Por Ronaldo Amá
Sistemas Geográficos de Informação (GIS-Geographical Information Systems) são utilizados há vários anos, tendo suas origens ligadas ao registro e análise visual de informações geográficas tradicionais, tais como o estudo de solos, climas e vegetações.
Com a crescente utilização de sistemas de informação para apoiar empresas e negócios, de uma maneira geral, os GIS tornaram-se também poderosos aliados na geração de receitas e redução de despesas. O planejamento de redes de distribuição de água, gás ou energia, a prospecção de jazidas de minérios, a sofisticação no planejamento da agricultura e diversas outras atividades, incluindo os esforços de manutenção do equilíbrio ecológico, tão em evidência hoje em dia, são alguns exemplos de utilização de GIS em empresas. Estas atividades, entretanto, têm sua ligação com o mundo GIS através de suas raízes, evocando o estereótipo tradicional onde imaginamos GIS como sendo um conjunto de mapas com cores diferentes representando altitude, quantidade de água, localização de uma tubulação etc.
Num primeiro instante, é importante ressaltar que os GIS são usados para abstrair, de forma visual e espacial, diversos tipos de informação contidas em um banco de dados. Essas informações, sem dúvida alguma, podem representar a temperatura em uma certa região ou a tubulação de esgoto de uma certa área. Mas podem também representar a renda familiar mensal média daquela região, ou mesmo a idade média das pessoas que ali habitam, como é o caso de pesquisas censitárias conhecidas há tanto tempo.
É este último universo de informações, aquele onde incluímos informações relativas a indivíduos, famílias, grupos e sociedades (informações sócio-demográficas), que faz brilhar os olhos de um profissional de marketing. É na capacidade de poder cruzar informações deste tipo com outros tipos de informação (por exemplo, relativas a produtos), que se encontram as campanhas de marketing para o incremento de receitas de uma empresa, tais como o marketing direto para cross-selling de produtos.
Análises de Marketing
O maior fator motivador por trás da adoção de uma certa tecnologia é sua capacidade de nos ajudar a fazer algo novo ou melhor do que fazíamos antes. No caso de sistemas geográficos de informações a marketing, é importante ressaltar as potencialidades desses sistemas em duas áreas, especificamente:
– visualização espacial de informações
– tratamento espacial de informações
A visualização espacial de informações tem grande importância na apresentação e análise de um conjunto de variáveis, independente destas variáveis serem de natureza tipicamente espacial ou não. Por exemplo, representar o volume de vendas de um produto, por estado, através da altura com que desenhamos cada estado, permite identificar rapidamente não só os estados que vendem mais ou menos, mas também se há regiões que agrupam mais ou menos vendas (por exemplo, a região Sudeste).
As técnicas e ferramentas de visualização são, de um lado, a parte dos sistemas geográficos de informação que estão mais próximas do usuário, sendo normalmente classificadas como a parte cliente dos GIS. Como complemento, o tratamento espacial de informações, onde dados espaciais são manipulados para se obter resultados práticos, é a parte dos GIS que normalmente é classificada como servidora.
O tratamento de informações tem uma importância grande nas atividades de marketing, independente da visualização das informações. Por exemplo, vamos supor que alguém possui uma loja e uma lista de pessoas, com nome, idade e endereço, que não são seus clientes. Descobrir quais destas pessoas moram a menos de dez quadras desta loja é um trabalho que envolve tratamento espacial de informações ("realizado no lado servidor"), mas não necessariamente precisamos de sua visualização ("do lado cliente"), uma listagem para mala direta seria suficiente. É o tratamento analítico das informações espaciais, junto com seu armazenamento, que se integra cada vez mais aos sistemas gerenciadores de bancos de dados.
Análises Básicas
Continuando o exemplo da loja citado acima, poderíamos analisar melhor o perfil dos clientes desta loja, perguntando: Qual a distância média que meus clientes moram da minha loja?
Uma vez sabendo isso, poderíamos afinar ainda mais nossas campanhas de marketing direto para selecionar os potenciais clientes (prospects) que estivessem nesse perímetro, o que não significa necessariamente no mesmo bairro (algo que, às vezes, é obtido com o uso de CEPs, com menor taxa de acerto, e somente em certas cidades). Do ponto de vista de visualização, poderíamos projetar um mapa com a loja e seu "perímetro médio" de atuação. Em redes de franquias, a norma é delimitar essa "região de atuação" para cada loja, de forma a preservar um potencial de faturamento. Uma pergunta natural, seria então: Qual minha previsão de perda de faturamento quando abrirem outra loja, da mesma franquia que a minha, em uma região ao lado da minha?
Agora consideremos uma instituição financeira, com presença nacional. Os endereços de seus clientes situam-se em bairros, que por sua vez estão em cidades, e assim por diante. Quais clientes meus, atualmente, estariam mais próximos de uma nova agência que gostaríamos de abrir, em relação às outras agências que já possuímos? Naturalmente, estes seriam os clientes-alvo da campanha de divulgação da nova agência. E o mesmo ocorre ao contrário, quando se decide fechar uma agência e é desejável orientar os clientes para a agência remanescente mais próxima de sua residência.
Se, novamente, analisarmos a distância média dos clientes para outras agências de perfil semelhante, podemos até mesmo prever o volume de perda de clientes por fechar uma agência (porque a distância aumentou) ou o aumento de fidelização de clientes existentes (que influi diretamente em seu "life-time value") ao se abrir uma nova agência (porque a distância diminuiu).
Análises Avançadas
Combinando algumas análises citadas anteriormente com outras informações de negócios podemos levar os sistemas geográficos de informação a contribuírem de forma sofisticada ao nosso trabalho de marketing. Por exemplo, para aquela rede de franquias da loja acima, analisar o caminho entre o endereço de seus clientes e suas lojas, pode ajudar a perguntar: Por quais endereços tenho que passar forçosamente para fazer a entrega de minhas mercadorias?
