A oportunidade da Copa do Mundo: como transformar dados de fãs em engajamento significativo
Com a Copa do Mundo em andamento, a atenção global voltou-se mais uma vez para o futebol. Para os clubes de futebol, este momento deve ser uma mina de ouro para a análise de dados. Muitos já contam com anos de dados de torcedores, especialmente em mercados como o Brasil, onde os programas de associação estão profundamente integrados ao modelo de negócios. No entanto, esses dados costumam estar dispersos em sistemas desconectados de bilhetagem, associações, e-commerce e redes sociais, o que dificulta a transformação de informações em ações significativas.
Neste episódio do The AI Forecast, Paul Muller conversa com Caio Nogueira, cofundador da Lupa Data, sobre o que está impedindo os clubes de avançar e como podem começar a transformar dados fragmentados em engajamento real dos fãs.
O que isso significa no campo de atuação? Veja como eles dividem isso.
Momentos da Copa do Mundo como oportunidades de negócio com os dados dos fãs
Paul: Como você vê a Copa do Mundo como uma oportunidade para o engajamento do cliente e com que rapidez os clubes podem transformar esses dados em insights?
Caio: Em nosso segmento, especialmente nos esportes, concentramo-nos no que chamamos de dados de fãs. E com esses dados de fãs vimos uma oportunidade singular em torno da Copa do Mundo.
Há um fenômeno em que todos assistem à Copa do Mundo, mesmo que não sejam fãs de futebol. O que faz alguém que normalmente não assiste ou não se importa com futebol de repente acompanhar a Copa do Mundo tão de perto? Não sei exatamente o que é, mas quando a Copa do Mundo chega, se há um jogo naquele dia, tudo para. As pessoas não trabalham, elas vão para casa e assistem ao jogo.
O que faz as pessoas se comportarem dessa maneira? Podemos obter muitas informações das mídias sociais sobre como as pessoas interagem com os jogos. É isso que atrai as pessoas. É um momento especialmente bom para capturar esse tipo de informação única, algo que só conseguimos realmente durante grandes ocasiões como esta. Portanto a Copa do Mundo pode ser uma espécie de ponto de entrada para isso.
Segmentação comportamental de fãs de esportes
Paul: Isso é empolgante. Como mencionei no início, muitos ouvintes trabalham com dados de assinantes: assinantes de boletins informativos, clubes, associações ou programas de fidelização.
Temos listas de pessoas interessadas em nossa empresa, esporte ou marca, mas muitas têm dificuldade para saber como interagir. Você mencionou "segmentação comportamental.” Você pode explicar o que significa?
Caio: Há um exemplo vindo da Europa, especialmente da Premier League que já tem esse tipo de segmentação implementado. O objetivo é entender os diversos grupos de pessoas, ou sejam, fãs e não apenas membros e o que eles desejam.
Por exemplo, quais são as necessidades dos torcedores que têm filhos? O que desejam quando vão a um jogo? Querem segurança. Querem um bom ambiente onde possam levar seus filhos e aproveitar a experiência juntos. Na Premier League há representantes para pessoas com deficiência. As necessidades delas provavelmente estão relacionadas a acesso.
Portanto, todos esses grupos possuem necessidades diferentes. A questão é: como podemos oferecer benefícios que estejam alinhados a essas necessidades? Talvez isso signifique assentos com acesso mais fácil, como aqueles mais próximos às rampas.
Ao mesmo tempo, você não colocaria uma família próxima às seções de torcedores mais intensas, onde grupos organizados de torcedores estão cantando, agitando bandeiras e fazendo muito barulho. Em alguns casos, especialmente em locais como o Brasil, essas áreas podem até se tornar conflituosas. Esse não é o ambiente adequado para crianças. Portanto o objetivo é conhecer essas diversas necessidades, como cada grupo interage com o jogo e sua cultura e depois alinhar sua experiência a isso.
Por que os clubes têm dificuldade para transformar dados de fãs em ação
Paul: Parece-me que, na sua perspectiva, clubes e associações não estão realmente usando seus dados de fãs de forma eficaz. Você concordaria com essa afirmação?
Caio: Ah, 100%. Há muitos dados, principalmente dados não estruturados, espalhados por planilhas do Excel e diferentes bancos de dados, como sistemas de bilheteria em estádios. A maioria das grandes equipes tem seus próprios estádios, então por que não estamos utilizando esses dados para criar uma experiência melhor para os torcedores?
Houve algumas tentativas, especialmente aqui no Brasil. Por exemplo, o Palmeiras, um dos times de São Paulo, já desenvolveu um aplicativo para melhorar os pagamentos. Os pagamentos podem ser irritantes às vezes, porque cada local tem seu próprio sistema. Portanto, se você é torcedor do Palmeiras, pode usar o aplicativo deles para pagar no estádio. Isso traz praticidade e gera dados. Mas ainda não há uma comunicação real entre os sistemas. Não vejo associações conectadas a chamados, ou chamados conectados ao comércio eletrônico, ou mesmo ao controle de acesso em alguns casos.
Veja outro exemplo: quando há um time rival jogando em um estádio local, o transporte torna-se um problema. Os ônibus ficam superlotados, o metrô enche, por isso é difícil até mesmo chegar ao estádio. Por que não coordenar com a cidade e dizer: "Deste horário até aquele horário, vamos adicionar mais ônibus nas rotas que vão para o estádio?" Isso tornaria as coisas muito mais práticas e melhoraria a experiência geral dos torcedores.
Paul: Isso não parece um problema de tecnologia. Isso parece um problema de visão e um problema de colaboração. Você concordaria com essa declaração? O problema não é falta de tecnologia.
Caio:
Concordo. O problema aqui, como você disse, não é a tecnologia. Já temos a tecnologia e temos há bastante tempo. O que precisamos é de uma estrutura para tornar isso realidade e do compromisso de colocá-la em prática.
Tudo se resume, na verdade, ao conhecimento e à aplicação: saber quais dados você tem e como transformá-los em informações úteis e alinhadas às necessidades. Neste momento estamos trabalhando com as equipes para tornar isso possível. No momento há muitos dados dispersos, alguns provenientes de e-commerce, outros de associações, mas são limitados. Os dados de associações cobrem apenas os membros, não temos muito do público em geral, o que seria valioso coletar se soubéssemos como fazê-lo. Estamos tentando limpar e organizar esses dados para aplicarmos diretamente às necessidades daqueles segmentos sobre os quais falamos.
Confira a conversa completa com Caio Nogueira no The AI Forecast no Spotify, Apple Podcasts, e YouTube.