Os profissionais de marketing começaram a experimentar a IA para aprimorar seus esforços de gestão de marca (brand-management). Mas, ao contrário de outras tarefas de marketing, a gestão de marca envolve mais do que simplesmente executar repetidamente uma função especializada. Considerada há muito tempo como domínio exclusivo de talentos criativos, abrange diversas atividades destinadas a construir a reputação e a imagem de um negócio—como elaborar e comunicar a história da marca, garantir que o produto ou serviço e seu preço reflitam a posição competitiva da marca e gerenciar relacionamentos com os clientes para promover a lealdade à marca.
Uma marca é uma promessa aos clientes sobre a qualidade, estilo, confiabilidade e aspiração de uma compra. A IA não pode cumprir essa promessa sozinha (pelo menos não em um futuro próximo). Mas pode moldar as impressões dos clientes sobre uma marca em cada interação. E pode automatizar tarefas criativas dispendiosas—incluindo o design de produtos. Para ter sucesso nesse campo, é preciso entender como a IA é percebida pelos interessados e o que pode ser feito não apenas para mitigar suas preocupações, mas para torná-los apoiadores fervorosos. Usando exemplos da Intuit, Caterpillar e LOOP, juntamente com pesquisas acadêmicas aprofundadas, os autores propõem uma estrutura para pensar sobre os papéis-chave que a IA desempenha na gestão eficaz de marcas.
Poucas marcas são mais icônicas do que a Nike. Desde seu logo em forma de swoosh até seu slogan “Just Do It”, a empresa dominou a arte necessária para construir uma marca renomada. Quando a Nike pediu ao Obvious, um trio de artistas parisienses que criam designs inspirados em IA, para desenvolver novas iterações do sneaker Air Max em 2020, queria garantir que os designs não se desviassem muito do estilo característico da Nike. O Obvious treinou seu modelo de IA generativa alimentando-o com imagens do Air Max 1, Air Max 90 e Air Max 97 e usou o modelo para criar uma vasta gama de ideias de design. Em seguida, com base em seu próprio conhecimento e percepção das tendências de moda mais amplas, juntamente com os objetivos de marketing da Nike, o trio ajustou iterativamente o modelo até que produziu um design que encontrou o equilíbrio certo entre novidade e fidelidade à marca. O design incorporou muitos dos elementos estilísticos do clássico Air Max, mas os misturou com novas cores, formas e padrões para alcançar uma sensação fresca e moderna. Os calçados de edição limitada esgotaram em menos de 10 dias.
Não surpreende que os profissionais de marketing tenham começado a experimentar a IA para aprimorar seus esforços de gestão de marca. Mas, ao contrário de outras tarefas de marketing, como testes A/B e lances em palavras-chave de busca, a gestão de marca envolve mais do que executar repetidamente uma função especializada. Considerada há muito tempo como domínio exclusivo de talentos criativos, abrange diversas atividades que buscam construir a reputação e a imagem de um negócio—como elaborar e comunicar a história da marca, garantir que o produto ou serviço e seu preço reflitam a posição competitiva da marca e gerenciar relacionamentos com os clientes para promover a lealdade.
Misturar marcas e automação é uma questão delicada. A IA tem o potencial de afetar negativamente uma marca, portanto, a implementação bem-sucedida nesse contexto frequentemente envolve enfrentar resistência e reações adversas tanto de clientes quanto de funcionários. No entanto, a IA está se tornando uma parte integral da gestão de marcas. Para ter sucesso, é necessário entender como é percebida pelos stakeholders e o que pode ser feito não apenas para mitigar suas preocupações, mas para torná-los apoiadores entusiásticos. É fundamental não exagerar na automação, removendo qualquer senso de controle humano ou fazendo da IA o rosto da marca. E deve-se sempre ter em mente que a IA e as atividades criativas não são forças opostas.
Com base em exemplos da Intuit, Caterpillar, LOOP e Jasper AI, juntamente com pesquisas acadêmicas aprofundadas, propomos uma estrutura para pensar sobre os papéis-chave que a IA desempenha na gestão eficaz de marcas. As abordagens mais bem-sucedidas misturam o melhor da inteligência humana e da máquina para aumentar, e não substituir, a criatividade humana.
