketingdp6
 
Canal do Franchising Ed. 02
Canal do Franchising Ed. 02 Canal do Franchising Ed. 02
Canal do Franchising Ed. 02 Plugged Research
 
Atribuiçao de Resultados em Marketing
Atribuiçao de Resultados em MarketingAtribuiçao de Resultados em Marketing
Atribuiçao de Resultados em MarketingLeonardo Naressi
 
"Atribuição de resultados em marketing".
"Atribuição de resultados em marketing"."Atribuição de resultados em marketing".
"Atribuição de resultados em marketing".digitaltuesday
 
Debrief on martech - digital transformation for marketing, sales and service ...
Debrief on martech - digital transformation for marketing, sales and service ...Debrief on martech - digital transformation for marketing, sales and service ...
Debrief on martech - digital transformation for marketing, sales and service ...Márcio Reis Pinto
 
onPIC - Sua Foto Vale Muito Mais!
onPIC - Sua Foto Vale Muito Mais!onPIC - Sua Foto Vale Muito Mais!
onPIC - Sua Foto Vale Muito Mais!flavioargeu
 
Então, pronto para falarmos de VP, VPL e TIR
Então, pronto para falarmos de VP, VPL e TIREntão, pronto para falarmos de VP, VPL e TIR
Então, pronto para falarmos de VP, VPL e TIRPricila Yessayan
 
Estratégias de Alinhamento entre Vendas e Marketing: AMCHAM BH
Estratégias de Alinhamento entre Vendas e Marketing: AMCHAM BHEstratégias de Alinhamento entre Vendas e Marketing: AMCHAM BH
Estratégias de Alinhamento entre Vendas e Marketing: AMCHAM BHSalesforce Brasil
 
ACE Marketing Week 2016 - Analytics & Metrics
ACE Marketing Week 2016 - Analytics & MetricsACE Marketing Week 2016 - Analytics & Metrics
ACE Marketing Week 2016 - Analytics & MetricsLeonardo Naressi
 
José Calasanz | Portfólio de Análise de Dados
José Calasanz | Portfólio de Análise de DadosJosé Calasanz | Portfólio de Análise de Dados
José Calasanz | Portfólio de Análise de DadosJosé Calasanz
 

Similar to Modelagem e análise de dados em ppc - Search Masters Brasil 2013 (20)

Aula PPC Intensivo Digitalks
Aula PPC Intensivo DigitalksAula PPC Intensivo Digitalks
Aula PPC Intensivo Digitalks
 
Digitalks - Aula Links Patrocinados - Módulo Básico
Digitalks - Aula Links Patrocinados - Módulo BásicoDigitalks - Aula Links Patrocinados - Módulo Básico
Digitalks - Aula Links Patrocinados - Módulo Básico
 
Módulo 05 consolidar cenários metas solver
Módulo 05   consolidar cenários metas solverMódulo 05   consolidar cenários metas solver
Módulo 05 consolidar cenários metas solver
 
Aula Metricas Avançado Digitalks
Aula Metricas Avançado DigitalksAula Metricas Avançado Digitalks
Aula Metricas Avançado Digitalks
 
Marketing Analytics para Startups
Marketing Analytics para StartupsMarketing Analytics para Startups
Marketing Analytics para Startups
 
Palavras-chave RD Station
Palavras-chave RD StationPalavras-chave RD Station
Palavras-chave RD Station
 
[Congresso Ads & Performance] Gestão de Performance: isso vai muito além da c...
[Congresso Ads & Performance] Gestão de Performance: isso vai muito além da c...[Congresso Ads & Performance] Gestão de Performance: isso vai muito além da c...
[Congresso Ads & Performance] Gestão de Performance: isso vai muito além da c...
 
Pitch get real mulltipla
Pitch get real mulltiplaPitch get real mulltipla
Pitch get real mulltipla
 
Digital Day Brasília 2017
Digital Day Brasília 2017Digital Day Brasília 2017
Digital Day Brasília 2017
 
Aula de Métricas e Monitoramento
Aula de Métricas e Monitoramento Aula de Métricas e Monitoramento
Aula de Métricas e Monitoramento
 
Garage Proxxima 2012 / dp6 - Data-driven Marketing
Garage Proxxima 2012 / dp6 - Data-driven MarketingGarage Proxxima 2012 / dp6 - Data-driven Marketing
Garage Proxxima 2012 / dp6 - Data-driven Marketing
 
Canal do Franchising Ed. 02
Canal do Franchising Ed. 02 Canal do Franchising Ed. 02
Canal do Franchising Ed. 02
 
Atribuiçao de Resultados em Marketing
Atribuiçao de Resultados em MarketingAtribuiçao de Resultados em Marketing
Atribuiçao de Resultados em Marketing
 
"Atribuição de resultados em marketing".
"Atribuição de resultados em marketing"."Atribuição de resultados em marketing".
"Atribuição de resultados em marketing".
 
