Machine learning na economia da recorrência

A economia da recorrência é o modelo de negócios mais poderoso do mundo. Por meio dele, é possível fazer com que a sua empresa cresça sem a necessidade de investimento externo.

Imagine o que seria turbinar esse modelo de negócios? É isso que Carl Schmidt, CTO da Unbounce, propõe com a união dele com o machine learning (aprendizado da máquina).

“A ideia do machine learning é bem antiga. Mas passou a ser turbinada recentemente, porque temos uma quantidade enorme de dados e computadores de excelente qualidade para processá-los a preços extremamente acessíveis”, comentou Carl.

Carl participou do Superlógica Xperience 2017 com a palestra “Machine learning na economia da recorrência”. Você pode conferí-la na íntegra e legendada no vídeo abaixo:

O Superlógica Xperience 2018 já tem data, local e mais de 20 palestrantes confirmados. Corra e garanta já a sua presença!

A economia da recorrência

Para definir a importância da economia da recorrência para o mundo de hoje, Carl Schmidt fez uma analogia tecnológica. Ele comparou o modelo de negócios com o propulsor espacial “ion drive”.

“Ele não usa muita energia. Na verdade ele aplica uma energia constante e fica cada vez mais rápido com o passar do tempo”, comentou Carl. “É a mesma coisa com a economia da recorrência. Com pouco investimento em capital, ela consegue criar uma energia única e potente com o passar do tempo. Foi a experiência que tivemos com a Unbounce”.

A economia da recorrência é um modelo baseado em pagamentos e cobranças recorrentes. Os seus clientes não compram produtos e sim pagam assinaturas periódicas para terem acessos a serviços. Com isso, se torna essencial que o cliente obtenha sucesso e permaneça mais tempo na sua base. Quanto maior for o período dele como cliente, maior o lucro unitário.

Bootstrapping na economia da recorrência

Bootstrapping significa algo como “erguer-se praticamente do nada”. Quando se fala em empreendedorismo, está relacionado ao fato da empresa começar sem nenhum aporte financeiro de fora, apenas dos próprios investidores.

“Negócios de assinatura e ‘bootstrapping’ se dão muito bem juntos”, comentou Carl. “Com pouco capital dá para começar um empreendimento. É um processo de descobertas que possibilita você conseguir validar a sua ideia”.

Cuidado com Venture Capital

Carl também ressaltou que o modelo de venture capital (capital de risco, aquele que é feito em PMEs que buscam um salto de crescimento agressivo) é poderoso. Mas é um pouco perigoso também

“Uma fundo de investimentos venture capital me disse uma vez que prefere ver uma empresa bater de frente em uma parede de tijolos a 200 km/h tentando derrubá-la e crescer do que caminhando em marcha lenta ao longo do crescimento seguro”, comentou Carl. “Não sei quanto a vocês, mas eu não quero ver minha empresa batendo em uma parede de tijolos”.

Segundo Carl, aplicar capital e tentar crescer rápido demais pode levar a um caminho enganoso e tirar da rota de agregar valor ao cliente. “Por isso sejam bastante cautelosos”, alertou.

“Muitas vezes a venture capital pergunta se você quer ser rei ou rico. Ou seja, você quer dominar a maior parte do seu negócio e ele ser pequeno ou dominar uma parte menor e ele ser grandioso?”, questionou. “A gente não acha que essas coisas são excludentes uma da outra. Um caminho é dar tempo para que consiga ter os dois”.

Foco nos seus dados

“Seus dados podem ser um tesouro escondido”, afirmou Carl. Segundo ele, na Unbounce, dos 109 funcionários da empresa, 20 são dedicados exclusivamente à análise dos dados.

Ele compartilhou um experimento que teve com a equipe. Para tentar trazer mais sucesso para o cliente, eles analisaram dados das interações dos clientes para entender como eles levavam tráfego para landing pages que produziam.

“Descobrimos que quem utilizava anúncios pagos tinha 50% a mais de receita que quem propagava as landing pages por meio de redes sociais ou e-mail marketing”, afirmou Carl. “Isso é um insight maravilhoso para que o nosso cliente possa crescer e evoluir com a solução que nós oferecemos”.

Para obter resultados assertivos e não falhar, faça testes

Qualquer empresa, quando vai lançar um novo produto, tem o ímpeto de mostrar isso para todo mundo. Mas o problema é não conhecer o impacto que seus clientes terão utilizando aquilo de vez.

“Quando lançamos uma novidade, escondemos isso de 50% dos nossos clientes. Isso foi uma grande briga interna”, lembrou Carl. “Mas deu certo para gente. Aquilo não os impactou tanto como a gente imaginava. Se a gente não tivesse testado, talvez o resultado fosse completamente diferente e poderíamos dar com os burros n’água”.

Por isso o importante é estar aberto a errar. “Não tem como manter uma cultura de experimentação dentro de uma empresa se você não está aberto a falhas”, destacou Carl.

O que é machine learning?

