Mini-Projecto · Painel de CRM analytics para uma empresa
Contexto
A "Aromas do Sul", uma marca de cosmética natural com loja física e online, cresceu depressa mas não conhece bem os seus clientes: os dados estão espalhados por folhas de cálculo, ninguém sabe quantos clientes se perdem por ano e as campanhas de marketing são iguais para toda a gente. A gerência quer começar a decidir com dados.
Foste contratado/a como analista de CRM. A tua missão: organizar os dados dos clientes, montar a estrutura base de um CRM analytics, escolher e calcular os KPIs certos, fazer uma análise de segmentação e de churn e entregar um relatório de desempenho com recomendações concretas.
Trabalhas individualmente ou a pares. Usas uma ferramenta à tua escolha — folha de cálculo (Excel/Google Sheets) e/ou um CRM gratuito (ex.: HubSpot free, Zoho) — a partir de um conjunto de dados de clientes fornecido pelo/a formador/a (ou gerado por ti, ~50-100 clientes fictícios).
Requisitos
Funcionais
- Base de dados de clientes organizada e limpa (sem duplicados, campos normalizados), com pelo menos: id, nome, contacto (com consentimento assinalado), data de registo, compras (data e valor), canal e nº de interações.
- Estrutura base de CRM analytics documentada: fontes → integração → repositório → análise → relatório.
- Mínimo de 4 KPIs calculados, incluindo obrigatoriamente taxa de churn e taxa de retenção, e pelo menos um de CLV e ticket médio ou conversão.
- Segmentação dos clientes (modelo RFM ou por valor/comportamento) em pelo menos 3 segmentos, com um perfil descrito para cada.
- Análise de churn: identificar os clientes em risco (critério definido por ti) e propor uma ação de retenção.
- Relatório de desempenho final (2-4 páginas ou dashboard) com KPIs em contexto (meta/período anterior) e uma conclusão acionável.
- Pelo menos uma proposta de personalização por segmento.
Não-funcionais
- Dados tratados em conformidade com o RGPD (finalidade, minimização, consentimento assinalado).
- Relatório claro, com poucos KPIs bem escolhidos e o gráfico certo para cada um.
- Cálculos corretos e verificáveis (fórmulas visíveis na folha).
- Apresentação legível e profissional.
Fases
Fase 1 · Recolha e organização dos dados (3h) Reunir/gerar os dados, limpar (deduplicar, normalizar formatos), marcar consentimento e definir os campos-chave a analisar.
Fase 2 · Estrutura do CRM analytics (2h) Documentar a estrutura base (fontes → integração → repositório → análise → relatório) e escolher a ferramenta.
Fase 3 · Definir e calcular KPIs (4h) Escolher os KPIs relevantes (ligados a objetivos), com metas, e calcular pelo menos 4 — incluindo churn e retenção.
Fase 4 · Segmentação e perfis (3h) Aplicar RFM (ou outro critério), formar 3+ segmentos e descrever o perfil de cada.
Fase 5 · Análise de churn e personalização (3h) Identificar clientes em risco, propor ações de retenção e uma ação de personalização por segmento.
Fase 6 · Relatório de desempenho (3h) Montar o relatório/dashboard: KPIs em contexto, gráficos adequados, conclusões acionáveis.
Fase 7 · Apresentação (2h) Apresentar à turma as conclusões e recomendações, explicando as decisões tomadas.
Critérios de avaliação
| Critério | Peso |
|---|---|
| Dados organizados, limpos e conformes (RGPD) | 15% |
| Estrutura de CRM analytics documentada | 10% |
| KPIs corretos, relevantes e com meta | 25% |
| Segmentação e perfis | 20% |
| Análise de churn e personalização | 15% |
| Relatório e apresentação (contexto + conclusão acionável) | 15% |
Erros comuns
- Analisar sem limpar os dados primeiro (duplicados distorcem tudo).
- Calcular KPIs sem meta nem contexto — números soltos.
- Confundir métrica com KPI.
- Fazer segmentação e não a usar para nada.
- Identificar churn e não propor ação.
- Relatório com muitos gráficos e nenhuma conclusão.
- Ignorar o RGPD (dados sem consentimento/finalidade).
Bónus (opcional)
- Fazer uma previsão de vendas simples do próximo trimestre (tendência + sazonalidade).
- Calcular o NPS a partir de um mini-inquérito fictício.
- Construir um dashboard interativo (filtros por segmento/canal).
- Estimar o ganho financeiro de reduzir o churn em 5 pontos.
Reflexão
No relatório final, responde: porque é que a qualidade dos dados condiciona toda a análise? E: das análises que fizeste, qual gerou a recomendação mais valiosa para a empresa e porquê?