HOME | ÍNDICE POR TÍTULO | NORMAS PUBLICACIÓN

Espacios. Vol. 37 (Nº 05) Año 2016. Pág. 17

Construção de um índice de maturidade digital a partir de variáveis de Digital Analytics

Development of a digital maturity index based on Digital Analytics variables

Claudio Luis Cruz de OLIVEIRA 1; Luan Henrique Santiago de ARAÚJO 2; Vinícius Andrade PEREIRA 3

Recibido: 06/10/15 • Aprobado: 20/11/2015

Contenido

1. Introdução

2. Fundamentação teórica

3. Metodologia

4. Resultados da pesquisa

5. Conclusões

Referências Bibliográficas

1. Introdução

A presença digital é um conceito amplo que engloba a exposição integral da empresa na Internet, seja ela controlada pela corporação ou não (HAJ-BOLOURI ET AL., 2014; THIBEAULT, 2012). Profissionais de marketing interativo definem a presença digital como um conjunto de canais com o consumidor na Internet e, adicionalmente, como o diálogo entre consumidores sobre marcas e empresas (PAUWELS et al., 2012; CORCORAN, 2009). Eles classificam a mídia como paga, própria e conquistada. A mídia própria é formada pelos canais controlados pela empresa (ex.: site, aplicativos e páginas em sites de redes sociais). A mídia paga são esforços de comunicação para impulsionar os canais da empresa (ex.: banners, links patrocinados). A mídia conquistada ocorre quando os consumidores se tornam o canal (ex.: comentários em sites de redes sociais e blogs) (CORCORAN, 2009).

As interações dos consumidores com a presença digital geram uma série de dados que representam uma parte relevante do que se convencionou chamar de Big Data, uma combinação de volume de dados, velocidade de crescimento desses dados, variedade de fontes, veracidade e valor desses dados para os negócios (CHEN et. al. 2014; GOES, 2014). As empresas podem se beneficiar do Big Data implementando soluções que capitalizem essas informações (NAIR & NARAYANAN, 2012) sendo essencial para melhorar a eficiência e a eficácia das organizações de vendas e marketing (MCAFEE et. al., 2012).

Uma dessas soluções é o Digital Analytics, que é a análise de dados coletados na interação com a presença digital da empresa para entendimento de padrões históricos dos consumidores a fim de contribuir para as estratégias de negócios e manutenção de vantagens competitiva (DIGITAL ANALYTICS ASSOCIATION, 2014).

Pelo menos 74% das empresas brasileiras listadas entre as 500 maiores da revista EXAME possuem alguma solução de Digital Analytics implantada (WA CONSULTING, 2010). Os sistemas de acompanhamento mensuram diversos aspectos da presença digital (OLIVEIRA E LAURINDO, 2014), monitorando a mídia paga, própria e conquistada (PAUWELS et al., 2012; CORCORAN, 2009). No entanto, os executivos enfrentam bastante dificuldade para tomar decisões com base nesses dados. Enquanto algumas empresas com alto valor de mercado como Linkedin, Google e Amazon conseguem montar suas estratégias a partir do conhecimento gerado por dados digitais, a maior parte dos executivos sentem-se confusos sobre como tomar decisões baseados nesses dados (GOES, 2014).

É necessário produzir um método que vincule Digital Analytics à estratégia da empresa, sejam elas empresas digitais ou tradicionais (KAUSHIK, 2009). Esse método pressupõe um modelo de maturidade que faria com que a empresa partisse de um uso da informação menos efetivo para um estado altamente eficaz (ALBINO et al., 2008). Por este motivo, julgamos relevante propor um Índice de Maturidade Digital (IMD) que mensure o quanto a empresa está fazendo uso eficaz de sua presença digital.

Através de pesquisa bibliográfica, documental, múltiplos estudos de caso realizados com 9 empresas de diferentes indústrias, procuramos aprofundar os seguintes objetivos desta pesquisa:

1. O1: Conceituar as contribuições da presença digital para o negócio considerando retornos financeiros e não financeiros
2. O2: Definir quais são as variáveis de Digital Analytics que compõe a maturidade digital de uma empresa
3. O3: Elaborar um modelo de causa e efeito que relacione as variáveis de maturidade digital com os negócios gerados pela empresa

2. Fundamentação teórica

2.1. Internet como fonte de vantagem competitiva

Porter (1979) descreveu cinco forças capazes de moldar a competitividade, assim como a expectativa de lucro em uma determinada indústria, ou um grupo estratégico. Para que uma empresa conquiste uma lucratividade maior que a média do setor, deve possuir vantagem competitiva. Essa vantagem é apoiada em uma das três estratégias genéricas: liderança de custo – que consiste em um processo inovador na produção do mesmo produto que seus concorrentes, porém usando menos recursos; diferenciação – produção de um produto ou serviço diferenciado que permita um preço premium; ou segmentação – que é a combinação destas duas estratégias em um mercado específico (PORTER, 1996).

