UC00290

Implementar processos de CRM analytics

Dos dados do cliente à análise preditiva e à visão 360º

Curso profissional · 50h · Marketing, Relações Públicas e Publicidade

Plano

  1. O que é CRM
  2. Os três tipos de CRM
  3. CRM operacional
  4. CRM analítico
  5. CRM colaborativo
  6. CRM analytics: definição e importância
  7. Componentes do CRM analytics
  8. Tipos de análise de dados
  9. Porque o CRM analytics importa às empresas
  10. Configurar a estrutura base
  11. Análise descritiva
  12. Análise preditiva
  13. Análise de sentimento
  14. Análise de interatividade
  15. Personalização e visão 360º do cliente
  16. Relatórios de desempenho e KPI's
  17. Segurança, qualidade e RGPD
  18. Da recolha de dados à decisão
  19. Fecho e boas práticas

Bloco 1 · O que é CRM

Customer Relationship Management

CRM (Customer Relationship Management, gestão da relação com o cliente) é a estratégia, o processo e o software que uma empresa usa para organizar tudo o que sabe sobre cada cliente: contactos, compras, pedidos de apoio, preferências.

  • Objetivo central: conhecer melhor o cliente para o servir melhor e vender melhor.
  • Não é só um software. É primeiro uma estratégia de relação, apoiada por tecnologia.
  • Junta dados que, sem CRM, ficam dispersos entre vendas, marketing e apoio ao cliente.

Sem um CRM, cada departamento tem a sua versão do cliente, muitas vezes incompleta.

Porque as empresas investem em CRM

  • Permite personalizar a abordagem a cada cliente, em vez de tratar todos da mesma forma.
  • Dá uma base para decisões informadas, em vez de decisões por intuição.
  • Melhora a retenção: é mais barato manter um cliente do que conquistar um novo.
  • É a base de todo o resto desta UC: sem dados organizados, não há análise possível.

Um sistema de CRM bem implementado é o alicerce da relação da empresa com o mercado.

Bloco 2 · Os três tipos de CRM

Operacional, analítico, colaborativo

Um sistema de CRM organiza-se em três tipos complementares, cada um com uma função própria:

Tipo Função principal
Operacional automatizar as tarefas do dia a dia com o cliente
Analítico transformar dados em conhecimento e previsões
Colaborativo partilhar a informação entre equipas e canais

Nenhuma empresa madura usa só um tipo: os três trabalham em conjunto sobre a mesma base de dados do cliente.

Bloco 3 · CRM operacional

Automatizar marketing, vendas e apoio

O CRM operacional automatiza os processos do contacto direto com o cliente:

  • Automação em marketing: campanhas de email, segmentação de listas, fluxos automáticos conforme o comportamento do cliente.
  • Automação em vendas: registo de propostas, acompanhamento do funil, recordatórios de contacto.
  • Automação em serviço ao cliente: tickets de apoio, histórico de interações, respostas automáticas a perguntas frequentes.

O ganho principal é tempo: tarefas repetitivas passam a correr sem intervenção manual constante.

Bloco 4 · CRM analítico

Armazenar, integrar e analisar dados

O CRM analítico é o motor que transforma dados em conhecimento. Os seus pilares:

  • Armazenamento e integração de dados: juntar dados de vendas, apoio, site e redes sociais num só lugar.
  • Ferramentas de análise de dados: painéis, relatórios, segmentações.
  • Modelagem preditiva: modelos matemáticos que estimam comportamentos futuros.
  • Data Mining: procurar padrões escondidos em grandes volumes de dados.

É este tipo de CRM, o analítico, que esta UC desenvolve em profundidade a partir do bloco 6.

Bloco 5 · CRM colaborativo

Partilhar a informação entre equipas

O CRM colaborativo garante que a informação do cliente circula entre quem precisa dela:

  • Plataformas de comunicação e colaboração: chat interno, partilha de notas sobre o cliente.
  • Gestão de interações multicanal: telefone, email, redes sociais e loja física registados no mesmo histórico.
  • Partilha de informações: vendas, marketing e apoio ao cliente veem os mesmos dados atualizados.

Sem este tipo, o cliente tem de repetir a sua história a cada contacto com um departamento diferente.

Bloco 6 · CRM analytics: definição e importância

O que é o CRM analytics

CRM analytics é a aplicação de técnicas de análise de dados ao CRM, para transformar os dados guardados em decisões e ações concretas.