Debrief on martech - digital transformation for marketing, sales and service ...
Debrief on martech - digital transformation for marketing, sales and service ...Debrief on martech - digital transformation for marketing, sales and service ...
Debrief on martech - digital transformation for marketing, sales and service ...
 
onPIC - Sua Foto Vale Muito Mais!
onPIC - Sua Foto Vale Muito Mais!onPIC - Sua Foto Vale Muito Mais!
onPIC - Sua Foto Vale Muito Mais!
 
Então, pronto para falarmos de VP, VPL e TIR
Então, pronto para falarmos de VP, VPL e TIREntão, pronto para falarmos de VP, VPL e TIR
Então, pronto para falarmos de VP, VPL e TIR
 
Estratégias de Alinhamento entre Vendas e Marketing: AMCHAM BH
Estratégias de Alinhamento entre Vendas e Marketing: AMCHAM BHEstratégias de Alinhamento entre Vendas e Marketing: AMCHAM BH
Estratégias de Alinhamento entre Vendas e Marketing: AMCHAM BH
 
ACE Marketing Week 2016 - Analytics & Metrics
ACE Marketing Week 2016 - Analytics & MetricsACE Marketing Week 2016 - Analytics & Metrics
ACE Marketing Week 2016 - Analytics & Metrics
 
José Calasanz | Portfólio de Análise de Dados
José Calasanz | Portfólio de Análise de DadosJosé Calasanz | Portfólio de Análise de Dados
José Calasanz | Portfólio de Análise de Dados
 

More from Leonardo Naressi

Data science no marketing - Estatistica e Computacao para entender o Consumidor
Data science no marketing  - Estatistica e Computacao para entender o ConsumidorData science no marketing  - Estatistica e Computacao para entender o Consumidor
Data science no marketing - Estatistica e Computacao para entender o ConsumidorLeonardo Naressi
 
Atribuição de resutados em Social Media
Atribuição de resutados em Social MediaAtribuição de resutados em Social Media
Atribuição de resutados em Social MediaLeonardo Naressi
 
Text Mining - Social Media Week
Text Mining - Social Media WeekText Mining - Social Media Week
Text Mining - Social Media WeekLeonardo Naressi
 
Modelagem e Análise de Dados em PPC - Search Masters Brasil 2013
Modelagem e Análise de Dados em PPC - Search Masters Brasil 2013Modelagem e Análise de Dados em PPC - Search Masters Brasil 2013
Modelagem e Análise de Dados em PPC - Search Masters Brasil 2013Leonardo Naressi
 
Metricas de Marketing - Capitulo 1 - Introdução - Paul Ferris
Metricas de Marketing - Capitulo 1 - Introdução - Paul FerrisMetricas de Marketing - Capitulo 1 - Introdução - Paul Ferris
Metricas de Marketing - Capitulo 1 - Introdução - Paul FerrisLeonardo Naressi
 
Metricas de Marketing - Capitulo 1 - Paul Farris
Metricas de Marketing  - Capitulo 1 - Paul FarrisMetricas de Marketing  - Capitulo 1 - Paul Farris
Metricas de Marketing - Capitulo 1 - Paul FarrisLeonardo Naressi
 
Métricas, Redes Sociais e Buzz Intelligence
Métricas, Redes Sociais e Buzz IntelligenceMétricas, Redes Sociais e Buzz Intelligence
Métricas, Redes Sociais e Buzz IntelligenceLeonardo Naressi
 
Data-Driven Marketing - Intercon 2012 Métricas
Data-Driven Marketing - Intercon 2012 MétricasData-Driven Marketing - Intercon 2012 Métricas
Data-Driven Marketing - Intercon 2012 MétricasLeonardo Naressi
 
comScore brazil services overview geral abr12
comScore brazil services overview geral   abr12comScore brazil services overview geral   abr12
comScore brazil services overview geral abr12Leonardo Naressi
 
Apresentacao Hitwise Brasil
Apresentacao Hitwise BrasilApresentacao Hitwise Brasil
Apresentacao Hitwise BrasilLeonardo Naressi
 
Future in focus brazil mar2012 final
Future in focus brazil mar2012 finalFuture in focus brazil mar2012 final
Future in focus brazil mar2012 finalLeonardo Naressi
 
Apresentacao Comite de Metricas IAB - Maio/2012
Apresentacao Comite de Metricas IAB - Maio/2012Apresentacao Comite de Metricas IAB - Maio/2012
Apresentacao Comite de Metricas IAB - Maio/2012Leonardo Naressi
 
