Neste estudo de caso, Karl Rexer, Ph.D., fala sobre o modelo preditivo de lead scoring desenvolvido para a empresa FAZE-1, para identificar quais proprietários residenciais, entre milhões deles no estado de Massachussets (EUA), estavam mais propensos a instalar painéis solares em suas casas.
Vídeo
Eu sou o Karl Rexer, da Rexer Analytics. Eu fundei a empresa em 2002.
A maioria de nossos modelos normalmente faz previsões sobre as pessoas, o comportamento das pessoas.
Como isso é aplicado a negócios, costumamos prever a possibilidade de conquistar novos clientes, ou melhor, ajudar nossos clientes a usar analytics para conquistar novos clientes, desenvolver relacionamentos e vender mais para esses clientes, ou como melhorar a retenção destes clientes.
Mas, para nosso assunto hoje, queremos falar sobre como nem sempre usamos dados exclusivamente sobre clientes para nossas análises. Às vezes, em determinadas circunstâncias, a pessoa não é a unidade da análise e temos alguns exemplos interessantes em nossa história, em que ajudamos clientes a fazer isso.
Por exemplo, fizemos um trabalho para uma empresa chamada Faze-1 em que a análise que fizemos foi sobre as casas das pessoas.
Utilizamos uma grande variedade de informações em um trabalho conjunto entre a gente e a Faze-1 em que os dados utilizados eram sobre as casas das pessoas. E o que queríamos prever era a probabilidade de um proprietário instalar painéis solares no telhado de sua casa.
Há uma série de informações aqui. Algumas, claro, são sobre o proprietário, mas muitas outras são sobre a casa, se é própria ou alugada.
Usando também informações sobre o tamanho da casa. Algumas dessas informações vem de dispositivos de imagem global, como satélites, Google Earth e coisas do tipo, onde, ao sobrevoar as áreas, é possível determinar a posição do telhado, se está voltado para o norte ou para o sul, qual o tamanho do telhado, de que material é feito
Informações de satélites também compuseram a base de dados do projeto
Essas informações podem ser estimadas por satélites e combinadas como bases de dados sobre o proprietário e sobre o imóvel, como informações, sócio-econômicas sobre o bairro, além de informações específicas sobre o proprietário.
Portanto, essas variáveis todas combinadas, nos ajuda a fazer previsões sobre aquele imóvel específico. Será que esse imóvel é um alvo para uma empresa de painéis solares anunciar ou para bater na porta e tentar vender? Ou se esta não é uma boa oportunidade para prospectar.
Então esta é uma situação incomum em que utilizamos análise preditiva consumindo uma grande variedade de dados para ajudar um cliente a fazer uma previsão.
Compartilhe este matéria