Porter (1996) discutiu a dificuldade de conduzir mais de uma estratégia genérica, pelo fato das empresas terem a necessidade de priorização, através da definição de quais aspectos devem se destacar mais. Sendo assim, adotar mais de uma estratégia genérica implica em um risco de não obter um desempenho competitivo superior. Apesar desta visão tradicional a respeito de estratégia, a tecnologia tem mudado alguns paradigmas. Alguns autores acreditam ser possível oferecer uma grande variedade de produtos segmentados em larga escala. Essa customização em massa desafia o conceito apresentado por Porter a respeito da priorização através do uso de processos de produção flexíveis e inovadores (SILVEIRA et al., 2001).

Posteriormente, Porter (2001) reconheceu que a internet gera competitividade empresarial, pois é considerada a plataforma que melhor integra um sistema de valor. Além desta contribuição, alguns autores argumentam que a Internet desempenha um papel revolucionário, suportando uma Nova Economia, trocando economias de escala por economias de escopo e tornando os mercados mais segmentados (TAPSCOTT & WILLIANS, 2001).

Anderson (2006) denomina essa segmentação como Cauda Longa e cita o exemplo de diversos mercados afetados, como por exemplo, a indústria cinematográfica. Antes da disseminação das novas tecnologias como a Internet, as produtoras desenvolviam poucos filmes que tinham uma enorme audiência. Atualmente, os filmes mais vistos não chegam nem perto da bilheteria dos filmes mais antigos. Em compensação, existe uma quantidade bem maior de filmes no mercado que possuem público cativo, embora este público seja menor que o dos principais filmes, é o suficiente para que essas produções gerem retorno financeiro. Segundo Anderson (2006), três forças impulsionam o fenômeno da Cauda Longa: (i) democratização da produção: produtores e fabricantes de ferramentas (ex.: câmeras de vídeos digitais); (ii) democratização da distribuição: agregadores de cauda longa (ex.: Netflix); ligação de oferta e demanda: filtros de cauda longa (ex.: Google).

Nesta economia segmentada, um bom entendimento do consumidor é algo de extrema importância. A presença digital, sobretudo os comentários em mídias sociais, permite que usuários demonstrem explicitamente suas opiniões. Esse conhecimento emergente tem encorajado diversas empresas a desenvolverem novas estratégias baseadas no próprio consumidor (PRAHALAD & RAMASWAMY, 2000). Sendo que Digital Analytics é uma ferramenta eficiente na coleta e consolidação deste conhecimento.

2.2. Comunicação com consumidor na Internet

No início da Internet comercial, na década de 90, website era sinônimo de presença digital, o número de usuários era restrito, as possibilidades de interação com a marca eram limitadas e as informações a respeito da empresa eram controladas exclusivamente pela própria empresa.  Atualmente, o alcance da Internet é de, pelo menos, 2,7 bilhões de pessoas mundialmente (INTERNATIONAL TELECOMMUNICATION UNION, 2013), sendo que no Brasil há 105 milhões de pessoas com acesso à Internet. Destes,67% pesquisam na Internet antes de comprar algo e 49% compram pela Internet (IAB BRASIL, 2013). O acesso através de dispositivos móveis amplia o campo de possibilidades dessas aplicações, 11% das pessoas que acessaram a Internet em 2013 o fizeram a partir de seus celulares (IAB BRASIL, 2013).

 A presença digital tornou-se mais complexa, ampliando as possibilidades de comunicação nos três diferentes tipos de mídias: paga, própria e conquistada (PAUWELS et al., 2012; CORCORAN, 2009).

A mídia própria, controlada pela empresa, que era limitada a websites, distribui-se agora em aplicativos móveis, páginas em sites de redes sociais, canais de vídeo, e até mesmo, em dispositivos que podem ser vestidos ou incorporados em objetos do cotidiano como geladeiras e carros.

A mídia paga, que antes era limitada à mídia gráfica como pop-ups e banners veiculados em grandes portais, agora se distribui em sites que permitem alta segmentação como mecanismos de busca e sites de redes sociais. A mídia através de links patrocinados nas buscas já representa mais da metade dos investimentos em mídia online no Brasil (IAB BRASIL, 2013).

Os usuários passaram a produzir conteúdo colaborativo em wikis, blogs e mídias sociais onde publicam livremente conteúdos sobre as empresas (O'REILLY, 2005), sendo de interesse das mesmas administrar e se comunicar com esta interface, considerada mídia conquistada (CORCORAN, 2009).  Outro componente desta mídia é a tendência de procura da marca em mecanismos de busca como Google, pois representa a recordação espontânea da marca (KAUSHIK, 2012).

Essa transformação das mídias torna a gestão do relacionamento com o consumidor na Internet cada vez mais crítica para o sucesso das empresas. Entendemos que um fator essencial para entendimento e sobrevivência nessa transformação é a maturidade digital que pretendemos abordar nessa pesquisa.

2.3. Digital Analytics

A diminuição do custo de armazenagem de dados e o aumento das interações dos consumidores com a presença digital geraram um volume de dados digitais que dobra a cada ano, fenômeno conhecido como Big Data (NAIR & NARAYANAN, 2012). Existem diversas formas de se apropriar desses dados impulsionando o conhecimento sobre o consumidor (CHEN et. al. 2014), uma delas é o Digital Analytics que cuida das análises de dados digitais para melhorar a performance dos negócios (DIGITAL ANALYTICS ASSOCIATION, 2014).