Web Analytics no TcheSEO 2011
Web Analytics no TcheSEO 2011Web Analytics no TcheSEO 2011
Web Analytics no TcheSEO 2011Leonardo Naressi
 
Trabalhando com palavras-chave e tráfego orgânico no Google Analytics
Trabalhando com palavras-chave e tráfego orgânico no Google Analytics Trabalhando com palavras-chave e tráfego orgânico no Google Analytics
Trabalhando com palavras-chave e tráfego orgânico no Google Analytics Leonardo Naressi
 
Search Intelligence - Social Media e Search Marketing - Proxxima 2011
Search Intelligence - Social Media e Search Marketing - Proxxima 2011Search Intelligence - Social Media e Search Marketing - Proxxima 2011
Search Intelligence - Social Media e Search Marketing - Proxxima 2011Leonardo Naressi
 
O show de Paul McCartney no Brasil nas redes sociais
O show de Paul McCartney no Brasil nas redes sociaisO show de Paul McCartney no Brasil nas redes sociais
O show de Paul McCartney no Brasil nas redes sociaisLeonardo Naressi
 
Cultura de Métricas para SEO (UaiSEO)
Cultura de Métricas para SEO (UaiSEO)Cultura de Métricas para SEO (UaiSEO)
Cultura de Métricas para SEO (UaiSEO)Leonardo Naressi
 
Search Labs 2010 - Metricas Avancadas para SEO
Search Labs 2010 - Metricas Avancadas para SEOSearch Labs 2010 - Metricas Avancadas para SEO
Search Labs 2010 - Metricas Avancadas para SEOLeonardo Naressi
 
Métricas e Otimização - Intercon 2009
Métricas e Otimização - Intercon 2009Métricas e Otimização - Intercon 2009
Métricas e Otimização - Intercon 2009Leonardo Naressi
 
Google Website Optimizer in Obama Landing Pages
Google Website Optimizer in Obama Landing PagesGoogle Website Optimizer in Obama Landing Pages
Google Website Optimizer in Obama Landing PagesLeonardo Naressi
 

More from Leonardo Naressi (20)

Data science no marketing - Estatistica e Computacao para entender o Consumidor
Data science no marketing  - Estatistica e Computacao para entender o ConsumidorData science no marketing  - Estatistica e Computacao para entender o Consumidor
Data science no marketing - Estatistica e Computacao para entender o Consumidor
 
Atribuição de resutados em Social Media
Atribuição de resutados em Social MediaAtribuição de resutados em Social Media
Atribuição de resutados em Social Media
 
Text Mining - Social Media Week
Text Mining - Social Media WeekText Mining - Social Media Week
Text Mining - Social Media Week
 
Modelagem e Análise de Dados em PPC - Search Masters Brasil 2013
Modelagem e Análise de Dados em PPC - Search Masters Brasil 2013Modelagem e Análise de Dados em PPC - Search Masters Brasil 2013
Modelagem e Análise de Dados em PPC - Search Masters Brasil 2013
 
Metricas de Marketing - Capitulo 1 - Introdução - Paul Ferris
Metricas de Marketing - Capitulo 1 - Introdução - Paul FerrisMetricas de Marketing - Capitulo 1 - Introdução - Paul Ferris
Metricas de Marketing - Capitulo 1 - Introdução - Paul Ferris
 
Metricas de Marketing - Capitulo 1 - Paul Farris
Metricas de Marketing  - Capitulo 1 - Paul FarrisMetricas de Marketing  - Capitulo 1 - Paul Farris
Metricas de Marketing - Capitulo 1 - Paul Farris
 
Métricas, Redes Sociais e Buzz Intelligence
Métricas, Redes Sociais e Buzz IntelligenceMétricas, Redes Sociais e Buzz Intelligence
Métricas, Redes Sociais e Buzz Intelligence
 
Data-Driven Marketing - Intercon 2012 Métricas
Data-Driven Marketing - Intercon 2012 MétricasData-Driven Marketing - Intercon 2012 Métricas
Data-Driven Marketing - Intercon 2012 Métricas
 
comScore brazil services overview geral abr12
comScore brazil services overview geral   abr12comScore brazil services overview geral   abr12
comScore brazil services overview geral abr12
 
Apresentacao Hitwise Brasil
Apresentacao Hitwise BrasilApresentacao Hitwise Brasil
Apresentacao Hitwise Brasil
 
Future in focus brazil mar2012 final
Future in focus brazil mar2012 finalFuture in focus brazil mar2012 final
Future in focus brazil mar2012 final
 
