Resumo

A metodologia de impacto causal consiste em entender variáveis de canais de marketing de forma ampla, entendendo seu comportamento histórico e suas dependências temporais de uma maneira em que é possível entender um comportamento atípico de uma série temporal e a partir de um teste estatístico validar se o efeito pode ser atribuído à um evento ou conjunto de eventos específicos. Através de um modelo de estruturas bayesianas foi possível mensurar os efeitos de uma campanha de marketing

Dessa forma o problema da pesquisa é os seguinte: “ Qual é o efeito casual da nova abordagem de mensuração dos efeitos de campanhas de marketing ?” O objetivo da pesquisa é propor uma nova abordagem de como mensurar efeitos de campanhas de marketing diante de tantos contextos, chamado de impacto causal

Brodersen et al., (2015), por exemplo, propôs uma metodologia baseada em estruturas bayesianas para modelos de séries temporais para inferir o impacto causal de intervenções de marketing considerando a dependência temporal das observações ao invés da tentativa de isolar o efeito da ação. Neste caso, acompanha-se a métrica de sucesso da ação de marketing historicamente e então é construído um modelo de séries temporais, e com isso, é possível fazer a predição do comportamento da métrica em um tempo futuro.

Para o entendimento do objetivo proposto neste projeto, foi feita uma pesquisa quantitativa. A base de dados analisada consta com 642 observações que foram coletadas em uma granularidade diária, e ao todo foram observadas 8 variáveis explicativas que contemplam investimentos em diferentes canais de mídias online e offline, que variam de plataformas de busca, redes sociais, plataformas de streaming, jornais, revistas, televisão e etc. Por questões de privacidade das informações, os nomes das variáveis não serão revelados e nem as datas em que os dados foram coletados.

Por meio da metodologia de impacto causal, com a utilização tanto de um modelo autoregressivo quanto com a utilização de um modelo com covariáveis, não foi possível inferir que a marca atingiu seu objetivo de aumento do número total de contratos. Apesar do aumento descritivo da variável resposta de 24% no modelo autoregressivo e de 85% no modelo com regressores, em ambos casos o 0 estava incluso no intervalo de confiança, adotando-se um nível de significância de 5%.

Porém, pode-se observar que a utilização de um plano de mídia integrado amplo, como o analisado aqui, tende a ter efeitos mais imediatos em métricas como alcance, impressões e percepção sob a marca que não foram objetivos estudados nesse projeto. Além disso, o tempo de jornada de compra de um apartamento pode ser longo devido a fatores de escolha, relação com instituições bancárias em casos de financiamento ou ainda outras variáveis. O que pode indicar que o período de 49 dias de campanha não foi suficiente para chegar em conclusões estatisticamente significativas.

Grewal, D., Hulland, J., Kopalle, P. K., & Karahanna, E. The future of technology and marketing: A multidisciplinary perspective, 2020. Pilotta, J. J., Schultz, D. E., Drenik, G., & Rist, P. (2004). Simultaneous media usage: A critical consumer orientation to media planning. Journal of Consumer Behaviour: An International Research Review, 3(3), 285-292. Krizanova, A., Lăzăroiu, G., Gajanova, L., Kliestikova, J., Nadanyiova, M., & Moravcikova, D. (2019). The effectiveness of marketing communication and importance of its evaluation in an online environment. Sustainability, 11(24), 7016.