Os componentes estudados por Digital Analytics compreendem todo o relacionamento digital do consumidor com as marcas, conforme pode ser visto na figura 1. O primeiro componente é a própria navegação do usuário na Internet (1); a audiência dos usuários é captada para as propriedades da empresa através da presença ativa (2); a navegação do usuário nas propriedades digitais da empresa como sites e aplicativos é a presença receptiva (3); essas interações são permeadas pelos comentários e conteúdos publicados pelos consumidores nas mídias digitais (4); e geram resultados para a empresa que vão desde vendas, quando isso for possível de se realizar pelo site, até o conhecimento gerado pelo consumidor (5). A forma como essas interações afetam as ações online da empresa, assim como os efeitos das ações online no ambiente digital também são analisados (6) (OLIVEIRA & LAURINDO, 2014).

Figura 1: Framework de Digital Analytics (Oliveira & Laurindo, 2014)

Digital Analytics amplia a capacidade analítica das empresas de diferentes formas:

1. Inteligência competitiva – As informações de pesquisas de mercado sobre audiência dos internautas e a visitação aos sites concorrentes são relevantes para a inteligência competitiva, pois permitem que, num curto intervalo de tempo atualize-se um benchmark sobre a empresa e seus concorrentes sem a necessidade de dispendiosas pesquisas de campo (TARAPANOFF, 2004; KAUSHIK, 2014).
2. Geração de insights - O conhecimento gerado pelo consumidor nas mídias sociais, nos mecanismos de busca ou nas interações com a presença online da empresa pode gerar insights para desenvolvimento de novos produtos e serviços, ou até mesmo impulsionar a co-criação desses produtos e serviços com os consumidores (FOX, 2010; GIBBERT, LEIBOLD & PROBST, 2002; TAPSCOTT & WILLIAMS, 2007; PRAHALAD; RAMASWAMY, 2004).
3. Otimização de presença ativa – A Internet permite que os indicadores de comunicação sejam mensurados e a eficiência da campanha seja melhorada em tempo real (FOX, 2010; SCOTT, 2011, ENGE et al., 2009).
4. Influência das mídias sociais – As análises de posts nas redes sociais são um termômetro para avaliar as percepções sobre as marcas, os sentimentos do consumidor e seus reflexos nas intenções de compra (STERN, 2010; CUI e GUO, 2009; LIMA e PEREIRA, 2011).
5. Usabilidade – As análises referentes a usabilidade fazem com que o consumidor seja o centro do processo de melhoria contínua dos sites e aplicativos que visa, fundamentalmente, melhorar a conversão de visitas em negócios (KAUSHIK, 2009; CUTRONI, 2010).
6. Convergência - A integração entre dados de ações online e offline executadas em diversos canais pode melhorar os resultados de empreendimentos corporativos como campanhas e novos produtos (SHANKAR & YADAV, 2010).

2.4. Impacto de Digital Analytics na maturidade digital

As possibilidades de Digital Analytics são numerosas, no entanto, para que essas análises façam sentido para empresa é necessário que as mesmas estejam alinhadas com a estratégia corporativa e que haja uma relação de causa e efeito entre elas e os seguintes objetivos de negócios: diminuir custos, aumentar o faturamento, ou melhorar o relacionamento com os clientes (STERNE, 2010).

Yanaze, Freire e Senise (2010) alertam que o retorno sobre investimento não pode ser baseado apenas em moedas financeiras, devendo ser incluídas moedas não financeiras como aumento do conhecimento sobre o mercado e o reforço dos atributos da marca entre os consumidores. De maneira análoga, o retorno deve ser baseado na soma total dos esforços materiais e imateriais, financeiros e não financeiros. Entende-se que essa perspectiva permite o aperfeiçoamento das métricas e contribuições para estratégia.

A fim de permitir uma organização das métricas para gerar o Índice de Maturidade Digital, será utilizada uma ferramenta de planejamento estratégico conhecida como o Balanced Scorecard (BSC). É considerada uma das ideias mais influentes dos negócios nos últimos 75 anos (NIVEN, 2002) e foi utilizada pela maioria das 1.000 maiores empresas americanas da Revista Fortune (FRIGO et al., 2000).

O BSC é um sistema de gerenciamento que permite que a visão e as estratégias da organização fiquem claras, bem como permite que estas se transformem em ação (KAPLAN & NORTON, 1997). O BSC fornece um feedback sobre os processos internos e sobre os resultados externos, a fim de buscar, continuamente, uma melhor performance estratégica e melhores resultados. Essa referência é bastante reconhecida nos meios de negócios corporativos e acadêmicos. Kaplan e Norton (1997) estabelecem quatro dimensões, ou questionamentos, que devem ser analisados pelas empresas para montarem suas estratégias:

1. Financeiro: Para sermos bem-sucedidos financeiramente, como deveríamos ser vistos pelos nossos acionistas ou donos da empresa?
2. Cliente: Para alcançarmos nossa visão, como deveríamos ser vistos pelos nossos clientes?
3. Processos internos: Para satisfazermos nossos acionistas e clientes, em que processos de negócios devemos alcançar a excelência?
4. Aprendizado e crescimento: Para alcançarmos nossa visão, como sustentaremos nossa capacidade de mudar e melhorar?

