Resumo Executivo

Amaury Luciano Oliveira; Paulo Kazuhiro Izumi

Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

A digitalização do mercado e a abundância de dados transformaram a lógica de decisões das empresas no marketing (Wedel e Kannan, 2016). O conceito de marketing orientado por dados ou data-driven marketing refere-se ao uso sistemático de dados para orientar decisões estratégicas, permitindo maior precisão na segmentação, personalização e otimização de campanhas (Chaffey e Ellis-Chadwick, 2019). Com o avanço das tecnologias de análise de dados, inteligência artificial e machine learning, tornou-se possível criar campanhas altamente direcionadas e eficientes, impactando diretamente métricas como taxa de conversão e retorno sobre investimento. Entretanto, a implementação dessa abordagem ainda esbarra em problemas recorrentes de qualidade e integração de dados, definição de métricas, silos entre áreas e lacunas de capacitação para transformar análises em ação (Rosário e Dias, 2023). Esses entraves comprometem a performance das campanhas e a captura de ganhos em conversão (Davenport e Kim, 2013). Tais desafios são agravados pela complexidade de consolidar múltiplas fontes de dados para formar uma visão unificada do cliente e por desafios tecnológicos e organizacionais já apontados na literatura (Erevelles et al., 2016).

Do ponto de vista cultural e de governança, estudos de mercado indicam baixa maturidade analítica, onde apenas 14% das empresas declaram possuir cultura verdadeiramente orientada por dados e 44% dos líderes de marketing relatam dificuldade em demonstrar impacto (Gartner, 2020). Ainda que 91,9% das organizações invistam em Big Data e inteligência artificial, somente 26,5% afirmam ter consolidado uma cultura data-driven (NewVantage Partners, 2022). A qualidade e a integração das informações permanecem como barreiras centrais (Forrester, 2021), ao passo que marcos regulatórios como a LGPD reforçam a necessidade de uso ético e governança dos dados (Bleier et al., 2020). Além dessas limitações internas, desafios técnicos como a fragmentação dos dados, a obsolescência rápida das ferramentas e a escassez de profissionais capacitados continuam a comprometer a eficácia da abordagem (Grandhi et al., 2021). Tais obstáculos são especialmente críticos em ambientes organizacionais com baixa integração entre os departamentos de marketing, tecnologia da informação e análise de dados (Sheth e Kellstadt, 2021).

Neste cenário, a inteligência artificial também tem ganhado espaço como um recurso poderoso para lidar com a complexidade e o volume crescente de dados. Ferramentas baseadas em inteligência artificial permitem a automação de análises, a previsão de comportamentos de consumo, além da personalização de ofertas em tempo real, contribuindo para o aumento das taxas de conversão e da eficiência operacional. Tudo isso amplia significativamente a capacidade das empresas de responderem em tempo real às dinâmicas do mercado (Shah et al., 2020). Organizações relatam dificuldades para converter análises em decisões operacionalizáveis por limitações técnicas e lacunas de qualificação (NewVantage Partners, 2022). Percebe-se também uma escassez de estudos atualizados que abordem como os profissionais do mercado percebem, vivenciam e aplicam na prática esses recursos no cotidiano (Rosário e Dias, 2023). Investigar a percepção e a vivência dos profissionais é relevante porque são esses agentes que operacionalizam decisões baseadas em dados e inteligência artificial, definindo processos e articulando a integração entre áreas. O contexto brasileiro de campanhas digitais permanece pouco explorado na literatura recente, e compreender como tais práticas são interpretadas e aplicadas na ponta ajuda a elucidar os mecanismos que ligam o uso de dados à performance.

