Coluna escrita por Breno Soutto, profissional de comunicação com carreira focada em inteligência de mercado e comportamento do consumidor. Está à frente da revolução de IA no Grupo Elife.
Dados demais e estrutura de menos
Quem se dedica a trabalhar com inteligência de dados de redes sociais tem um desafio constante: organizar e dar significado a um fluxo de informações cada vez maior, de múltiplas fontes, desestruturado (ou, na melhor hipótese, com estruturas de informação distintas) e de caráter imediato.
Neste mix de dados – textos, imagens, vídeos, e interações – de fontes distintas, com métricas e parâmetros próprios, é nossa função criar ferramentas para que empresas obtenham melhores resultados e se sujeitem a menos riscos.
No dia a dia, a urgência muitas vezes prevalece, fazendo com que os dados de redes sociais sejam usados rapidamente, geralmente para medições pontuais, e não explorados em seu potencial estratégico. Isso relega os relatórios periódicos a funções mais limitadas de monitoramento e composição de KPIs internos.
A constante busca por novidades
Outro desafio é identificar novidades nos dados, pois a percepção pública sobre marcas muda lentamente, exceto quando grandes eventos como crises, lançamentos ou ações de patrocínio provocam alterações.
Neste cenário de grandes volumes, encontrar novidades que gerem insights e permitam ações se torna uma missão que não é impossível, mas quase sempre é lenta e, muitas vezes, perde-se o timing de execução, uma vez que as aberturas em redes são bastante efêmeras.
GPT: um aliado na organização dos dados
O ambiente descrito acima, onde volumes e velocidade dificultam a extração de informações dos dados, é um prato cheio para o GPT – e outras interfaces generativas, aqui vou usar o termo “GPT” como sinônimo destas tecnologias. A plataforma apresenta suas melhores performances justamente na leitura dos conteúdos das publicações de forma contextualizada e não no processamento de variáveis quantitativas de grandes volumes segundo observações que fizemos na Elife e na Buzzmonitor.
O fato de os dados serem desestruturados é uma vantagem para a plataforma, que consegue ler o database e interpretar seu conteúdo, dispensando classificações anteriormente atribuídas. Assim, ganha-se tempo, uma vez que não precisamos atribuir variáveis como sentimento, assunto, público ou qualquer outra às informações e também precisão, já que as árvores e variáveis de classificação não precisam ser fixas. Elas podem ser decididas de acordo com cada database e cada pergunta feita aos dados.
Soma-se a isso o imediatismo com que a ferramenta lê os dados e chegamos à capacidade de gerar reports e aprofundá-los por meio de perguntas em tempo real. Um bom exemplo de análise são os Insight Pills – entrega diária do grupo Elife baseada em AI – em que 400 mil linhas de dados foram lidas e interpretadas em segundos.
Novas possibilidades de reports
A junção da capacidade de coleta de ferramentas de gestão de redes sociais com as possibilidades de processamento e leituras de dados do GPT abre toda uma nova gama de entregas. Por meio de prompts dedicados e com comandos de densidade – que analisam e interpretam os dados várias vezes para entregar um olhar completo e sucinto – é possível chegar a entregas diárias que falam sobre a completude da presença da marca em redes sociais de maneira completamente automatizada e com tempo de elaboração dos reports quase nulo.
Comandos específicos para busca de novos aspectos nas conversas, que lancem luz sobre aspectos de interesse que ainda não foram trabalhados ajudam na obtenção de insights para ações, ainda que estas conversas estejam escondidas sob os grandes volumes de buzz.
Mais possibilidades de acesso
Também é interessante notar a multiplicidade de canais que podemos utilizar para extração de inteligência. O GPT é altamente customizável e é possível criar múltiplas interfaces, que permitem não só receber informações, mas também interagir com a plataforma e aprofundar nosso conhecimento.
No caso dos Insight Pills, por exemplo, a informação pode ser enviada por e-mail, WhatsApp, via GePeTo – nossa leitura de uma plataforma GPT like inspirada na interface da OpenAI – e até por mensagens de voz com o resumo do dia.
Há oportunidades, mas teremos de nos reinventar
As novas possibilidades são bastante animadoras. Contudo, é importante notar as capacidades e particularidades operacionais das novas ferramentas e nos adaptarmos a elas. Para se obter respostas mais rápidas e flexíveis, é preciso mudar a maneira como se pensa banco de dados e como se processam informações.
Mudar a mentalidade para algo menos mecânico e mais dialógico, criar instruções que compreendam o contexto da marca e a finalidade da resposta, criar personas que tenham uma função, um tom de voz e que estejam escrevendo com uma finalidade e, principalmente, compreender quais dados se deseja obter de nossas análises.
Embora seja uma tecnologia que assuste um pouco à primeira vista, ela também é bastante amigável em sua interface e vale muito a pena fazer testes, se familiarizar e se aventurar nas ferramentas.
Veja também:
Chatbots emocionalmente alfabetizados – por William Ferreira