  • Vai além de guardar dados: procura padrões, tendências e previsões.
  • É o elo entre os dados brutos do CRM operacional e a tomada de decisão da gestão.
  • É o foco central desta unidade curricular: organizar dados, definir KPI's e analisar indicadores.

Sem CRM analytics, uma empresa tem muitos dados e pouco conhecimento.

Bloco 7 · Componentes do CRM analytics

Recolha, análise e integração

O CRM analytics assenta em três componentes que se repetem em qualquer implementação:

  1. Recolha de dados internos: vendas, apoio ao cliente, interações no site, programa de fidelização.
  2. Recolha de dados externos: redes sociais, estudos de mercado, dados públicos sobre o setor.
  3. Análise e integração dos dados: cruzar as duas fontes anteriores numa visão única e coerente.

Um erro de recolha ou de integração propaga-se a todas as análises seguintes: a qualidade da análise nunca é melhor do que a qualidade dos dados de origem.

Bloco 8 · Tipos de análise de dados

Descritiva, diagnóstica, preditiva, prescritiva

Toda a análise de dados no CRM analytics se encaixa em quatro tipos, cada um respondendo a uma pergunta diferente:

Tipo Pergunta que responde Exemplo
Descritiva O que aconteceu? vendas do mês passado por região
Diagnóstica Porque aconteceu? porque caíram as vendas em maio
Preditiva O que vai acontecer? que clientes vão cancelar o serviço
Prescritiva O que devemos fazer? que ação de retenção aplicar a cada cliente

As quatro conjugam-se: a descritiva mostra o quadro, a diagnóstica explica-o, a preditiva antecipa-o, a prescritiva recomenda a ação.

Bloco 9 · Porque o CRM analytics importa às empresas

Os cinco ganhos do CRM analytics

O investimento em CRM analytics justifica-se por ganhos concretos e medíveis:

  • Melhoria da satisfação do cliente: respostas mais rápidas e relevantes.
  • Aumento da retenção de clientes: identificar quem está em risco de abandonar e agir a tempo.
  • Otimização das vendas e do marketing: investir onde há mais retorno.
  • Tomada de decisão baseada em dados: menos intuição, mais evidência.
  • Crescimento do negócio: os quatro pontos anteriores, somados, traduzem-se em mais receita.

Cada um destes ganhos vai ser trabalhado em detalhe nos próximos blocos, com um tipo de análise próprio.

Bloco 10 · Configurar a estrutura base

Da base de dados aos primeiros indicadores

Configurar a estrutura base de um sistema de CRM analytics segue uma sequência lógica:

  1. Organizar os dados do cliente: contactos, histórico de compras, interações, num só registo por cliente.
  2. Definir os KPI's relevantes para a atividade concreta da empresa, não um conjunto genérico copiado de outra empresa.
  3. Configurar os painéis e relatórios que vão mostrar esses KPI's.
  4. Testar e ajustar: confirmar que os números fazem sentido antes de os usar para decidir.

Esta sequência corresponde diretamente às duas primeiras realizações do referencial desta UC.

Exemplo resolvido · Escolher os KPI's certos

Uma loja online de roupa quer acompanhar o seu desempenho com CRM analytics. Tem muitos dados disponíveis, mas precisa de escolher os KPI's que realmente importam para o negócio.

  1. Objetivo do negócio: aumentar a receita e a fidelização.
  2. KPI's escolhidos: taxa de retenção, valor médio de compra, taxa de abandono de carrinho, tempo médio de resposta ao apoio ao cliente.
  3. KPI's rejeitados: número total de seguidores nas redes sociais, por não se ligar diretamente à receita.

A escolha dos KPI's não é genérica: decorre sempre dos objetivos concretos da empresa.

Bloco 11 · Análise descritiva

Segmentação de mercado e perfil do consumidor

A análise descritiva responde a "o que aconteceu", organizando o cliente em grupos com características comuns:

  • Segmentação de mercado: dividir os clientes em grupos (idade, localização, comportamento de compra, frequência).
  • Perfil do consumidor: descrever o cliente típico de cada segmento (o que compra, quando, com que frequência, por que canal).

A segmentação transforma uma lista de milhares de clientes anónimos num pequeno número de grupos compreensíveis e acionáveis.

Exemplo resolvido · Segmentar uma base de clientes

Uma academia tem 1.000 clientes registados no CRM. Quer segmentar por frequência de utilização.