A investigação adotou uma abordagem mista, combinando métodos quantitativos e qualitativos para garantir a profundidade necessária ao tema. O desenvolvimento ocorreu em duas etapas fundamentais. A primeira consistiu em uma revisão bibliográfica exaustiva, realizada nas bases de dados Scopus, Web of Science e Google Scholar. Foram selecionados artigos acadêmicos, dissertações, relatórios de mercado e publicações relevantes dos últimos dez anos, com ênfase nos últimos cinco anos, abordando temas como data-driven marketing, Big Data Analytics, personalização, segmentação e inteligência artificial aplicada ao marketing. Essa revisão teve como objetivo construir um referencial teórico robusto que fundamentasse a investigação empírica posterior. A segunda etapa envolveu a aplicação de um questionário estruturado e a realização de entrevistas semiestruturadas. O questionário foi elaborado na plataforma Google Forms e aplicado a uma amostra não probabilística, intencional, composta por 66 profissionais de marketing digital atuantes nos setores de tecnologia, e-commerce, agências de publicidade e produtoras de conteúdo. A seleção foi realizada por critérios de conveniência e acessibilidade, considerando a rede de contatos, além da busca por diversidade em relação ao porte das empresas, abrangendo desde microempresas até grandes organizações com mais de 250 funcionários.

O instrumento de coleta quantitativa foi organizado em blocos temáticos específicos. O primeiro bloco focou no perfil dos respondentes, incluindo função, tempo de atuação e porte da empresa. O segundo bloco avaliou a maturidade no uso de dados, verificando a frequência de uso, processos, automação e integração de dados. O terceiro bloco abordou a cultura data-driven e a integração organizacional, mensurando a presença de governança e o alinhamento entre marketing, tecnologia e analytics. O quarto bloco investigou o uso de inteligência artificial, focando em automação de campanhas, recomendação de conteúdo e modelagem preditiva. Por fim, o quinto bloco explorou os benefícios e desafios percebidos, como retorno sobre investimento, conversão e barreiras de qualificação. Os conceitos de maturidade e cultura foram operacionalizados por meio de perguntas objetivas, de múltipla escolha e escala de Likert, que mensuraram a existência e o grau de adoção dessas práticas dentro das empresas.

Complementarmente, foram conduzidas sete entrevistas semiestruturadas com profissionais especialistas que atuam no mercado há mais de cinco anos na área de marketing digital com foco em dados. Esses profissionais foram selecionados por critério de expertise e relevância prática. O perfil dos entrevistados incluiu um proprietário de consultoria (MEI) com atuação desde 2018; um head de marketing com sete anos de experiência em operadora de plano de saúde; um profissional sênior com 15 anos de experiência em empresa SaaS de médio porte; um head de marketing e comunicação global com 13 anos de atuação em startup de tecnologia; um especialista em performance e growth com nove anos de experiência em fintech; um gerente de marketing e CRM com 15 anos de experiência em grande rede varejista com mais de 300 lojas; e uma liderança de marketing com dez anos de experiência em companhia de grande porte e capital misto. As entrevistas seguiram um roteiro organizado em seis eixos temáticos, visando obter relatos práticos sobre processos, barreiras e resultados observáveis. A análise dos dados quantitativos foi conduzida por meio de estatísticas descritivas para identificar padrões e tendências. Já os dados qualitativos foram analisados utilizando-se a técnica de análise de conteúdo (Bardin, 2011), estruturada em pré-análise, exploração do material e tratamento dos resultados. Para operacionalizar o delineamento convergente, os achados foram integrados por dimensão analítica, seguindo a síntese descritiva, a síntese qualitativa com citações representativas e a meta-inferência.

Os resultados revelaram que a amostra é composta majoritariamente por profissionais no eixo Sudeste, representando 83,5% dos participantes. O setor de serviços foi o mais presente, com 39,39%, seguido por tecnologia com 21,21% e varejo com 15,15%. Em relação aos cargos, houve uma concentração de analistas, totalizando 60,61%, enquanto coordenadores representaram 13,64% e gerentes 7,58%. Esse perfil sugere que a maioria dos respondentes está diretamente ligada à operação e à gestão tática. Quanto ao tempo de atuação, 36,36% possuem mais de cinco anos de experiência, evidenciando certa senioridade, enquanto 30,16% atuam entre um e três anos. No que tange ao porte das empresas, 50,79% dos profissionais atuam em grandes organizações, o que é relevante dado que empresas maiores tendem a possuir maior acesso a recursos e infraestrutura para a adoção de estratégias baseadas em dados.