Os quatro Ps do impacto da IA na marca
A IA pode melhorar o desempenho em cada etapa do ciclo de vida da gestão de clientes, desde a aquisição até o desenvolvimento e até mesmo a retenção. Essas melhorias de desempenho, por sua vez, podem reforçar e ampliar o valor da marca. Elas podem ser agrupadas em quatro categorias básicas de impacto:
Produtividade
A IA aumenta a eficiência e a conveniência na realização de tarefas de marketing, melhorando a experiência do cliente e impulsionando a lealdade à marca.
Previsão
A IA reduz a incerteza, aumentando o que a marca pode prometer e, assim, construindo confiança e credibilidade no produto e na empresa.
Personalização
A IA aumenta o envolvimento e a relevância da oferta da empresa ao adaptar elementos a cada cliente, criando assim a imagem de uma marca que se preocupa com as necessidades do cliente de maneira contínua.
Propostas
A IA oferece novas soluções criativas e motores de valor, mantendo-se fiel à essência da marca.
Embora novas formas de IA estejam constantemente sendo desenvolvidas, essa estrutura acomoda os principais papéis que ela pode e desempenhará. Por exemplo, algoritmos de classificação, como os que filtram spam em seu e-mail, contribuem para cada um dos três primeiros Ps, enquanto a IA generativa pode contribuir para os quatro e é especialmente adequada para personalização e propostas. As marcas devem usar essa estrutura como um guia simples para navegar em uma indústria complexa e em expansão. Se um programa de IA não contribuir para nenhum dos quatro Ps, provavelmente não vale o risco associado à tecnologia para a marca.
Agora, vamos aprofundar na estrutura para ver como algumas empresas já estão usando a inteligência artificial para melhorar sua gestão de marca.
1. Produtividade
Os representantes de atendimento ao cliente são os embaixadores da marca na linha de frente. E, sem dúvida, o passo mais importante na gestão da marca é reter clientes que foram adquiridos e desenvolvidos a um alto custo. O risco de que um cliente não consiga resolver um problema com um produto, um serviço ou um pagamento de forma satisfatória — e, em seguida, abandone a marca — é um dos maiores desafios que uma empresa enfrenta.
Quando os clientes têm problemas, eles entram em contato com o suporte ao cliente, e a maioria prefere esperar na fila por um agente humano do que obter ajuda imediata de um chatbot. Suas principais reclamações sobre bots são a falta de compreensão e a incapacidade de resolver questões complexas. No entanto, ao contrário dos chatbots, os humanos não são eternamente atentos, pacientes e alegres — especialmente quando enfrentam uma fila interminável de chamadores irritados. Longos tempos de espera e interações frustrantes podem corroer a marca de uma empresa e levar os clientes a sair.
A Intuit, uma plataforma global de tecnologia financeira que desenvolve software para finanças pessoais, operações de pequenas empresas e preparação de impostos, oferece produtos como TurboTax, Mailchimp, Credit Karma e QuickBooks. Em um determinado momento, estava lidando com uma enxurrada de perguntas e reclamações de clientes sobre o uso de seu software. Para melhorar seu atendimento ao cliente, a Intuit queria fornecer feedback frequente sobre o desempenho de seus agentes. No entanto, apenas cerca de 10% dos chamadores respondiam às pesquisas de experiência do cliente (uma taxa de resposta típica para call centers), e os gerentes podiam ouvir apenas uma pequena parte das chamadas. Assim, os agentes tinham poucas oportunidades de receber feedback robusto de forma oportuna.
Para superar esse desafio, a Intuit utilizou as transcrições das chamadas que os clientes haviam avaliado para treinar um modelo de IA capaz de detectar quais interações eram mais propensas a resultar em satisfação do cliente. Como todas as chamadas eram gravadas e podiam ser facilmente transcritas, a Intuit conseguiu usar o modelo de IA treinado para fornecer feedback diário personalizado a todos os seus agentes com base em todas as chamadas, independentemente de terem sido avaliadas pelos clientes ou não.
Dessa forma, a empresa melhorou a satisfação do cliente a uma fração do custo típico de supervisão humana ou programas de treinamento caros para seus agentes. E, como os funcionários eram mais eficazes, se sentiam mais realizados. Além disso, como a Intuit envolveu funcionários em todos os níveis e solicitou suas opiniões sobre como projetar um painel para exibir feedback, diminuiu a preocupação de que os agentes seriam substituídos pela IA e garantiu que eles permanecessem a face da marca quando os clientes ligavam para obter suporte.