Apresentacao Comite de Metricas IAB - Maio/2012
Apresentacao Comite de Metricas IAB - Maio/2012Apresentacao Comite de Metricas IAB - Maio/2012
Apresentacao Comite de Metricas IAB - Maio/2012
 
Web Analytics no TcheSEO 2011
Web Analytics no TcheSEO 2011Web Analytics no TcheSEO 2011
Web Analytics no TcheSEO 2011
 
Trabalhando com palavras-chave e tráfego orgânico no Google Analytics
Trabalhando com palavras-chave e tráfego orgânico no Google Analytics Trabalhando com palavras-chave e tráfego orgânico no Google Analytics
Trabalhando com palavras-chave e tráfego orgânico no Google Analytics
 
Search Intelligence - Social Media e Search Marketing - Proxxima 2011
Search Intelligence - Social Media e Search Marketing - Proxxima 2011Search Intelligence - Social Media e Search Marketing - Proxxima 2011
Search Intelligence - Social Media e Search Marketing - Proxxima 2011
 
O show de Paul McCartney no Brasil nas redes sociais
O show de Paul McCartney no Brasil nas redes sociaisO show de Paul McCartney no Brasil nas redes sociais
O show de Paul McCartney no Brasil nas redes sociais
 
Cultura de Métricas para SEO (UaiSEO)
Cultura de Métricas para SEO (UaiSEO)Cultura de Métricas para SEO (UaiSEO)
Cultura de Métricas para SEO (UaiSEO)
 
Search Labs 2010 - Metricas Avancadas para SEO
Search Labs 2010 - Metricas Avancadas para SEOSearch Labs 2010 - Metricas Avancadas para SEO
Search Labs 2010 - Metricas Avancadas para SEO
 
Métricas e Otimização - Intercon 2009
Métricas e Otimização - Intercon 2009Métricas e Otimização - Intercon 2009
Métricas e Otimização - Intercon 2009
 
Google Website Optimizer in Obama Landing Pages
Google Website Optimizer in Obama Landing PagesGoogle Website Optimizer in Obama Landing Pages
Google Website Optimizer in Obama Landing Pages
 

Recently uploaded

Congresso Grocery & Drinks I Como criar novos modelos de negócio para Grocery...
Congresso Grocery & Drinks I Como criar novos modelos de negócio para Grocery...Congresso Grocery & Drinks I Como criar novos modelos de negócio para Grocery...
Congresso Grocery & Drinks I Como criar novos modelos de negócio para Grocery...E-Commerce Brasil
 
Congresso Grocery & Drinks | Visões sobre o futuro da digitalização dos super...
Congresso Grocery & Drinks | Visões sobre o futuro da digitalização dos super...Congresso Grocery & Drinks | Visões sobre o futuro da digitalização dos super...
Congresso Grocery & Drinks | Visões sobre o futuro da digitalização dos super...E-Commerce Brasil
 
Saiba como participar da promoção Lavanderia Cotidiano e concorra a prêmios
Saiba como participar da promoção Lavanderia Cotidiano e concorra a prêmiosSaiba como participar da promoção Lavanderia Cotidiano e concorra a prêmios
Saiba como participar da promoção Lavanderia Cotidiano e concorra a prêmiosGiovannaTorreaoDiniz
 
Congresso Grocery & Drinks I Como orquestração de pagamentos pode diminuir o ...
Congresso Grocery & Drinks I Como orquestração de pagamentos pode diminuir o ...Congresso Grocery & Drinks I Como orquestração de pagamentos pode diminuir o ...
Congresso Grocery & Drinks I Como orquestração de pagamentos pode diminuir o ...E-Commerce Brasil
 
Congresso Grocery & Drinks I Desafios e importância de fidelizar o seu cliente.
Congresso Grocery & Drinks I Desafios e importância de fidelizar o seu cliente.Congresso Grocery & Drinks I Desafios e importância de fidelizar o seu cliente.
Congresso Grocery & Drinks I Desafios e importância de fidelizar o seu cliente.E-Commerce Brasil
 
Sara Alves postou a lista e seu nome está nela
Sara Alves postou a lista e seu nome está nelaSara Alves postou a lista e seu nome está nela
Sara Alves postou a lista e seu nome está nelaxsm5sg4hwc
 
Congresso Grocery & Drinks | Uso de dados nas decisões de crédito para empres...
Congresso Grocery & Drinks | Uso de dados nas decisões de crédito para empres...Congresso Grocery & Drinks | Uso de dados nas decisões de crédito para empres...
Congresso Grocery & Drinks | Uso de dados nas decisões de crédito para empres...E-Commerce Brasil
 