Sobre o grau de maturidade no uso de dados para decisões de marketing, 50% dos profissionais classificaram o estágio de suas empresas como intermediário. Isso reflete uma realidade onde o uso de dados já está incorporado, mas ainda possui limitações em termos de sofisticação ou consistência. Apenas 13,64% classificaram a maturidade como muito avançada, enquanto 7,58% afirmaram não haver uso estruturado de dados. Um recorte cruzado demonstrou que a maturidade tende a aumentar com o porte da empresa: organizações de médio e grande porte concentram maior participação nas categorias avançado ou muito avançado. Em contrapartida, micro e pequenas empresas aparecem com maior peso nos níveis intermediário ou sem uso estruturado. Essa associação reforça que características organizacionais influenciam diretamente o estágio de adoção de práticas data-driven.

A cultura organizacional orientada por dados apresentou desafios significativos, pois apenas 27,27% dos respondentes afirmaram que essa cultura está presente em toda a organização. A maioria, representando 46,97%, indicou que a cultura de dados existe apenas em partes da empresa, evidenciando uma fragmentação interna. Cerca de 72% dos respondentes colocaram as empresas em um espectro de baixa integração. No que se refere à frequência de uso de dados na tomada de decisão, 27,27% utilizam dados de forma sistemática e 33,33% fazem uso frequente, totalizando 60,6% de adoção consistente. No entanto, ainda existe um contingente de 28,79% que utiliza dados apenas ocasionalmente e 9,09% que o fazem raramente. As fontes de dados mais utilizadas refletem uma forte dependência de plataformas tradicionais: redes sociais são utilizadas por 70,1%, CRM por 67,2% e Google Analytics por 65,7%. Dados transacionais de e-commerce e dados de terceiros aparecem com menor penetração, com 28,4% e 29,9%, respectivamente.

A análise cruzada entre fontes de dados e nível de maturidade mostrou que, à medida que a maturidade aumenta, cresce o uso de CRM e Google Analytics. Em estágios muito avançados, observa-se uma concentração simultânea dessas ferramentas, sinalizando integração de fontes com potencial de mensuração de métricas como retorno sobre investimento e valor da vida útil do cliente. Já nos estágios iniciais, as redes sociais figuram como a principal porta de entrada para práticas orientadas por dados. Quanto às finalidades do uso de dados, houve predominância de tarefas táticas: segmentação de público foi citada por 73,1%, otimização de campanhas por 71,6% e personalização de conteúdo por 64,2%. Usos voltados à avaliação financeira precisa, como análise de retorno sobre investimento, foram citados por 46,3%, enquanto o planejamento estratégico apareceu em apenas 5% das respostas. Esse panorama sugere uma lacuna entre a coleta de dados e o apoio estratégico de longo prazo.

Os benefícios percebidos concentram-se em ganhos de efetividade, com destaque para maior conversão, citada por 83,6%, e melhor experiência do usuário, mencionada por 70,7%. Entende-se por maior conversão o aumento de resultados ao longo do funil, como leads qualificados e crescimento da taxa de visita. A melhor experiência do usuário refere-se ao valor percebido pelo cliente, com mensagens mais relevantes e menor atrito na jornada. Em segundo plano, prevalecem ganhos financeiros, como aumento de retorno sobre investimento para 52,2% e redução de custos para 40,3%. O entendimento do comportamento do usuário foi citado por 25% dos respondentes. Esses indicadores sugerem que o uso de dados está bem estabelecido na execução, mas ainda em consolidação na mensuração financeira. Gerencialmente, isso implica a necessidade de fechar o ciclo entre análise e resultado, integrando dados de CRM e mídia para institucionalizar métricas executivas.

Os desafios relatados concentram-se menos na tecnologia e mais em questões organizacionais. A qualidade e integração dos dados aparecem como a barreira mais frequente, com 46,3%, seguida pela falta de cultura analítica com 43,3% e escassez de profissionais qualificados com 40,3%. Resistência organizacional e complexidade analítica surgem em patamar semelhante, com 37,3%, enquanto limitações tecnológicas ficam em segundo plano, com 22,4%. O padrão indica que o gargalo para ampliar o uso de dados e inteligência artificial está sobretudo em governança, processos interfuncionais e capacitação. Estudos setoriais reforçam que os maiores entraves são gerenciais e recomendam embutir a analítica nos processos de negócio para que o insight seja consumido na operação (LaValle et al., 2011). Sem uma governança que defina direitos de decisão e papéis, não há rastreabilidade do dado ao resultado.