A partir desses questionamentos são delineados os objetivos estratégicos da empresa que depois são relacionados através de um mapa de causa e efeito. Para cada objetivo estratégico, são definidos indicadores. Esses indicadores possuem parâmetros de performance para que a empresa possa avaliar os indicadores e tomar ações corretivas se necessário.

O acompanhamento desses indicadores e a melhoria contínua na tomada de decisão dos executivos podem incrementar a maturidade digital da empresa (MORAIS et al., 2011). Sendo que "o modelo da maturidade é uma estrutura para caracterizar a evolução de um sistema, de um estado menos ordenado e menos efetivo, para um estado mais ordenado e altamente eficaz (ALBINO et al., 2008)".

Morais et al. (2011) analisaram diversos modelos de maturidade em e-business e concluíram que os modelos estão datados, pois a última contribuição relevante ocorreu no ano de 2004. As métricas de mídia conquistada, que são muito importantes no entendimento do consumidor, não fazem parte desses modelos por exemplo. Eles afirmaram também que esses modelos são pouco propositivos e que neles, o relacionamento com os clientes tem pouco destaque em comparação com as atividades da própria empresa e de seu sistema de valor.

Por isso, verifica-se a oportunidade de delinear um modelo de maturidade mais contemporâneo, que inclua o relacionamento com o consumidor como papel central e que incorpore indicadores balanceados que indique ao executivo onde a presença online pode melhorar, facilitando a proposição de soluções.

O método Delphi (MORAES & LAURINDO, 2008) promove o balanceamento dos indicadores, pois, através dele, os executivos chegam num consenso sobre a prioridade de cada variável através de um processo sucessivo de classificação das prioridades.

Os indicadores devem ser parametrizados e metas devem ser estabelecidas para que se possa avaliar seu desempenho de forma clara e objetiva. Para estabelecer os parâmetros verifica-se o desempenho dos concorrentes em pesquisas de mercado sempre que isso for possível, ou, definem-se os parâmetros através de tendências a partir das séries históricas ou estimativas (TARAPANOFF, 2004; KAUSHIK, 2014).

Diante do gerenciamento da maturidade online, existe um grande desafio: analisar e usar estrategicamente os fatos relacionados a ele. Isso deve ser feito de maneira que as ferramentas e dados disponíveis possibilitem ao executivo detectar tendências e tomar decisões eficientes no tempo correto (SERRA, 2002). Os painéis de controle estratégicos de Digital Analytics são fundamentais para esse processo, e se diferenciam dos painéis dos repositórios de dados e dos painéis de controle tático.

3. Metodologia

3.1. Abordagem metodológica

A abordagem de estudo de caso procura aprofundar um conhecimento sobre um dado problema que ainda não está bem definido através de um ou mais objetos (casos) (MIGUEL, 2007). Os estudos de caso tendem a esclarecer o motivo pelo qual uma decisão ou um conjunto de decisões foram tomados, como as ações foram implementadas e quais resultados foram alcançados (YIN, 2001).

Essa abordagem possui forte aderência ao objetivo da pesquisa de aumentar o conhecimento sobre a aplicação de variáveis de Digital Analytics para um Índice de Maturidade Digital; e parece ser a melhor abordagem para atingir os objetivos propostos para este estudo

1. O1: Conceituar as contribuições da presença digital para o negócio considerando retornos financeiros e não financeiros
2. O2: Definir quais são as variáveis de Digital Analytics que compõe a maturidade digital de uma empresa
3. O3: Elaborar um modelo de causa e efeito que relacione as variáveis de maturidade digital com os negócios gerados pela empresa

Além da aderência aos objetivos, outra vantagem da abordagem de estudo de caso é que pode ela pode ser apoiada em múltiplas fontes de evidência que permitem a técnica de triangulação, onde haverá interação entre as diversas fontes para sustentar os constructos, proposições ou hipóteses, visando analisar a convergências das fontes de evidência (MIGUEL, 2007).

Conforme os objetivos propostos, estabeleceu-se um modelo conceitual-teórico onde os objetivos propostos para pesquisa foram desdobrados em constructos e variáveis. As variáveis possuem premissas da literatura a serem verificadas nos múltiplos estudos de caso conforme tabela 1.

3.2. Procedimentos para coleta e análise dos dados

A coleta dos dados foi realizada através de workshops promovidos pelo ESPM Media Lab com analistas e executivos relacionados com a presença digital das empresas. Os encontros foram realizados na Unidade da ESPM no Campus Álvaro Alvim em São Paulo em laboratórios de informática. Os convites foram enviados para lista de e-mails da ESPM que engloba pessoas de todo o Brasil que possuem interesse pelos cursos fornecidos pela faculdade.

Foram realizados 2 workshops em junho e setembro de 2014. O primeiro encontro contou com 6 participantes e gerou alguns ajustes no método do IMD que foram assimiladas no segundo encontro com 22 pessoas. O principal ajuste foi a inclusão de um tutorial para montagem de um painel de controle do IMD e de seus indicadores.