2. Previsão
A Caterpillar, fabricante de equipamentos pesados para construção e mineração, utiliza IA para oferecer valor adicional ao prever literalmente o futuro. Sua subdistribuidora Borusan Cat, com sede na Turquia, enfrentava este problema: quando o equipamento de um cliente quebrava, os reparos costumavam ser muito caros, pois uma peça havia se deteriorado a ponto de danificar o restante da máquina. Em alguns casos, era necessário um reparo no motor, e o tempo de inatividade para obter as peças necessárias e realizar os reparos extensos era custoso tanto para o cliente quanto para a Borusan Cat.
Além disso, quando suas máquinas quebravam, os clientes às vezes recorriam a fornecedores não autorizados, resultando em perda de negócios para a Borusan Cat. A empresa acreditava que poderia oferecer um valor significativo ao detectar falhas nas peças antes que elas tornassem o equipamento inoperante, da mesma forma que um check-up médico pode detectar uma artéria entupida e prevenir um ataque cardíaco.
O primeiro passo foi estabelecer a infraestrutura necessária para coletar dados. A empresa incorporou sensores nas máquinas para coletar continuamente informações sobre o estado e uso das peças das máquinas. Depois de acumular um número suficiente de incidentes de falha, a empresa treinou a IA para combinar sinais de várias partes do equipamento com padrões de dados anteriores para prever — com 97% de precisão — qual peça do equipamento estava em risco de falhar e qual seria o problema exato. Usando essas previsões, a empresa alertou os clientes e enviou seletivamente seus técnicos para validar diagnósticos e determinar o nível de serviço ou reparo necessário. Se o cliente concordasse, o equipamento seria reparado com o mínimo, se é que haveria, de tempo de inatividade e de forma mais barata do que se o cliente tivesse esperado a máquina falhar.
No entanto, apesar dos benefícios da tecnologia baseada em IA, a disposição para pagar por suas informações estava inicialmente em falta. Os clientes achavam que as chamadas proativas dos técnicos eram uma estratégia de marketing para vender mais peças ou serviços. Os vendedores eram céticos em relação à tecnologia, especialmente quando ela sinalizava equipamentos em um local “saudável“, que eles não estavam preocupados. E, como cada reparo era um item de baixo custo em comparação com a venda de equipamentos, os vendedores tinham pouco incentivo para buscar reparos. Por esses motivos, estavam demorando muito para ligar para os clientes cujas máquinas haviam sido sinalizadas como em risco de quebrar — falhando assim em cumprir a promessa da empresa de manutenção preventiva e, nesse processo, prejudicando a marca.
Após algumas reviravoltas, a administração optou por abandonar a batalha difícil de explicar as capacidades da tecnologia para clientes céticos. Em vez disso, absorveu o valor da tecnologia em seus contratos de manutenção. A empresa garantiu aos clientes que não haveria tempo de inatividade, ou então a Borusan Cat forneceria equipamentos de substituição. Assim, as capacidades preditivas da IA ampliaram a promessa da marca e também eliminaram a possibilidade de que os clientes recorressem a terceiros se seus equipamentos quebrassem. A empresa capturou o valor adicional proporcionado pela IA sem chamar atenção para sua presença.
Essa solução também abordou os incentivos financeiros da equipe de vendas. Incluir as informações da IA nos contratos de manutenção resultou em um item de venda de maior valor que valia a pena priorizar. Como era fundamental que os vendedores seguissem rapidamente os alertas da IA, a empresa também criou uma equipe central e interorganizacional dedicada a esse serviço.
Com essas mudanças implementadas, a empresa finalmente poderia realizar o potencial da tecnologia: reparar peças antes que elas sofressem danos significativos. De fato, como as peças removidas dos equipamentos reparados muitas vezes eram recuperáveis, elas podiam ser reformadas e revendidas. Oferecer efetivamente esses serviços adicionais sempre que um reparo era necessário deu à Borusan Cat mais oportunidades de interagir positivamente com os clientes, aumentando a atratividade de sua solução de IA enquanto reforçava sua imagem como uma marca confiável que se preocupa com os negócios e o sucesso a longo prazo dos clientes.