A adoção de inteligência artificial aparece como majoritária, porém heterogênea, com 61% dos profissionais afirmando utilizar alguma ferramenta no marketing. No entanto, 12% não souberam responder, o que sugere baixa visibilidade interna ou governança difusa. O uso de inteligência artificial concentra-se em operações de front-end, como criação automatizada de conteúdo, citada por 68,4%, e chatbots, mencionados por 57,8%. Análise preditiva e personalização em tempo real aparecem em patamares inferiores, com 31,1% e 26,7%, respectivamente. A análise cruzada entre a finalidade de uso da inteligência artificial e o grau de cultura orientada por dados revelou que a criação automatizada de conteúdo é citada por 100% do grupo sem cultura data-driven, enquanto finalidades analíticas se concentram onde a cultura de dados é mais disseminada. A personalização em tempo real atinge 43% em empresas com cultura em toda a organização, mas cai para 0% no grupo sem cultura.

As entrevistas com especialistas permitiram aprofundar esses achados. Foi destacada a necessidade de capacitação e de infraestrutura que suporte a visão 360 graus do usuário. Relatos de silos entre marketing e tecnologia da informação foram recorrentes, assim como a necessidade de patrocínio da liderança para destravar orçamentos. Um dos gestores entrevistados ressaltou que a empresa coleta muitos dados, mas nem sempre consegue transformá-los em ações concretas, revelando a lacuna entre disponibilidade informacional e capacidade analítica. Outro ponto levantado foi que a inteligência artificial ajuda a ganhar escala, mas ainda há dificuldade em medir o quanto isso gera de retorno financeiro. A adoção de inteligência artificial impulsiona a eficiência operacional, mas para que se converta em impacto estratégico, é indispensável dispor de dados confiáveis e métricas de sucesso definidas previamente (Shah e Murthi, 2021).

A triangulação dos dados evidenciou que os profissionais reconhecem o potencial do data-driven marketing e da inteligência artificial, mas enfrentam entraves que limitam a captura plena de valor. Onde há cultura apoiada pela liderança e integração técnica, a maturidade avança e a inteligência artificial produz impactos mais consistentes. Em ambientes com integração parcial, os ganhos tendem a ficar circunscritos a iniciativas pontuais de eficiência. Os desafios de qualidade de dados e falta de profissionais qualificados são compatíveis com a maturidade intermediária observada na maioria da amostra. A capacitação deve focar em fundamentos analíticos e boas práticas de experimentação, enquanto a integração deve priorizar padrões de qualidade e acesso entre CRM e dados transacionais.

Em suma, os padrões observados de maturidade seletiva e cultura setorizada indicam uma escassez de processos de gestão estratégica de dados. Avançar requer governança, curadoria e competências analíticas, incluindo rotinas de auditoria e segurança de dados (Sheth e Kellstadt, 2021). A consolidação de uma cultura orientada por dados exige mais do que tecnologia; envolve gestão organizacional e governança capazes de transformar informações em vantagem competitiva sustentável. A principal inferência é que a tecnologia, sozinha, não resolve o problema da performance; o efeito econômico depende de processos decisórios claros e patrocínio executivo. Os benefícios percebidos emergem em conversão e eficiência, mas se transformam em retorno sobre investimento somente quando há mensuração confiável ao longo da jornada do cliente.