  1. Extrair do CRM o número de visitas por cliente no último mês.
  2. Definir os cortes: inativos (0 visitas), ocasionais (1 a 4 visitas), regulares (5 ou mais visitas).
  3. Resultado: 150 inativos, 450 ocasionais, 400 regulares.
  4. Ação por segmento: campanha de reativação para os inativos; incentivo a passar a regular para os ocasionais; programa de fidelização para os regulares.

Cada segmento recebe uma ação diferente, porque tem uma necessidade diferente.

Bloco 12 · Análise preditiva

Prever vendas e antecipar o abandono

A análise preditiva responde a "o que vai acontecer", a partir de padrões no histórico de dados:

  • Previsão de vendas: estimar as vendas dos próximos meses a partir do histórico e da sazonalidade.
  • Taxa de abandono (churn): percentagem de clientes que deixam de comprar ou de usar o serviço num período.
  • Modelo de churn: sistema que atribui a cada cliente uma probabilidade de abandonar, com base no seu comportamento recente.

Antecipar o abandono permite agir antes de perder o cliente, não depois.

Exemplo resolvido · Calcular a taxa de churn

Um serviço de assinatura tinha 500 clientes no início do mês e perdeu 25 durante o mês.

  1. Fórmula: taxa de churn = clientes perdidos ÷ clientes no início × 100.
  2. Cálculo: 25 ÷ 500 × 100 = 5%.
  3. Leitura: por cada 100 clientes, 5 deixam o serviço todos os meses.
  4. Projeção simples: a este ritmo, sem reposição, a base de clientes reduz-se a metade em cerca de 14 meses.

Uma taxa de churn mensal de 5% parece pequena, mas composta ao longo do ano tem um impacto grande na receita.

Bloco 13 · Análise de sentimento

O que dizem de nós nas redes sociais

A análise de sentimento avalia a opinião dos clientes a partir do que escrevem:

  • Monitorização de redes sociais: acompanhar menções à marca em redes sociais e plataformas de avaliação.
  • Análise de comentários: classificar cada comentário como positivo, negativo ou neutro.
  • Permite detetar problemas emergentes antes de se tornarem uma crise de reputação.

Um aumento súbito de comentários negativos é, muitas vezes, o primeiro sinal de um problema real no produto ou serviço.

Exemplo resolvido · Ler um painel de sentimento

Um restaurante monitoriza 200 comentários do último mês numa plataforma de avaliações.

  1. Classificação: 140 positivos, 40 neutros, 20 negativos.
  2. Percentagem de negativos: 20 ÷ 200 × 100 = 10%.
  3. Ler os 20 negativos em detalhe: 15 referem o tempo de espera, 5 referem outros assuntos.
  4. Ação: o tempo de espera é o problema concreto a resolver, não "a qualidade" em geral.

A análise de sentimento só é útil quando se lê o conteúdo por trás do número, não apenas a percentagem.

Bloco 14 · Análise de interatividade

Rastrear interações ao longo do funil

A análise de interatividade acompanha o comportamento do cliente ao longo do seu percurso:

  • Rastreamento de interações: cliques, visitas, aberturas de email, chamadas, visitas à loja.
  • Análise das interações ao longo do funil de vendas: do primeiro contacto até à compra.
Visitante → Interessado → Lead → Oportunidade → Cliente
   1000         400          150        60           25

Cada passagem de fase perde pessoas: o funil mostra onde a empresa perde mais potenciais clientes, e é aí que deve agir primeiro.

Bloco 15 · Personalização e visão 360º do cliente

Da análise à personalização

O CRM analytics só tem valor final quando se traduz em personalização real da relação com o cliente:

  • Usar os segmentos, o perfil e o histórico para adaptar ofertas, comunicação e atendimento a cada cliente.
  • É a ligação direta ao primeiro critério de desempenho da UC: personalizar a abordagem em função dos outputs do CRM.
  • Personalizar não significa tratar cada cliente de forma única e manual, mas sim usar os dados para ajustar a experiência por segmento ou por indivíduo, de forma sistemática.

Sem personalização, todo o trabalho de análise fica no relatório e nunca chega ao cliente.

A visão 360º do cliente

A visão 360º junta, num único ecrã, tudo o que a empresa sabe sobre um cliente: compras, apoio, interações, redes sociais, sentimento.