3. Personalização
Conquistar clientes é uma vitória. Mas eles podem fazer apenas uma única compra, assinar o serviço mais básico ou comprar uma quantidade limitada dos produtos da empresa. Nesse caso, a empresa gera receitas modestas de clientes pelos quais gastou consideráveis recursos para adquirir. E os clientes podem se tornar menos entusiasmados com a oferta ao longo do tempo e sentir que estão pagando demais — restringindo severamente seu valor ao longo da vida.
Para ver como a IA pode permitir que uma empresa ofereça produtos personalizados que mantenham os clientes existentes engajados com a marca, vamos nos voltar para um aplicativo de seguro de carro não convencional: LOOP.
O app da LOOP não utiliza vários critérios padrão para definir o prêmio do seguro, como pontuação de crédito, nível de renda e ocupação, que tendem a introduzir preconceitos contra certos grupos minoritários. Ele pode se dar ao luxo de omitir esses critérios porque, como um aplicativo para smartphone movido a IA, coleta constantemente dados relevantes sobre riscos relacionados a onde os clientes dirigem (tipo de estrada, volume de tráfego, clima) e como (excesso de velocidade, frenagens bruscas, uso do celular).
Sua abordagem única combina esses dados com informações extensivas sobre acidentes de estrada para prever, usando IA, se um cliente que tende a dirigir de uma maneira particular em determinadas estradas está em alto, médio ou baixo risco de registrar uma reclamação.
A maioria dos clientes preferiria esperar na fila por um agente humano do que receber ajuda imediatamente de um chatbot. Mas, ao contrário dos chatbots, os humanos não são eternamente atentos, pacientes e alegres.
Usando as previsões da IA, a LOOP faz ofertas adicionais para os clientes, incluindo taxas muito mais baixas. Basta imaginar como um cliente da LOOP se sente ao receber uma notificação como esta: “Você está indo muito bem, Jacky! Você desbloqueou uma surpresa por dirigir com segurança: taxas mais baixas!” A LOOP incentiva ainda mais a direção segura fornecendo uma pontuação de direção personalizada e continuamente atualizada (digamos, 8.18 de 10), junto com insights e dicas de segurança extraídas de seu tesouro de dados de clientes e estradas, combinados com o que aprende sobre o comportamento de motoristas individuais.
Os clientes veem, semanalmente, feedback significativo e sugestões sobre como dirigir e quais estradas evitar — além de resultados reais em termos de suas pontuações e taxas. Isso ajuda a remover qualquer ceticismo que possam ter sobre se um aplicativo de seguro que evita muitas das medidas convencionais pode avaliar com precisão seu risco. Embora vários concorrentes ofereçam benefícios aos clientes em troca do acesso aos seus dados de telemática (tipicamente apenas o comportamento de direção), esses descontos geralmente são comparativamente pequenos — e eles empregam os dados mais como uma desculpa para enviar comunicações de telemarketing do que para definir suas taxas.
A LOOP não só ajuda a criar estradas mais seguras; ela diminui as chances de que seus clientes se envolvam em um acidente e sinistros, aumentando seu valor ao longo da vida. Em resumo, a IA ajuda a alcançar uma situação vantajosa tanto para o cliente quanto para a empresa, enquanto constrói a imagem de uma marca que é justa e se preocupa com o bem-estar dos clientes além do ponto de venda inicial.
4. Propostas (muitas delas)
Uma marca possui um tom ou personalidade únicos que permeiam todas as comunicações da empresa, desde redes sociais e mensagens de e-mail até blogs e outros conteúdos mais longos. Uma voz de marca bem definida e consistente reforça a imagem da marca, promove uma conexão mais profunda com o público e ajuda a marca a se destacar da concorrência.
Muitos gerentes têm resistido à automação das comunicações da marca, apesar do advento dos grandes modelos de linguagem. Primeiro, eles temem que o uso da IA gerativa signifique abrir mão da voz única de sua marca em favor de saídas genéricas e padronizadas. Em segundo lugar, eles estão céticos quanto à tendência dos grandes modelos de linguagem de “alucinar” fatos em suas respostas, prejudicando a reputação da marca. Em terceiro lugar, eles estão justificados em se preocupar que tudo o que colocam no sistema será usado para treinar os modelos e, assim, se tornará acessível aos concorrentes. Em suma, eles veem uma troca entre eficiência de marketing e controle sobre a imagem e integridade da marca.