FOZ DO IGUAÇU- guarda civil municipal salário e condições gerais
FOZ DO IGUAÇU- guarda civil municipal salário e condições geraisFOZ DO IGUAÇU- guarda civil municipal salário e condições gerais
FOZ DO IGUAÇU- guarda civil municipal salário e condições geraisssuser64df3a
 
Relatório Assembleias - Cresol Horizonte
Relatório Assembleias - Cresol HorizonteRelatório Assembleias - Cresol Horizonte
Relatório Assembleias - Cresol Horizonteisraelmacedo12
 
Grocery and Drinks Congresso I E-commerce Inteligente e Personalização em Es...
Grocery and Drinks Congresso  I E-commerce Inteligente e Personalização em Es...Grocery and Drinks Congresso  I E-commerce Inteligente e Personalização em Es...
Grocery and Drinks Congresso I E-commerce Inteligente e Personalização em Es...E-Commerce Brasil
 
A Historia das Coisas - Annie Leonard - MeuPDF.pdf
A Historia das Coisas - Annie Leonard - MeuPDF.pdfA Historia das Coisas - Annie Leonard - MeuPDF.pdf
A Historia das Coisas - Annie Leonard - MeuPDF.pdfHelenHilrio
 
Congresso Grocery & Drinks | Benefícios fiscais e as vantagens para o Grocery...
Congresso Grocery & Drinks | Benefícios fiscais e as vantagens para o Grocery...Congresso Grocery & Drinks | Benefícios fiscais e as vantagens para o Grocery...
Congresso Grocery & Drinks | Benefícios fiscais e as vantagens para o Grocery...E-Commerce Brasil
 

Recently uploaded (12)

Congresso Grocery & Drinks I Como criar novos modelos de negócio para Grocery...
Congresso Grocery & Drinks I Como criar novos modelos de negócio para Grocery...Congresso Grocery & Drinks I Como criar novos modelos de negócio para Grocery...
Congresso Grocery & Drinks I Como criar novos modelos de negócio para Grocery...
 
Congresso Grocery & Drinks | Visões sobre o futuro da digitalização dos super...
Congresso Grocery & Drinks | Visões sobre o futuro da digitalização dos super...Congresso Grocery & Drinks | Visões sobre o futuro da digitalização dos super...
Congresso Grocery & Drinks | Visões sobre o futuro da digitalização dos super...
 
Saiba como participar da promoção Lavanderia Cotidiano e concorra a prêmios
Saiba como participar da promoção Lavanderia Cotidiano e concorra a prêmiosSaiba como participar da promoção Lavanderia Cotidiano e concorra a prêmios
Saiba como participar da promoção Lavanderia Cotidiano e concorra a prêmios
 
Congresso Grocery & Drinks I Como orquestração de pagamentos pode diminuir o ...
Congresso Grocery & Drinks I Como orquestração de pagamentos pode diminuir o ...Congresso Grocery & Drinks I Como orquestração de pagamentos pode diminuir o ...
Congresso Grocery & Drinks I Como orquestração de pagamentos pode diminuir o ...
 
Congresso Grocery & Drinks I Desafios e importância de fidelizar o seu cliente.
Congresso Grocery & Drinks I Desafios e importância de fidelizar o seu cliente.Congresso Grocery & Drinks I Desafios e importância de fidelizar o seu cliente.
Congresso Grocery & Drinks I Desafios e importância de fidelizar o seu cliente.
 
Sara Alves postou a lista e seu nome está nela
Sara Alves postou a lista e seu nome está nelaSara Alves postou a lista e seu nome está nela
Sara Alves postou a lista e seu nome está nela
 
Congresso Grocery & Drinks | Uso de dados nas decisões de crédito para empres...
Congresso Grocery & Drinks | Uso de dados nas decisões de crédito para empres...Congresso Grocery & Drinks | Uso de dados nas decisões de crédito para empres...
Congresso Grocery & Drinks | Uso de dados nas decisões de crédito para empres...
 
FOZ DO IGUAÇU- guarda civil municipal salário e condições gerais
FOZ DO IGUAÇU- guarda civil municipal salário e condições geraisFOZ DO IGUAÇU- guarda civil municipal salário e condições gerais
FOZ DO IGUAÇU- guarda civil municipal salário e condições gerais
 
Relatório Assembleias - Cresol Horizonte
Relatório Assembleias - Cresol HorizonteRelatório Assembleias - Cresol Horizonte
Relatório Assembleias - Cresol Horizonte
 
Grocery and Drinks Congresso I E-commerce Inteligente e Personalização em Es...
Grocery and Drinks Congresso  I E-commerce Inteligente e Personalização em Es...Grocery and Drinks Congresso  I E-commerce Inteligente e Personalização em Es...
Grocery and Drinks Congresso I E-commerce Inteligente e Personalização em Es...
 