O propósito dos workshops era aumentar o conhecimento dos participantes sobre o método do IMD, possibilitando que ao final do encontro grupos de participantes pudessem calcular o IMD para suas empresas. O cálculo do IMD foi desenvolvido para 10 empresas, sendo que 9 concordaram em compartilhar o material desenvolvido em plataforma Google Drive, permitindo que os pesquisadores pudessem acessar esse material para verificar a forma como cada empresa se apropriou do conceito do IMD para o contexto de seus negócios.

Participaram empresas das seguintes indústrias: imobiliária, ensino, rede social, editora, e-commerce, incorporadora, decoração, rede de televisão e seguros. O grupo representa empresas de diversos portes, com diferentes modelos de negócios. Em todos os casos as empresas possuem uma presença digital relevante, sendo que algumas possuem presença física (ex.: lojas) e outras são puramente digitais (tabela 2).

Foi estabelecido um roteiro com quatro passos para que os participantes pudessem desenvolver o IMD para seus negócios. Antes de cada etapa do roteiro, foi feita uma breve explanação sobre os procedimentos que foram resumidos abaixo:

1. Passo 1 - Montagem do mapa estratégico da presença digital da empresa: definição dos objetivos estratégicos da empresa. Classificação dos objetivos por dimensões (Financeiro, Clientes, Processos Internos e Aprendizado/Crescimento), estabelecimento das relações de causa e efeito.
2. Passo 2 - Seleção dos indicadores que fazem parte do IMD: definição dos indicadores para mensurar os objetivos estratégicos; coleta de dados desses indicadores; inserção dos indicadores em planilha do Google Drive.
3. Passo 3 - Cálculo do IMD considerando o peso e o desempenho das variáveis: priorização das variáveis através do método Delphi; estabelecimento de parâmetros de desempenho baseados em dados de pesquisa e série histórica. Cálculo do IMD através de média ponderada das notas de cada variável.
4. Passo 4 - Desenvolvimento de um painel de controle usando dados reais da presença digital da empresa: Desenvolvimento de gráficos que ilustram o desempenho das variáveis do IMD no Google Drive; Publicação do painel.

Efetuamos a análise dos dados seguindo os constructos expostos na tabela 1., considerando tanto os resultados obtidos pelas empresas como os achados para a pesquisa acadêmica. Ao final da análise, exporemos a relação das práticas de cada empresa às premissas da pesquisa utilizando uma escala com cinco níveis de aderência: muito baixa, baixa, neutra, forte e muito forte.

Tabela 1: Constructos, variáveis e premissas da pesquisa

-----

Tabela 2: Empresas dos múltiplos estudos de caso

4. Resultados da pesquisa

4.1. Presença digital

Segundo Corcoran (2009) a presença digital da empresa é apoiada pelas mídias paga, própria e conquistada. Verificamos na quase totalidade dos casos que as empresas utilizam os três tipos de mídia para impulsionar os resultados em negócios. No entanto, percebemos que num caso específico, no site de rede social, não há mídia paga, pois a campanha ocorre através de efeito viral, ou seja, o membro da rede indica quem será o próximo membro.  Isso ocorre, pois, o site é uma rede social de profissionais que trabalham na indústria farmacêutica, e os donos entendem que se veicularem campanhas pagas, o site poderá ter adesão de curiosos, prejudicando a proposta de valor de exclusividade da rede.

A origem das visitas ao site de decoração também ocorre por indicação de profissionais da área. No entanto, durante o workshop, o grupo optou por iniciar campanhas pagas ao realizar o benchmark e verificar que outras empresas usam este tipo de mídia.

Achado 1: A empresa não precisa necessariamente estar presente em todos os tipos de mídia, por exemplo, algumas empresas prescindem da mídia paga, pois captam seus clientes através de indicações.

4.2. Retornos financeiros e não financeiros

As empresas definiram objetivos relacionados a todas as dimensões propostas por Kaplan & Norton (1997): financeira, clientes, processos internos e aprendizado e crescimento. Os objetivos relacionados às três primeiras dimensões foram identificados com mais facilidade, devido ao fato de serem indicadores já presentes nos processos de controle das empresas.

Os grupos tiveram alguma dificuldade para estabelecer objetivos para a dimensão de aprendizado e crescimento, demonstrando que poucas empresas utilizam o conhecimento gerado pela Internet como fonte de inovação. Na maior parte dos casos, ficou clara a relação entre os indicadores de performance com resultados financeiros como "retorno sobre investimento" ou que possuem uma relação direta com finanças como a "conversão" de visitas em vendas no site.

Achado 2: As empresas utilizam pouco indicadores relacionados à aprendizagem e crescimento, demonstrando que existe espaço para obter vantagem competitiva através da inovação proveniente do aprendizado com indicadores de Digital Analytics.

4.3. Variáveis de Digital Analytics

Ainda que haja problemas no monitoramento, como por exemplo, a falta de precisão das ferramentas para analisar sentimentos através de posts de consumidores, as variáveis relacionadas à mídias sociais, usabilidade e eficiência de campanhas estão presentes na gestão da presença digital.