Conclui-se que o objetivo foi atingido, pois a investigação identificou que profissionais de marketing digital percebem o data-driven marketing e a inteligência artificial como vetores essenciais de performance, embora sua aplicação prática ainda esteja concentrada em ganhos táticos e operacionais. A transição para um modelo de alta maturidade analítica é inibida por barreiras de governança, silos organizacionais e lacunas de capacitação técnica. O estudo demonstrou que a captura de valor econômico sustentado depende da institucionalização de métricas de negócio nos rituais de decisão e da integração efetiva entre as áreas de marketing e tecnologia. A tecnologia atua como facilitadora, mas a eficácia real das campanhas digitais está condicionada a uma cultura organizacional que priorize a qualidade dos dados e a transformação de insights em ações estratégicas mensuráveis.

Referências Bibliográficas:

Bardin, L. 2011. Análise de conteúdo. Edições 70, Lisboa, Portugal.

Bleier, A.; Goldfarb, A.; Tucker, C. 2020. Consumer privacy and the future of data-based innovation and marketing. International Journal of Research in Marketing 37(3): 466-480. https://doi.org/10.1016/j.ijresmar.2020.03.006

Chaffey, D.; Ellis-Chadwick, F. 2019. Digital marketing. 7ed. Pearson Education, Harlow, UK.

Davenport, T.H.; Kim, J. 2013. Keeping up with the quants: Your guide to understanding and using analytics. Harvard Business Review Press, Boston, MA, USA.

Erevelles, S.; Fukawa, N.; Swayne, L. 2016. Big data consumer analytics and the transformation of marketing. Journal of Business Research 69(2): 897-904. https://doi.org/10.1016/j.jbusres.2015.07.001

Forrester Research. 2021. The Forrester Wave™: Customer Analytics Service Providers, Q3 2021. Disponível em: https://www.forrester.com/report/the-forrester-wave-tm-customer-analytics-service-providers-q3-2021/RES176060. Acesso em: 16 mar. 2025

Gartner. 2020. Marketing Data and Analytics Survey: 44% of CMOs can’t prove ROI of data-driven decisions. Disponível em: https://www.gartner.com/en/marketing/research/marketing-data-and-analytics-survey-2020. Acesso em: 15 mar. 2025

Grandhi, B.; Singh, A.; Bandyopadhyay, N. 2021. Data-driven marketing for growth and profitability: A bibliometric analysis and future research agenda. EuroMed Journal of Business 16(4): 381-398. https://doi.org/10.1108/EMJB-09-2018-0054

LaValle, S.; Lesser, E.; Shockley, R.; Hopkins, M.S.; Kruschwitz, N. 2011. Big data, analytics and the path from insights to value. MIT Sloan Management Review 52(2): 21-32. Disponível em: https://sloanreview.mit.edu/article/big-data-analytics-and-the-path-from-insights-to-value/ Acesso em: 18 Jun 2025

NewVantage Partners. 2022. Big Data and AI Executive Survey 2022. Disponível em: https://www.businesswire.com/news/home/20220103005036/en/NewVantage-Partners-Releases-2022-Data-And-AI-Executive-Survey. Acesso em: 12 mar. 2025

Rosário, A.C.; Dias, Á. 2023. How has data-driven marketing evolved? Challenges and opportunities with emerging technologies. International Journal of Information Management Data Insights 3(2): 100203. https://doi.org/10.1016/j.jjimei.2023.100203

Shah, D.; Murthi, B.P.S. 2021. Marketing in a data-driven digital world: Implications for the role and scope of marketing. Journal of Business Research 125: 772-778. https://doi.org/10.1016/j.jbusres.2020.06.062

Shah, D.; Murthi, B.P.S. 2021. Marketing in a data-driven digital world: Implications for the role and scope of marketing. Journal of Business Research 125: 772-778. https://doi.org/10.1016/j.jbusres.2020.06.062

Sheth, J.N.; Kellstadt, C.H. 2021. Next frontiers of research in data driven marketing: Will techniques keep up with data tsunami? Journal of Business Research 125: 780-784. https://doi.org/10.1016/j.jbusres.2020.04.050

Wedel, M.; Kannan, P.K. 2016. Marketing analytics for data-rich environments. Journal of Marketing 80(6): 97-121. https://doi.org/10.1509/jm.15.0413

Resumo executivo oriundo de Trabalho de Conclusão de Curso de MBA em Marketing

Saiba mais sobre o curso, clique aqui