  • Objetivo: nenhuma equipa trabalha com uma parte da informação, todas veem o quadro completo.
  • Resultados: decisões mais rápidas, atendimento mais coerente, menos repetição de perguntas ao cliente.
  • É o ponto de chegada da análise, descritiva, preditiva e de sentimento, todas juntas sobre a mesma pessoa.

Construir a visão 360º é também uma das três realizações centrais desta UC, colaborar na criação dessa visão.

Bloco 16 · Relatórios de desempenho e KPI's

Medir e comunicar o desempenho

Os relatórios de desempenho traduzem os dados do CRM analytics em informação que a gestão pode usar:

  • Mostram a evolução dos KPI's definidos (bloco 10) ao longo do tempo.
  • Usam painéis visuais (dashboards): gráficos, tabelas, semáforos de alerta.
  • São o produto final das realizações desta UC: definir KPI's e, depois, analisar os indicadores-chave de desempenho da empresa.

Um bom relatório responde a uma pergunta de negócio concreta, não apresenta números sem contexto.

Exemplo resolvido · Ler um relatório de desempenho

Uma loja definiu como meta mensal 200 vendas e uma taxa de retenção de 80%. No fim do mês, o relatório mostra 170 vendas e 74% de retenção.

  1. Vendas: 170 ÷ 200 × 100 = 85% da meta cumprida.
  2. Retenção: 74% está 6 pontos percentuais abaixo da meta de 80%.
  3. Diagnóstico (análise diagnóstica, bloco 8): a queda na retenção pode estar a travar as vendas totais.
  4. Decisão: investigar a retenção primeiro, antes de investir mais em atrair clientes novos.

O relatório não dá só números, orienta qual o problema a resolver primeiro.

Bloco 17 · Segurança, qualidade e RGPD

Normas de segurança e de qualidade

O trabalho com dados de clientes está sujeito às mesmas normas de qualquer outra atividade profissional:

  • Normas de segurança e saúde no trabalho: aplicáveis mesmo num trabalho predominantemente informático e de escritório.
  • Normas da qualidade: procedimentos documentados, revisão de dados antes de decidir, consistência entre relatórios.
  • Estas normas não são um capítulo isolado: aplicam-se a todo o processo descrito nos blocos anteriores.

Rigor e respeito pelas normas são atitudes avaliadas em toda a UC, não apenas conhecimento teórico.

RGPD: proteger os dados do cliente

O Regulamento Geral sobre a Proteção de Dados (RGPD) é a legislação europeia que regula como os dados pessoais dos clientes podem ser recolhidos, guardados e usados.

  • Só se recolhem os dados necessários para a finalidade declarada.
  • O cliente tem direito de acesso, correção e eliminação dos seus dados.
  • Dados sensíveis (saúde, origem, orientação) exigem cuidados redobrados e raramente têm lugar num CRM comercial comum.
  • Um incidente de segurança com dados de clientes pode ter consequências legais e financeiras graves para a empresa.

O CRM analytics trabalha sobre dados pessoais em grande escala: cumprir o RGPD não é opcional.

Bloco 18 · Da recolha de dados à decisão

O ciclo completo em ação

Juntando os blocos anteriores, o ciclo completo do CRM analytics, numa empresa real, segue esta sequência:

Organizar dados do cliente
        ↓
Definir KPI's relevantes
        ↓
Analisar (descritiva, diagnóstica, preditiva, sentimento)
        ↓
Visão 360º e personalização
        ↓
Relatório de desempenho → decisão

Este ciclo repete-se continuamente: cada decisão gera novos dados, que alimentam o ciclo seguinte.

Caso prático · Uma semana de trabalho

Uma assistente de marketing recebe a tarefa de melhorar a retenção de clientes de um ginásio.

  1. Organiza os dados de frequência dos últimos três meses no CRM.
  2. Define o KPI "taxa de inatividade a 30 dias" como indicador chave.
  3. Analisa: segmenta os clientes por frequência (bloco 11) e calcula a taxa de churn (bloco 12).
  4. Cruza com a análise de sentimento dos comentários nas redes sociais do ginásio (bloco 13).
  5. Propõe uma campanha de reativação personalizada para o segmento de risco, e reporta o resultado num painel mensal.

Cada aptidão trabalhada nos blocos anteriores aparece aqui, aplicada a um problema real.

