A combinação multidisciplinar de Ciência de Dados e análise de comportamento humano que possibilita tomar decisões impactantes como na campanha eleitoral de Barack Obama ou na segmentação de clientes da Netflix.
A Ciência de Dados Comportamentais, ou Behavorial Data Science, combina técnicas de psicologia, economia, sociologia e negócios, com ciência da computação, estatística, engenharia de dados, pesquisa de sistemas de informação e matemática, com o objetivo de compreender e prever melhor o comportamento de grupos de pessoas seja em uma empresa, sociedade, país, etc.
Ganna Pogrebna, PhD e Cientista de Dados Comportamentais com atuação destacada em Londres, explica em um artigo no Medium que o campo de atuação incorpora três vertentes: comportamento humano, comportamento algorítmico e comportamento de sistemas. Essa combinação permite prever com mais exatidão o comportamento das pessoas em situações excepcionais, como desastres ambientais, incêndios florestais, a própria pandemia de Covid-19 ou o comportamento de compra em pânico, questões que são algumas das limitações mais evidentes dos campos de aprendizagem de máquina.
Um exemplo é a escassez de produtos nas lojas, que se tornou comum em algumas realidades devido à pandemia. Grande parte da estratégia atual na gestão da cadeia de abastecimento de varejo é definida por métodos tradicionais de previsão de demanda e reabastecimento do estoque (para mitigar variações de demanda, erro de previsão ou para lidar com promoções). Embora esses métodos sejam eficazes para a demanda previsível, eles são bem mais imprecisos diante das dinâmicas de demanda esporádica ou irregular.
Pogrebna pontua também como o aprendizado antropomórfico – modelo que ela tem desenvolvido em estudos acadêmicos baseado em padrões de comportamento humanos – permite o desenvolvimento de sistemas e algoritmos que entendam melhor nossas decisões. No contexto do varejo, por exemplo, isso teria potencial para avançar em análises preditivas para tornar as cadeias de suprimentos mais resilientes e ágeis às mudanças de comportamento em diversos tipos de situação.
Um caso real
Um caso emblemático e público ocorreu nas eleições presidenciais dos EUA em 2012, que elegeu Barack Obama. A campanha de Obama foi diferenciada por combinar o uso de análises preditivas com táticas de divulgação motivadas pela ciência comportamental.
Aqui, a equipe da campanha eleitoral utilizou insights de Data Science não apenas para tentar prever o voto das pessoas, mas também para melhorar a própria dinâmica da campanha em si. Uma das estratégias dos cientistas de dados foi construir modelos preditivos para otimizar os esforços dos trabalhadores voluntários da campanha, identificando os eleitores com maior probabilidade de mudar seu comportamento se visitados por um trabalhador de campanha.
A estratégia da campanha de Obama foi relatada no livro de Sasha Issenberg, The Victory Lab.
Após essa identificação de possíveis novos eleitores, a atuação dos voluntários acontecia de três formas: primeiro, pediam aos eleitores que preenchessem e assinassem “cartões de compromisso” com uma fotografia de Barack Obama. Essa tática foi motivada por uma pesquisa psicológica que indica que as pessoas são mais propensas a cumprir as ações com as quais se comprometeram.
Em segundo lugar, os voluntários também pediam às pessoas que articulassem um plano específico para votar, até mesmo para um horário específico do dia em que iriam às urnas. Essa tática refletia uma pesquisa psicológica que sugeria que a formação de um plano simples aumenta a probabilidade de as pessoas seguirem adiante.
Terceiro, os trabalhadores da campanha invocaram o que é chamado de normas sociais, informando sobre como outras pessoas votariam e falando sobre as pesquisas de intenção de voto. Essas táticas de incentivo, como preparar as pessoas a pensarem sobre códigos éticos de honra e contrastar seu comportamento real com sua autoimagem (honesta), são alavancas não econômicas para a promoção de um comportamento honesto.
Um caso de negócios
Um exemplo do uso dados, Machine Learning e entendimento do comportamento do cliente é a Netflix. O serviço de streaming é capaz de identificar o tempo em que um cliente precisa, a cada mês, para perceber valor suficiente para continuar assinando os filmes, séries e programas na plataforma. Se o consumo mensal de conteúdo ficar abaixo desse limite, aumenta a probabilidade de que eles cancelem o pagamento do serviço.
Ao criar um segmento comportamental para esses clientes, é possível identificar os clientes em risco, descobrir insights que podem levar ao baixo uso e monitorar isso ao longo do tempo. Com essa percepção, a Netflix sabia que precisava encontrar mais maneiras de manter os usuários engajados e consumindo mais conteúdo a cada mês.
A empresa também usa dados de comportamento do cliente para tomar decisões sobre qual conteúdo produzir e licenciar, o que também os ajuda a evitar a rotatividade, bem como melhorar a aquisição de clientes.
Os executivos da Netflix estimam que todas as ações envolvendo Machine Learning, Dados, e estudos comportamentais de clientes economizem para a empresa cerca de US$ 1 bilhão por ano.
A união de conhecimento científico sobre comportamento humano, a capacidade de transformação disso em dados estruturados e o poder de lógicas de Data Science para encontrar padrões, gerar predições e aprendizagem de máquina tem tudo para ser a próxima grande coisa que vai movimentar negócios, governo, terceiro setor e muitas das tecnologias que lidamos diariamente.