No entanto, notamos a ausência de indicadores de insights e de convergência de mídia on-line e off-line. São raras as empresas que analisam o que o usuário digita no campo de busca para detectarem oportunidades de novos produtos e serviços. Assim como é difícil localizar uma empresa que se preocupe em medir os efeitos da convergência de mídia off-line como TV com seus canais digitais. Esse último dado surpreende, se levarmos em consideração que cerca de três quartos dos usuários internautas brasileiros acessam dispositivos conectados à Internet enquanto veem TV (IAB BRASIL, 2014).

Achado 3: Empresas monitoram pouco as variáveis para geração de insights e que registram a convergência dos canais on-line e off-line.

4.4. Modelo de causa e efeito

Em todos os casos, os participantes do estudo conseguiram montar modelos de causa e feito inspirados no Balance Score Card de Kaplan & Norton (1997). O método, além de servir para classificar e organizar os objetivos estratégicos, provocou discussões que transformaram a estratégia digital de algumas das empresas participantes.

Em vários casos, ficou evidente que a empresa estava almejando objetivos, mas sem planejar os investimentos e processos necessários para atingi-los. Em outros casos, notou-se que o benchmark e a análise do comportamento do consumidor poderia ajudar a empresa a definir melhores estratégias.

A forma como o mapa de causa e efeito foi feito, utilizando cartolinas e post-its, permitiu que os integrantes do grupo refinassem o mapa diversas vezes, fortalecendo o debate.

Achado 4: A montagem do mapa estratégico da presença digital mostrou-se uma ferramenta bastante eficaz para elaborar e refinar a estratégia da presença digital estabelecendo conexões de causa e efeito entre os objetivos estratégicos.

4.5. Cálculo do IMD

A primeira etapa para desenvolver o cálculo foi estabelecer indicadores para cada objetivo do mapa estratégico e, na sequência, definir parâmetros de referência para esses indicadores. Verificou-se que em empresas mais tradicionais que possuem uma cultura mais relacionada a controles e medições, os participantes conseguiram estabelecer as metas com bastante facilidade, em vários casos, as metas já estavam definidas. As empresas digitais enfrentaram mais problemas para definir as metas, por causa da ausência de série histórica ou de expectativas claras de desempenho.

Foram apresentadas aos participantes algumas ferramentas para realização de benchmark como o Similarweb.com para verificar a audiência de sites, o Topsy.com para monitorar menções a marcas e o Google Trends para analisar tendências de buscas de palavras-chave. Essas ferramentas foram úteis no estabelecimento de parâmetros de desempenho.

A priorização das variáveis foi realizada seguindo o método Delphi de priorização sucessiva (MORAES & LAURINDO, 2008). No geral, esse método foi necessário para atingir um consenso entre os participantes do grupo e para fortalecer a discussão de quais indicadores são mais relevantes.

Dando continuidade ao cálculo do IMD, os grupos definiram faixas de valores para cada indicador estabelecendo três níveis: Ruim, Regular e Bom, e foi estabelecida uma nota de 0 a 10 de acordo com o desempenho dos indicadores comparativamente a essas faixas. As prioridades estabelecidas na etapa anterior se tornaram pesos de 1 a 5, sendo que 1 é considerado baixíssima prioridade e 5 altíssima prioridade. A média ponderada desses indicadores corresponde ao valor do IMD, como pode ser visto na tabela 3.

Achado 5: As empresas conseguiram estabelecer indicadores e calcular o IMD, mesmo enfrentando graus diferentes de dificuldade. As ferramentas apresentadas para benchmark foram úteis para todos os grupos na definição de parâmetros de mercado.

Achado 6: O método Delphi (MORAES & LAURINDO, 2008) foi eficaz na geração de um consenso da prioridade dos indicadores.

Tabela 3: Exemplo de cálculo do IMD - Painel de controle

O desenvolvimento do painel de controle foi feito utilizando-se os componentes do Google Drive para importação de dados e elaboração de gráficos. O Google Drive mostrou-se bastante interessante para capturar dados das ferramentas mais utilizadas para Digital Analytics como Google Analytics e Facebook insights. Mas para importar esses dados é necessário um conhecimento um pouco maior de ferramentas de monitoramento, como nem todos os participantes conheciam o ferramental, os resultados dos painéis de controle foram bastante heterogêneos mesmo havendo um tutorial para montagem do painel.

Alguns grupos conseguiram montar painéis complexos com importação de dados automática que podem ser utilizados sem ressalvas na gestão das empresas. Outros grupos elaboraram painéis simples com o cálculo do IMD e desempenho de cada variável. Alguns grupos se contentaram em utilizar a tabela de cálculo do IMD como painel de controle, utilizando cores e formatação para realçar os pontos críticos.

Achado 7: Os painéis de controle elaborados pelos grupos tiveram grau de sofisticação bastante variável, a qualidade dos painéis dependeu bastante da habilidade dos integrantes do grupo com ferramentas de monitoramento. O tutorial para desenvolvimento de painéis não foi utilizado plenamente.

