Por que criei a explōrātiō
Em 18 anos de publicidade, passei pelas quatro casas que mais geram comunicação no mundo — Dentsu, WPP, Omnicom, Publicis. Construí hub de dados do zero para algumas das marcas abaixo. Vi o que cabe dentro de cada budget e cada decisão.
Em todas essas casas, vi a mesma cena se repetir. Reunião marcada às pressas para decidir onde cortar verba. Diretor pedindo "o número que justifica" sem que ninguém soubesse responder de onde aquele número saía. Criativo escalado porque "esse vai" — e descontinuado porque "esse não foi". Preço mexido por sensação do comercial. Mídia remanejada por intuição do planner.
Vi também o oposto. Vi o Desitin Roxo crescer 29% depois de uma análise de elasticidade que durou três semanas. Vi a adidas zerar estoque de inverno em julho porque um Opportunity Map antecipou a curva. Vi o e-commerce da adidas na Copa de 2014 ser previsto com 99% de precisão por um modelo de regressão.
A diferença entre os dois lados, na minha leitura, nunca foi acesso a dado. Empresa que tem agência grande tem dado. O que separa decisão boa de decisão ruim é método: modelo nomeado, fórmula declarada, variável visível. Possibilidade real de auditar o cálculo.
A explōrātiō existe para servir essa diferença. Pego os produtos analíticos que repetidamente entregam clareza em marca grande — MMM, elasticidade, basket analysis, modelos de atribuição, análise de criativo, antecipação de demanda — e entrego prontos para empresa, agência e time de marketing de qualquer porte. Sem caixa-preta. Sem PDF de 80 páginas. Sem promessa de certeza.
Vendemos clareza. Vendemos o caminho. E vendemos para quem chega de três jeitos: para a empresa que ainda não tem área de dados, para a agência que precisa de braço analítico no projeto do cliente, e para o time de marketing que tem BI estruturado mas precisa do estudo que não cabe na fila interna. Em todos os três, o produto é o mesmo. O que muda é onde a gente se encaixa no seu fluxo.
Impacto por marca e método.
De planilha a hub corporativo em 12 meses.
Na Performics, conduzi a construção do hub de dados da Ambev: arquitetura em datalake AWS, mapeamento de métricas e dimensões, processo de ETL e dashboards em LookerStudio, PowerBI e Datorama. Em 90 dias, a aderência taxonômica saiu de 27% para 78%. Ao final de 12 meses, chegou a 98% — acima da meta da operação. O modelo foi replicado para outros 8 clientes, somando 12 datalakes e mais de 40 milhões de linhas operadas dentro de padrões LGPD.
+29% de vendas com elasticidade, sem comprometer margem.
Na Global Shopper, lideramos um estudo de elasticidade de preço e demanda para a linha RDO. A análise indicou onde e quanto mexer — e onde não mexer. Resultado: aumento de 29% nas vendas de Desitin Roxo sem impacto negativo em margem ou competitividade.
Estoque de inverno zerado em julho, com antecipação de 60 dias.
Na iProspect, apliquei o Opportunity Map (algoritmo proprietário sobre Google Trends e dados de busca) para antecipar a demanda de produtos de inverno da adidas com pelo menos 60 dias de antecedência. O e-commerce zerou estoque em julho. Para a Copa de 2014, um modelo de regressão multivariada previu a receita total do e-commerce durante o evento com 99% de precisão.
Ar-condicionado no Centro-Oeste: 2,9x sobre a expectativa.
Ainda na iProspect, o Opportunity Map antecipou a sazonalidade de busca por ar-condicionado no Centro-Oeste, permitindo realocar mídia antes do pico. As vendas no período foram 2,9 vezes maiores que o esperado. Modelos de atribuição aplicados ao e-commerce de Brastemp e Consul renderam +38% de ROAS sobre o período anterior.
Histórias do trabalho do fundador em agências dos grupos Dentsu, WPP, Omnicom e Publicis. Não representam clientes da explōrātiō.
Quer o mesmo método nos seus dados?
Conversa de 30 minutos pelo WhatsApp, sem compromisso. Olhamos uma amostra dos seus dados e dizemos com franqueza: tem produto da explōrātiō que resolve, ou ainda não é o momento. Se for, alinhamos prazo, formato (direto, com sua agência, ou ao lado do seu time de BI) e investimento no mesmo papo.