Bloco 19 · Fecho e boas práticas

Boas práticas de CRM analytics

  • Qualidade primeiro: dados limpos e organizados antes de qualquer análise.
  • KPI's ligados a decisões: nunca um indicador "só para ter".
  • Ler o contexto, não só o número: um valor isolado raramente conta a história completa.
  • Visão 360º partilhada: evitar que cada equipa tenha a sua versão parcial do cliente.
  • Conformidade: segurança, normas de qualidade e RGPD em todo o processo.

Estas boas práticas atravessam todos os blocos desta UC e são o critério real de avaliação do trabalho prático.

Recapitulando

  • CRM é estratégia e tecnologia para conhecer e servir melhor o cliente, nos três tipos: operacional, analítico, colaborativo.
  • CRM analytics aplica análise descritiva, diagnóstica, preditiva e prescritiva aos dados do cliente.
  • Segmentação, perfil do consumidor, previsão de vendas, churn e sentimento alimentam a visão 360º do cliente.
  • Tudo isto termina em relatórios de desempenho que apoiam decisões, sempre com segurança e RGPD.

Próximo: fichas e projeto, organizar dados reais e produzir a primeira visão 360º.

NOTAS DO PROFESSOR - Enfatizar: CRM é estratégia primeiro, software depois. Muita gente pensa só no software. - Erro comum: achar que um CRM é só "uma base de dados de contactos", como uma folha de Excel. - Exemplo: pedir à turma para imaginar uma loja onde o vendedor não sabe que o cliente já reclamou duas vezes. É isso que o CRM evita.

NOTAS DO PROFESSOR - Enfatizar: ligar este slide à primeira aptidão do referencial, reconhecer a importância de um sistema de CRM. - Pergunta: porque é que é mais caro conquistar um cliente novo do que manter um antigo? (custo de marketing, de confiança, de adaptação). - Exemplo: um cartão de fidelização de supermercado é uma face visível de um CRM por detrás.

NOTAS DO PROFESSOR - Enfatizar: os três tipos não são produtos diferentes, são camadas do mesmo sistema. - Erro comum: achar que "CRM analítico" é um software à parte do CRM operacional. Normalmente é o mesmo sistema, com um módulo de análise. - Analogia: operacional é a "mão", analítico é o "cérebro", colaborativo é a "voz" que liga as pessoas.

NOTAS DO PROFESSOR - Enfatizar: operacional está ligado ao dia a dia das equipas de marketing, vendas e apoio ao cliente. - Erro comum: confundir automação de marketing com spam. A automação bem feita segmenta e é relevante para quem recebe. - Exemplo: um cliente que abandona um carrinho de compras online e recebe, horas depois, um email automático a recordar o produto.

NOTAS DO PROFESSOR - Enfatizar: este é o tipo de CRM que dá nome à UC, CRM analytics é essencialmente o CRM analítico aplicado. - Erro comum: pensar que "integrar dados" é copiar ficheiros. É ligar fontes diferentes para que falem da mesma pessoa. - Pergunta: porque é que juntar os dados de vendas com os dados de apoio ao cliente dá uma visão melhor do que olhar para cada um sozinho?

NOTAS DO PROFESSOR - Enfatizar: multicanal significa que o histórico é um só, independentemente do canal usado pelo cliente. - Erro comum: achar que basta ter vários canais de contacto. O que importa é que todos vejam o mesmo histórico. - Exemplo: o cliente liga para o apoio técnico depois de já ter falado com as vendas por email; o agente vê logo esse email.

NOTAS DO PROFESSOR - Enfatizar: ligar diretamente às três realizações do referencial, organizar dados, definir KPI's, analisar indicadores. - Erro comum: confundir "ter muitos dados" com "saber usar os dados". São coisas diferentes. - Analogia: dados em bruto são como ingredientes na despensa; o CRM analytics é a receita que os transforma em prato servido.

NOTAS DO PROFESSOR - Enfatizar: "lixo entra, lixo sai". Nenhuma análise sofisticada compensa dados mal recolhidos. - Erro comum: só olhar para dados internos e ignorar o contexto externo (concorrência, redes sociais). - Pergunta: que dados externos poderiam ajudar uma loja de roupa a entender melhor os seus clientes?

NOTAS DO PROFESSOR - Enfatizar: esta tabela é o mapa mental de todo o resto da UC. Os blocos seguintes aprofundam cada tipo. - Erro comum: confundir diagnóstica com preditiva. A diagnóstica olha para o passado, a preditiva olha para o futuro. - Exemplo: um relatório de vendas (descritivo) seguido de "porque é que as vendas caíram em maio?" (diagnóstico).