Considere como o Jasper AI, um gerador de conteúdo de marketing, navega por essa troca. Vamos supor que você queira criar uma campanha de marketing. Você começa ajudando o Jasper a aprender o tom de voz único da sua marca. Você pode enviar um guia de estilo ou vincular o Jasper a alguns exemplos de postagens anteriores que acredita refletirem melhor sua marca. O Jasper aprenderá a personalidade da sua marca (atitudes e sentimentos sobre um tópico), estilo (escolha de palavras, estrutura de frases, recursos retóricos) e outros aspectos da linguagem que você costuma usar nas comunicações da marca. Por exemplo, ele pode aprender que o tom da sua marca é mais casual do que formal, mais engraçado do que sério, ou mais irreverente do que respeitoso. Depois, você carrega informações sobre sua empresa, produtos, serviços e público, e o objetivo da comunicação.
O Jasper ajudará a gerar materiais de marketing para as campanhas de comunicação. Ele criará um bom primeiro rascunho de, digamos, um post de blog que não apenas está otimizado para visibilidade nos mecanismos de busca, mas também está escrito na voz única da sua marca e incorpora com precisão os fatos sobre sua empresa. Por trás das cortinas, o Jasper utiliza uma família de grandes modelos de linguagem (OpenAI, Bard, Stability.ai e Anthropic) e busca no Google as últimas notícias para garantir que suas propostas estejam atualizadas, uma vez que a maioria dos grandes modelos de linguagem foi treinada em dados “antigos“, talvez até 2019. O mais importante é que ele combina os fatos sobre o seu negócio com as qualidades distintivas da sua marca, garantindo que esses fatos não sejam usados para treinar os modelos de IA subjacentes.
Você está envolvido durante todo o processo. Pode pedir ao Jasper para ajudar a editar o blog para alinhar melhor com os atributos desejados da sua marca (por exemplo, “incorporar mais empolgação”, “transmitir uma atitude mais otimista”, “enfatizar o apelo global”) ou continuar gerando novos posts de blog até encontrar um que goste. O Jasper também pode transformar o blog em outros tipos de conteúdo de marketing para sua campanha, como uma página de destino, uma postagem no LinkedIn ou um e-mail, criando uma galeria completa que se conforma ao formato de cada tipo de ativo, enquanto preserva a essência da marca. E se você precisar replicar sua campanha para um produto ou público diferente (por exemplo, consumidores no mundo desenvolvido), basta carregar informações para esse público, alterar os públicos em um menu suspenso e deixar o Jasper regenerar todos os materiais.
Dessa forma, o Jasper pode eliminar a troca entre marketing eficiente e controle da identidade da sua marca, permitindo que você se comunique de forma criativa em grande escala, sem perder a voz distinta da sua marca, se desviar dos fatos ou abrir mão de seus segredos comerciais.
A automação não deve e não pode abranger todos os aspectos da gestão de marcas. Os exemplos apresentados destacam a importância de integrar a inteligência artificial nos esforços de marketing convencionais, sem que ela se torne o rosto da marca ou seja utilizada de maneira a usurpar o controle humano. A tecnologia deve complementar, e não substituir, as funções desempenhadas pelos construtores de marca humanos.
Como demonstrado pela parceria da Nike com a Obvious, os gestores podem combinar a inteligência humana com a inteligência artificial para expandir os limites do que suas marcas podem alcançar. Os gerentes de marca bem-sucedidos serão aqueles que dominarem a arte de extrair o “artístico” da inteligência artificial. Essa abordagem equilibrada permitirá que as marcas inovem, mantendo a conexão emocional e autêntica com seus clientes, algo que a automação sozinha não pode proporcionar.
Fonte:
Periódico Harvard Business Review, edição setembro – outubro de 2024
Sobre os autores:
Julian De Freitas é professor assistente na unidade de marketing da Harvard Business School.
Elie Ofek é o professor Malcolm P. McNair de Marketing na Harvard Business School.
Com a tradução do ChatGPT