A Historia das Coisas - Annie Leonard - MeuPDF.pdf
A Historia das Coisas - Annie Leonard - MeuPDF.pdfA Historia das Coisas - Annie Leonard - MeuPDF.pdf
A Historia das Coisas - Annie Leonard - MeuPDF.pdf
 
Congresso Grocery & Drinks | Benefícios fiscais e as vantagens para o Grocery...
Congresso Grocery & Drinks | Benefícios fiscais e as vantagens para o Grocery...Congresso Grocery & Drinks | Benefícios fiscais e as vantagens para o Grocery...
Congresso Grocery & Drinks | Benefícios fiscais e as vantagens para o Grocery...
 

Modelagem e análise de dados em ppc - Search Masters Brasil 2013

  • 1. Modelagem  e  Análise  de  Dados  em  PPC   Aplicando  matemá5ca,  esta7s5ca  e  inteligência  na  gestão  de   campanhas  de  performance     Leonardo  Naressi   @LeoNaressi  
  • 2. Vamos  começar...   •  Leonardo  Naressi   –  CIO  da  dp6   –  Presidente  do  Comitê  de  Digital   Analy5cs  da  IAB  Brasil   –  Professor  na  ESPM  São  Paulo   –  @LeoNaressi   –  Linkedin.com/in/LeoNaressi   –  facebook.com/LeoNaressi   –  Leo@dp6.com.br   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 3. POR  QUE  MODELAR?   #1   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 4. Modelar?   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 5. Não,  modelar!   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 6. @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 7. Quando  enxergamos  a  montanha  de  dados  e   métricas,  buscamos  encontrar  mo5vos  e  razões   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 8. O  que  os  dados  e  métricas  gerais  nos  mostram  é   só  a  ponta  do  iceberg   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 9. Precisamos  estudar  e  modelar  o  que  não  está   explícito   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 10. E  aí  precisamos  esmiuçar,  aprofundar  e   enriquecer  nossos  dados   @LeoNaressi  /  @_dp6  /  www.dp6.com.br     Qual  era  o  cenário   compe55vo  nessas   veiculações?   O  concorrente  anunciou   preços  mais  baixos?   Meus  anúncios   mencionavam   parcelamento?   Meu  anúncio   citavam  minha   marca?   Executei  outras   campanhas  em   paralelo?  
  • 11. Coloquem  seus  óculos...   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 12. OK!  Ready!   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 13. Nossa  boa  e  velha  amiga,  a  planilha!   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 14. É  na  planilha  que  iremos  reunir  as  engrenagens   necessárias...   Dados  de  Campanhas   Dados  de   Concorrência   Classificações   cria5vas   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 15. Montando  as  engrenagens,  conseguimos   modelar  o  motor  das  nossas  campanhas   Entender  a   relação  entre   o  anúncio  e  o   público   Capturar  a   influência  das   ações  do   mercado  e  da   concorrência   Avaliar  o   impacto  de   mudanças  no   cenário   Prever  o   futuro  de   novas   situações   semelhantes   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 16. ENCONTRANDO  CORRELAÇÕES   #2   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 17. Imagine  o  cenário  de  uma  campanha  de  LP  que   leve  para  um  landing  page  de  conversão   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 18. Mas,  planejou-­‐se  para  a  campanha  um  reforço   em  mídia  display   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 19. Os  dados:   @LeoNaressi  /  @_dp6  /  www.dp6.com.br     0   50   100   150   200   250   300   350   400   0   5,000   10,000   15,000   20,000   25,000   30,000   1   2   3   4   5   6   7   8   9   10   Impressões  banner   Impressões   Links  patrocinados   Conversão  
  • 20. As  perguntas  são:   @LeoNaressi  /  @_dp6  /  www.dp6.com.br     Qual  o  impacto  do  meu   inves5mento  em  display   nas  minhas  buscas?   A  campanha  display   impactou  significa5vamente   nas  conversões  finais?   Se  eu  inves5r  mais  em   display  terei  resultados   melhores  em  LP?  
  • 21. A  solucioná5ca:   @LeoNaressi  /  @_dp6  /  www.dp6.com.br     Dados  utilizados   Dias   Impressões     banner   Impressões   LP   Conversão   1   0   10.209   125   2   0   13.656   100   3   0   13.564   134   4   0   13.399   135   5   0   10.066   100   6   26.429   14.066   185   7   25.736   15.998   152   8   29.739   14.251   147   9   27.116   17.308   187   10   23.910   14.743   154   Correlação   Banner  x  LP   0,719017   Banner  x  Conversão   0,806832   LP  x  Conversão   0,7165   Coe$iciente  de Correlação  (ρ) Fórmula  utilizada   OU   função  CORREL(Matriz1;Matriz2)    no  Excel