4.6. Discussão dos resultados

Analisando a aderência das premissas dos constructos identificados na teoria aos casos das diferentes indústrias, notamos uma aderência considerável de quase todos os constructos (tabela 4). Isso pode ser considerado como uma demonstração de que as referências conceituais são aplicáveis aos processos de trabalho das empresas e que o cálculo do IMD pode ser uma ferramenta relevante para tomada de decisão. Tal conclusão é corroborada pela pesquisa feita com os participantes que demonstra que 94% consideraram o método do IMD aplicável, sendo que 44% avaliaram o método como excelente.

A única exceção foi relacionada ao constructo painel de controle que apresentou uma aderência mais baixa. Notaram-se problemas no desenvolvimento dos painéis que afetaram razoavelmente a demonstração do IMD e de seus componentes.

5. Conclusões

A presente pesquisa conseguiu tanto no aspecto conceito teórico quanto na análise de estudo de caso atingir aos objetivos propostos. No que tange a teoria, foram identificados constructos, variáveis e premissas para subsidiar os objetivos expostos conforme pode ser visualizado na tabela 1.

Esses constructos foram verificados em análise de múltiplos casos, onde pode-se notar diferentes graus de aderência do modelo do IMD a cada caso (tabela 4). Na ampla maioria dos constructos, houve comprovação das premissas identificadas na teoria. A aplicabilidade do cálculo do IMD foi ressaltada pelos próprios praticantes dos workshops, com 94% de aprovação. Esses fatos levam a crer que o IMD pode ajudar as empresas a fazerem um uso mais eficaz de sua presença digital aumentando sua maturidade digital.

Tabela 4: Aderência dos estudos de caso aos constructos

Foram detectados também sete achados que podem ser úteis para elaboração de novas pesquisas na área, conforme tabela 5.

Tabela 5: Achados da pesquisa

Vislumbra-se agora a possibilidade de estudos quantitativos com modelos estatísticos que possam relacionar os indicadores do IMD com variáveis de resultado dos negócios como lucro, rentabilidade e faturamento.

Referências Bibliográficas

ALBINO, J.; ORTI, P.; CAVENAGHI, V. O uso dos modelos de maturidade como Instrumento de Avaliação dos Indicadores de Desempenho do Balanced Scorecard - Um Estudo Exploratório no Contexto da Educação Corporativa. Paper presented at the XV SIMPEP, 2008.

ANDERSON, C. The Long Tail: Why the Future of Business is Selling Less of More. New York, NY: Hyperion, 2006.

BUGHIN, J., SHENKAN, A., SINGER, M. How poor metrics undermine digital marketing, The McKinsey Quarterly, October 2008, p.1-5, 2008.

CORCORAN, S. Defining Earned, Owned and Paid Media, Forrester Blog, 2009. Available in http://blogs.forrester.com/interactive_marketing/2009/12/defining-earned-owned-and-paid-media.html, accessed in Jan, 13, 2015.

CHEN, H., CHIANG, R. H. L., STOREY, V. C. 2012. "Business intelligence and analytics: from big data to big impact", MIS Quarterly (36:4), pp. 1165-1188.

CUI, G.; GUO, X., 2009, The impact of online word-of-mouse: Sales of New Products at Amazon.Com. In Proceedings of ICE-B 2009 - International Conference on E-business, Milan, Italy, pp.143-150.

CUTRONI, J. Google Analytics. Sebastopol, CA, O´Reilly Media, 2010.

DIGITAL ANALYTICS ASSOCIATION, What is Digital Analytics?, 2014. Disponível em http://www.digitalanalyticsassociation.org/ em 16 de mar. de 2014.

ENGE, E.; SPENCER, S.; FISHKIN, R.; STRICCHIOLA, J.C., The art of SEO, Sebastopol, CA, O´Reilly Media, 2009.

FOX, V., Marketing in the Age of Google: Your Online Strategy is Your Business Strategy, Hoboken, NJ, John Wiley & Sons, 2010.

FRIGO, MARK L.; PUSTORING, PAUL G.; KRULL JR., GEORGE W. The Balanced Scorecard for Community Banks: Translating Strategy into Action, Bank Accounting & Finance, 2000.

GIBBERT, M., LEIBOLD, M., PROBST, G., "Five Styles of Customer Knowledge Management, and How Smart Companies Use Them To Create Value", European Management Journal, (20: 5), pp. 459–469, 2002.

IAB BRASIL. Indicadores do Mercado Online. Disponível em: <http://iabbrasil.net/portal/pesquisa-indicadores-do-mercado-online-atualizacao-novembro13/>. Acesso em: 07 março 2014.

IAB BRASIL. Brasil Conectado – Hábitos de consumo de mídia – 2014. Disponível em: < http://iabbrasil.net/portal/brasil-conectado-habitos-de-consumo-de-midia-2014/>. Acesso em: 05 maio 2014.

INTERNATIONAL TELECOMMUNICATION UNION. ICT Facts and Figures, 2013. Disponível em: <http://www.itu.int/en/ITU-D/Statistics/Documents/facts/ICTFactsFigures2013-e.pdf> . Acesso em: 07 março 2014.