Quando se fala em termos como machine learning e inteligência artificial, a primeira coisa que vem à cabeça são os filmes futuristas como “Exterminador do Futuro”. Mas a realidade é que esse conceito vem de muito tempo antes.

Em 1959, Arthur Lee Samuel, um cientista de computação norte-americano, definiu como o “campo de estudo que dá a possibilidade do computador aprender sem ser explicitamente programado”. Os algoritmos conseguem aprender com seus erros e fazer previsões assertivas sobre dados futuros. Eles seguem uma tendência a partir de inputs amostrais a fim de tomar decisões guiadas com base em números em vez de seguir instruções inflexíveis pré-programadas.

Para ilustrar, Carl Schimidt usou um exemplo de um programa que reconheceria fotos de gatos. A partir de um input de dados, o programa conseguiria encontrar padrões nessas fotos e seria capaz de identificar se aquilo é um gato ou se não é.

Como machine learning virou tão popular?

Mesmo que tenha surgido há um bom tempo, machine learning tomou outra proporção de uns tempos para cá. Carl explicou o motivo para isso.

“É simples, hoje temos acesso a uma quantidade imensamente maior de dados. Além disso, temos algoritmos melhores, computadores mais rápidos e mais baratos também”.

Assim, a possibilidade de conseguir coisas maiores está crescendo exponencialmente. Um dos exemplos que ele deu na palestra era de uma informação que o New York Times tinha dado em 1997 sobre o jogo de tabuleiro Go. A notícia era que, segundo um estudo da Future of Humanity Institute, iria demorar mais de cem anos para que um computador conseguisse vencer um humano nesse jogo. No ano de 2016, a Google desenvolveu um algoritmo que conseguiu isso.

“A tecnologia avança de maneira tão veloz e imprevisível que assusta até os especialistas às vezes”, comentou Carl. “Como empreendedores precisamos entender essas tendências e nos adaptarmos para conseguir usufruir delas”.

Outro estudo que ele apresentou foi da Fortune 500 dizendo que o ciclo de vida útil das empresas é cada vez menor. “As startups morrem mais rápido que nunca”, alertou Carl. “Os principais motivos são uma combinação entre mudanças tecnológicos e choques econômicos”. Assim, não conseguir entender esses avanços vai ser um dos motivos que pode levar o seu negócio a acabar.

Como o machine learning vai transformar o seu negócio?

Normalmente, a maioria dos negócios, mesmo com as suas particularidades, operam de maneira bem similar. Existe o setor de operações, sucesso do clientes, marketing, vendas e desenvolvimento.

Segundo Carl, todas essas áreas podem ser transformadas com o uso de machine learning. Para o setor de operações, ele destaca a importância que vem tendo no setor de contabilidade. Para o setor de marketing, ele fala de uma ferramenta chamada Textio. A empresa automatiza copywriting e produz textos para descrições de vagas de emprego, por exemplo. “São chances 300% melhores de encontrar o talento que você precisa”, destacou

Em sucesso do cliente, ele destacou uma ferramenta que descobre quando recomenda artigos adicionais para clientes com tickets abertos. Segunda a empresa, ela consegue dobrar a possibilidade do cliente no autoatendimento e diminuir pela metade a quantidade de chamados. “Isso deixa aberta a possibilidade do seu time ser extremamente mais eficiente naquilo que faz”, destacou.

Como se preparar para o machine learning?

Segundo Carl, existem três coisas que você precisa se dedicar a entender se tem interesse em aplicar machine learning na sua empresa:

1. Entender o valor único que o seu negócio traz para o mundo: a primeira coisa para melhorar o seu negócio usando machine learning é entender o coração dele. Ele usou um exemplo da própria Unbounce. Eles oferecem uma ferramenta que deixa mais rápido ao cliente conseguir construir uma landing page. Isso é bom pro cliente? É maravilhoso!;
2. Captar todos os dados desse valor único que está oferecendo ao mundo: são eles que vão permitir que a sua maquina aprenda e que você consiga capitalizar em cima do machine learning;
3. Estruturas jurídicas postas para que você possa usufruir dos dados: é necessário conversar com o cliente para que ele permita a você acessar os dados. Ele também precisa entender que isso vai beneficiá-lo. Não adianta 99% da sua base permitir. Se 1% recusar, seu machine learning não funciona.

Invista em machine learning para sair na frente da sua concorrência

Por ter tido sucesso ao utilizar na Unbounce, Carl Schmidt recomenda que todas as empresas invistam em machine learning. “O mundo tem ficado mais rápido que nunca! Machine learning otimiza o processo do aprendizado e desenvolvimento”, lembrou Carl. “É importante que, com essa velocidade absurda do conhecimento, sua empresa aprenda mais rápido que a concorrência”.

“É meio óbvio o quanto o machine learning é transformador. A tecnologia vai eliminar serviços, empresas e mercados inteiros!”, alertou. “Mas ao mesmo tempo, vai resultar em incríveis novas oportunidades”, concluiu.