  • 22. Sim,  há  uma  correlação  forte  entre  o  impacto  das  impressões   display  tanto  no  volume  de  LP  quanto  nas  conversões  finais     @LeoNaressi  /  @_dp6  /  www.dp6.com.br     Valor  de  ρ  (+  ou  -­‐)   Interpretação   0,00   As  duas  variáveis  não  dependem  linearmente  uma  da  outra   (instigar  outros  meios)   0,00  <  ρ  <  0,19   Correlação  bem  fraca   0,20  <  ρ  <  0,39   Correlação  fraca   0,40  <  ρ  <  0,69   Correlação  moderada   0,70  <  ρ  <  0,89   Correlação  forte   0,90  <  ρ  <  1,00   Correlação  bem  forte   1,00   Correlação  perfeita  positiva  entre  as  duas  variáveis   -­‐1,00   Correlação  negativa  perfeita  entre  as  duas  variáveis     (se  uma  aumenta,  a  outra  sempre  diminui)  
  • 23. ANÁLISE  MULTIVARIADA   #3   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 24. Caso  prá5co:  O5mização  de  Anúncios   •  Temos  15  anúncios  para  nossa  campanha  e  cada  aplica  conceitos  diferentes   –  Cita  a  Marca  ou  outras  marcas  de  fabricantes   –  Menciona  preço  ou  não   –  Aborda  benejcios  como  cobertura  ou  atendimento   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 25. Vejamos  os  dados-­‐padrão   •  Temos  Cliques,  Impressões,  CTR,  CPC,  Posição  média,  CPA,   Conversões     •  O  obje5vo  dessa  análise  era  responder:   –  Que  elementos  dos  anúncios  impactam  minha  conversão  final?   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 26. @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 27. Como  fazemos  isso?   •  Os  aspectos  e  os  elementos  dis5ntos  além  de  suas   abordagens  não  estão  claros   •  Alguns  anúncios  misturam  mais  de  uma  técnica  principal   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 28. Ahá!  Dados  “Dummy”!   •  Criamos  colunas  extras  que  servem  apenas   para  criar  classificações  personalizadas   •  Nelas  pontuamos  a  presença  dos  elementos   que  queremos  analisar   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 29. Com  as  métricas  em  mãos  e  os  dados  dummy,   podemos  começar   •  Agora,  já  podemos  cruzar  a  classificação  dos  anúncios   segundo  suas  caracterís5cas  ou  elementos  com  as  métricas   de  performance   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 30. Coloquem  seus  óculos...   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 31. OK!  Ready!   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 32. Precisamos  de  uma  turbinada  no  Excel...   •  Iremos  u5lizar  o  Add-­‐In  “Data  Analysis  Toolpak”   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 33. Para  realizar  esta  análise,  aplicaremos  a  técnica   de  regressão  mul5variada   •  Escolha  no  “Data  Analysis”  a  técnica  “Regression”   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 34. Configure  a  regressão   •  Input  Y  =  O  resultado  final  que  queremos  analisar,  neste  caso  a  taxa  de  conversão   •  Input  X  =  As  classificações  /  dummies  /  variáveis  que  qualificam  nossos  anúncios   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 35. Voilá!   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 36. WTF?   @LeoNaressi  /  @_dp6  /  www.dp6.com.br     R²  indica  se  o  modelo  criado  ajusta  bem  aos   dados.  Neste  caso:  83%  da  variabilidade  dos   dados  pode  ser  explicado  pela  regressão.   Teste  F:  avalia  se  alguma   das  variáveis  tem  relação   linear  com  o  resultado  (Y)   Neste  caso:  <0,05,  então   sim!  modelo  parece  bom!   P-­‐Value:  avalia  a   probabilidade  da  variável   ser  relevante  para  explicar   o  modelo.  