KAPLAN, R. S. e NORTON, D. P. A estratégia em ação. Rio de janeiro, Campus, 1997.

KAUSHIK, A.. Web Analytics: Uma hora por dia. Editora Alta Books, Rio de Janeiro, 2nd edition, 2009.

KAUSHIK, A. Web Analytics 2.0. Indiana, IN, Wiley, 2010.

KAUSHIK, A. 2012. Excellent Analytics Tip #20: Measuring Digital "Brand Strength", available at http://www.kaushik.net/avinash/analytics-measuring-digital-brand-strength/, accessed in Mar, 03, 2015.

KAUSHIK, A. Google Insights for Search: Competitive Intelligence Analysis, Occam´s Razor. 2014. Disponível em http://www.kaushik.net/avinash/competitive-intelligence-analysis-google-insights-for-search/, acessado em 15 de Mar. 2014.

LIMA, M. O. C. ; PEREIRA, V. A. . Marcas e comunicação. In: Paulo Nassar. (Org.). Comunicação interna - A força das empresas. 1ed.São Paulo: ABERJE, v. 5, p. 45-55, 2011.

MILLER, Jerry P. O milênio da inteligência competitiva. Porto Alegre: Bookman, p. 35, 2002.

MORAES, R. O.; LAURINDO, F.J.B.; Seleção de projetos de TI: gestão do portfólio de aplicações. Capítulo do livro Gestão Integrada de Processos e da Tecnologia da Informação, organizado por Laurindo, F.J.B. e Rotondaro, R.G., pp 119-147. Ed. Atlas, São Paulo, SP, 2008.

MORAIS, E. P.; PIRES, J. A.; GONÇALVES, R. Suitability of eBusiness Maturity Models for Digital Economy, 6th Iberian Conference on Information Systems and Technologies (CISTI), 2011.

NARAYANAN, A., RAMESH N. 2012. "Benefitting from Big Data Leveraging Unstructured Data Capabilities for Competitive Advantage", Strategy&, (available at http://www.strategyand.pwc.com/global/home/what_we_do/industries/financial_services/financial_services_strategy_june_12; accessed October, 12, 2014).

NIVEN, P. Balanced Scorecard Step-by-Step: Maximizing Performance and Maintaining Results. John Wiley Sons, New York, 2002.

OLIVEIRA, C. L. C; LAURINDO F. J. B., 2011. A Framework Of Web Analytics Deploying The Emergent Knowledge Of Customers To Leverage Competitive Advantage

OLIVEIRA, C. L. C.; Laurindo, F.J.B. 2014. "The potential of digital analytics to generate innovation". In 21th Euroma Conference: Operations Management in an Innovation Economy, Palermo, Italy.

O'REILLY, T. 2005. What Is Web 2.0: Design Patterns and Business Models for the Next Generation of Software, Oreilly.com. Available at http://www.oreilly.com/pub/a/web2/archive/what-is-web-20.html, accessed: Jan, 15, 2015.

PAUWELS, K.; SRINIVASAN, S.; RUTZ, O.; BUCKLIN, R.  The Hierarchy of Effects (HOE) Meets Paid, Earned, and Owned (POE): How Do Internet Media Work to Drive Brand Sales?, Working Paper, Boston University, 2012. Disponível em http://pages.stern.nyu.edu/~atakos/MMP2P/presentations/ssrinivasan.pdf, acessado em 1 de jan. 2015.

PORTER, M., Strategy and the Internet.  Harvard Business Review, (79:3), pp.63-78, 2001.

PRAHALAD, C. K., RAMASWAMY, V. Co-opting Customer Competence. Harvard Business Review, v. 78, n. 1, p. 79-87, 2000.

PRAHALAD, C.K.; Ramaswamy, V. Co-creation experiences: the next practice in value creation. Journal of Interactive Marketing, (18:3), pp. 5-14, 2004.

SCOTT, D. M. The new rules of marketing and PR, Hoboken, NJ, John Wiley & Sons, 2011.

SERRA, Laercio. A essência do Business Intelligence. São Paulo: Berkeley Brasil, 2002.

SHANKAR S.; YADAV M. S., "Emerging Perspectives on Marketing in a Multichannel and Multimedia Retailing Environment", Journal of Interactive Marketing, (24:2), pp. 55–57, 2010.

STERNE, J., Social Media Metrics: how to measure and optimize your marketing investment. Hoboken, NJ, John Wiley & Sons, 2010.

TAPSCOTT, D.; WILLIAMS, A.D. Wikinomics: How Mass Collaboration Changes Everything, New York, NY, Penguin Group, 2007.

TARAPANOFF, K. Inteligência social e inteligência competitiva. Revista Eletrônica de Biblioteconomia e Ciência da Informação, n. esp, pp.11-26, 2004.

YANAZE, M. H., FREIRE, O., SENISE, D., Retorno de investimentos em comunicação: avaliação e mensuração, São Caetano do Sul, SP, Difusão, 2010.

1. Escola Superior de Propaganda e Marketing, coliveira@espm.br

2. Escola Superior de Propaganda e Marketing, luanhsaraujo@hotmaill.com

3. Escola Superior de Propaganda e Marketing, vandrade@espm.br