Com isso, poderíamos expandir a região de atuação de campanhas ou mesmo otimizar a rota de entregas. Uma empresa de telefonia celular poderia representar suas antenas em um mapa, colorir com intensidade diferente sua taxa média de utilização, e com isso perguntar: Quais são meus clientes ou prospects que moram na região de alcance das antenas com baixa taxa de utilização? Dessa forma, poderíamos incentivar esses clientes a utilizar seus telefones celulares (com tarifas mais baratas, por exemplo), a partir de sua residência (no período noturno, por exemplo). Ou mesmo poderíamos oferecer um novo produto para utilizar a capacidade ociosa daquelas antenas.
E com o aumento da concorrência entre operadoras (ou entre lojas de supermercado, por exemplo), podemos perguntar: Qual o percentual de cobertura dos meus concorrentes nas regiões onde atuamos? Na área financeira, se representássemos cada cliente de um banco como uma coordenada em um mapa, e fizéssemos uma elevação (altura) desse cliente de acordo com o número de produtos que possui, poderíamos identificar visualmente potenciais tendências em termos de concentração de serviços, por região.
Outra forma genérica de análise avançada de marketing envolvendo características geo-espaciais é a criação de "decis" (decile analysis) geográficos para dividir um território em 10 (ou "N") regiões, mutuamente exclusivas, cada uma com a mesma quantidade de clientes. Com esse particionamento, podemos responder a perguntas do tipo: Quais as regiões mais lucrativas? Qual a região cujo faturamento dividido pela área ("densidade de faturamento") é a maior?
Ainda utilizando técnicas avançadas, poderíamos representar a Recência, Freqüência e Valor Monetário (RFV ou RFM) de cada cliente através de coordenadas espaciais, representando agrupamentos de clientes como "nuvens no céu". Dependendo da posição da nuvem (altura, distância X e Y), e de sua "massa" (número de clientes naquele segmento), poderíamos visualizar onde há concentração maior ou menor, instigando novas idéias e hipóteses a serem testadas. Do ponto de vista de operações geo-espaciais, comparar clientes de acordo com estes critérios poderia ser feito através do cálculo da distância entre suas coordenadas tri-dimensionais.
Outra abordagem que explora informações geo-espaciais de uma forma não tradicional é descrita em Revista infoGEO nº 3 (coluna GEOnegócios), no texto "Vales, Montanhas e Rios…de Dinheiro", onde a altura de uma certa região representa a demanda menos a oferta de um produto. Nesta metáfora, grandes altitudes (montanhas) indicam que há necessidade (demanda) mas não há disponibilidade (oferta) do produto. Altitudes negativas (vales) indicam que há oferta em excesso. É de se esperar, portanto, que consumidores potenciais deste produto (com dinheiro para gastar) e que estejam em montanhas, saiam em direção aos vales mais próximos para adquiri-lo. O dinheiro, então, está "escorrendo" das montanhas para os vales, como faria a chuva em uma situação real.
Sem dúvida podemos fazer uma série enorme de tratamentos e visualizações geo-espaciais voltadas para marketing, e isso permite adquirir vantagens competitivas essenciais nos dias de hoje.
Data Warehousing Geo-Espacial
Podemos definir Data Warehousing como um processo de integração de dados atuais e históricos de uma empresa em um repositório (depurado, consolidado e consistente), de modo a fornecer informações pertinentes e confiáveis para suportar o processo de tomada de decisões estratégicas. Uma instituição financeira, por exemplo, poderia analisar, através de diversas ópticas (clientes/tipos de clientes, produtos/família de produtos, agências/regiões etc.), como está o relacionamento com seus clientes. Esse "relacionamento" poderia ser medido pelas transações normais efetuadas pelos mesmos (depósitos, saques etc.), bem como pelas transações de atendimento registradas continuamente (pedido de talão, reclamações, mudança de senha etc.). Se parte destas informações forem de natureza geo-espacial (localização, distância, perímetro etc.), então dizemos que temos um "data warehouse geo-espacial", já que podemos fazer o processo de análise exploratória de dados formulando hipóteses do gênero:
– Há alguma relação entre número de transações e proximidade entre residência e agência, por cliente?
– Há alguma relação entre volume de transações por agência e proximidade a shopping centers?
No primeiro caso, poderíamos identificar que os clientes que habitam mais próximos de sua agência tendem a utilizar mais vezes os serviços de caixa tradicionais. Haveria, então, a oportunidade de incentivar uma parcela específica de clientes a realizar mais operações por meios de acesso alternativos, tais como caixas de auto-atendimento ou serviço telefônico. No segundo caso, poderíamos identificar se o lançamento de um novo produto tende a produzir resultados significativamente distintos quando se tratam de agências próximas ou distantes de shopping centers, direcionando campanhas específicas baseadas nesse tipo de resultado.
Data warehouses, de uma maneira geral, são também boas fontes de informação para os processos de mineração de dados, bastante utilizados pelos profissionais de marketing e estatística nas atividades de database marketing. Uma vez enriquecidos com informações geo-espaciais, as possibilidades de criação de modelos sofisticam-se e podem aumentar a eficiência destas atividades.
Ronaldo Amá é mestre em Bancos de Dados pela Universidade de Stanford (Califórnia) e trabalha há 13 anos com Sistemas de Gerenciamento de Informações. Atualmente é Diretor de Soluções em Data Warehousing da Acta Technology, Inc, liderando a equipe de criação e desenvolvimento de RapidMartsT. E-mail: ama@acta.com