  • 37. Temá5ca  voltada  a  Atendimento,  Economia,  além  de  possivelmente  a  citação   da  operadora  são  as  responsáveis  pelas  maiores  taxas  de  conversão   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 38. E  o  que  fazemos  agora?   •  Aprendemos!   •  Avaliamos  os  itens  classificados  com  os  critérios  vencedores  e   criamos  mais  anúncios  com  as  mesmas  abordagens   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 39. ANÁLISE  PREDITIVA   #4   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 40. Criar  um  modelo  nos  permite  ir  além  de   entender  o  presente   •  Regressões  e  outras  técnicas  geram  coeficientes  e  índices  que   podem  ser  aplicados  em  equações  e  sistemas  para  calcular  o   futuro   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 41. Caso:  Regressão  para  Séries  Temporais   •  Obje5vo:  Predizer  o  volume  de  visitas  em  uma  sessão  do  site   @LeoNaressi  /  @_dp6  /  www.dp6.com.br     Podemos  notar  uma  série  temporal   ao  longo  das  semanas,  com  menor   audiência  aos  finais  de  semana   Vamos  encontrar  um  modelo   que  relacione  dias  da  semana,   mês,  ano,  número  da  semana.  
  • 42. Vamos  ver  a  primeira  regressão   •  Aplicamos  todas  as  variáveis  e  dummies   @LeoNaressi  /  @_dp6  /  www.dp6.com.br     R²  bom!   P-­‐valor  <  0,05,  ou  seja,   pelo  menos  uma  das   variáveis  tem  relação   linear  com  Y   Algumas  variáveis  tem  menor  relação  com   o  resultado  do  modelo  
  • 43. Refazendo  o  modelo...   •  Tiramos  variáveis  uma-­‐a-­‐uma  até  descobrir  o  modelo  que   tenha  as  melhores  esta7s5cas   @LeoNaressi  /  @_dp6  /  www.dp6.com.br     R²  bom!   P-­‐valor  <  0,05,  ou  seja,   pelo  menos  uma  das   variáveis  tem  relação   linear  com  Y   Valor-­‐p  menor  que  0,05  -­‐>  há  evidências   de  que  a  variável  está  relacionada  com  Y  
  • 44. Encontramos  um  modelo  para  es5mar  o  volume   de  visitas   •  Basta  usar  a  equação  abaixo  com  variáveis  do  período  que   você  desejar  prever   –  E(Y):  -­‐1.670  +9.437seg  +  8.895ter  +  8.827qua  +  8.193qui  +  6.670sex  +   691sab  +  160mês  +  1.978ano   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 45. CUIDADOS  E  PRECAUÇÕES   #5   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 46. @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 47. Correlação  não  implica  causalidade   •  “Fiz  uma  análise  das  minhas  campanhas  e  percebi  uma   correlação  alta  entre  os  dias  de  menor  conversão  e  o  número   de  gols  do  Corinthians”   –  Não  necessariamente  a  tristeza  ou  alegria  dos  alvinegros  impacta  no   resultado  da  sua  campanha   •  Algumas  variáveis  podem  não  estar  sendo  consideradas   •  Coincidências  e  acasos  acontecem  e  nosso  cérebro  está   preparado  para  enxergar  padrões  até  onde  não  há   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 48. Saiba  avaliar  os  coeficientes  e  iden5ficar  erros   •  Criar  e  interpretar  modelos  exige  uma  razoável  dose  de   conhecimento  esta7s5co  e  matemá5co   •  Alguns  modelos  podem  ser  inconclusivos  ou  insignificantes,   ou  seja,  não  ajudam  a  prever  o  comportamento  ou  a  explicar   os  dados   •  Exercite  a  iden5ficação  dos  erros,  pra5que  a  o5mização  de   modelos,  mas  o  mais  importante:  não  se  precipite  nem  tome   decisões  sem  dados     @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 49. Cuidado  com  o  overfi|ng   •  Modelos  servem  para  representar  um  conjunto  de  dados  e   ajudar  a  prevê-­‐lo  com  certo  grau  de  confiança   •  Mas,  mais  do  que  isso,  é  preciso  saber  que  os  erros   acumulam-­‐se  à  medida  que  nos  distanciamos  dos  dados  reais   •  Criar  modelos  complexos  demais  que  predizem  todos  os   pontos  com  confianças  al7ssimas  pode  levar  a  achar  que  você   tem  todo  o  futuro  previsto  nas  mãos,  mas  na  verdade  quanto   mais  pontual  é  o  seu  chute  mais  fácil  é  errar   •  O  melhor  modelo  não  é  que  o  acerta  mais  para  a  base  atual,   mas  o  que  erra  menos  na  previsões  à  longo  prazo   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 50. Quer  saber  mais?   •  Análise  Mul5variada  de   Dados   –  Edilson  Paulo   –  Luiz  J.  Corrar     –  José  Maria  Dias  Filho   •  Editora  Atlas   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 51. Não  tenham  medo!   @LeoNaressi  /  @_dp6  /  www.dp6.com.br    
  • 52. Obrigado!   •  Leonardo  Naressi   –  CIO  da  dp6   –  Presidente  do  Comitê  de  Digital   Analy5cs  da  IAB  Brasil   –  Professor  na  ESPM  São  Paulo   –  @LeoNaressi   –  Linkedin.com/in/LeoNaressi   –  facebook.com/LeoNaressi   –  Leo@dp6.com.br   @LeoNaressi  /  @_dp6  /  www.dp6.com.br