NOTAS DO PROFESSOR - Enfatizar: estes cinco pontos são a justificação de negócio para todo o investimento técnico que se segue. - Pergunta: qual destes cinco ganhos seria mais valioso para um pequeno negócio local? E para uma grande cadeia? - Exemplo: uma marca que reduz o cancelamento de assinaturas em 10% através de alertas antecipados de churn.

NOTAS DO PROFESSOR - Enfatizar: sem este trabalho de base, qualquer análise posterior assenta em areia. - Erro comum: definir KPI's antes de organizar os dados. Sem dados fiáveis, o KPI não tem valor. - Exemplo: uma loja que começa por limpar e unificar a lista de clientes antes de criar o primeiro relatório de vendas.

NOTAS DO PROFESSOR - Enfatizar: um KPI só é útil se estiver ligado a uma decisão ou a uma ação concreta. - Erro comum: escolher KPI's "vaidade" (muitos seguidores, muitas visitas) que impressionam mas não orientam decisões. - Pergunta: que KPI's escolheriam para um salão de cabeleireiro? E para um restaurante?

NOTAS DO PROFESSOR - Enfatizar: a segmentação é normalmente o primeiro passo prático de qualquer análise de CRM. - Erro comum: criar segmentos demasiado pequenos ou demasiado numerosos, que deixam de ser úteis para decidir. - Exemplo: uma marca de desporto segmenta clientes em "praticantes ocasionais" e "atletas regulares", com campanhas diferentes para cada grupo.

NOTAS DO PROFESSOR - Enfatizar: a segmentação só tem valor quando gera uma ação diferenciada por grupo. - Erro comum: segmentar e depois enviar a mesma comunicação a todos os segmentos. - Pergunta: que ação fariam para o grupo dos inativos, antes de os perder como clientes de vez?

NOTAS DO PROFESSOR - Enfatizar: a palavra churn vai aparecer muito no setor; vale a pena fixar bem o termo em português e em inglês. - Erro comum: só medir a taxa de abandono no fim do mês, sem agir durante o mês para a reduzir. - Analogia: o modelo de churn é como um alarme de incêndio, avisa antes do fogo se alastrar.

NOTAS DO PROFESSOR - Enfatizar: fazer a conta com a turma no quadro, é simples e fixa bem a fórmula. - Erro comum: olhar só para a percentagem mensal e não perceber o efeito acumulado ao longo do ano. - Pergunta: se a empresa conseguisse baixar a taxa de churn de 5% para 3%, que diferença faria num ano?

NOTAS DO PROFESSOR - Enfatizar: a análise de sentimento liga marketing e relações públicas ao CRM analytics. - Erro comum: ignorar comentários neutros, que muitas vezes escondem dúvidas não resolvidas. - Exemplo: uma marca que deteta, a tempo, uma onda de comentários sobre um defeito num lote de produtos.

NOTAS DO PROFESSOR - Enfatizar: o número isolado (10% negativos) diz pouco; o padrão dentro dos negativos é que orienta a ação. - Erro comum: reagir ao primeiro comentário negativo isolado em vez de procurar o padrão. - Pergunta: que ação concreta tomariam a partir deste resultado sobre o tempo de espera?

NOTAS DO PROFESSOR - Enfatizar: o funil é uma ferramenta visual poderosa, vale a pena desenhá-lo com números reais. - Erro comum: tentar melhorar o topo do funil (atrair mais visitantes) quando o problema está numa fase mais avançada. - Pergunta: olhando para os números do exemplo, em que passagem se perdem mais pessoas em termos percentuais?

NOTAS DO PROFESSOR - Enfatizar: personalização é o elo entre a análise (técnica) e a experiência do cliente (negócio). - Erro comum: achar que personalizar é sempre manual. A maior parte da personalização moderna é automática, baseada em regras definidas a partir dos dados. - Exemplo: uma plataforma de streaming que recomenda conteúdo diferente a cada perfil, com base no histórico.

NOTAS DO PROFESSOR - Enfatizar: a visão 360º não é uma funcionalidade isolada, é o resultado de tudo o que foi visto nos blocos anteriores. - Erro comum: achar que a visão 360º se obtém só com mais um ecrã no software, sem ter resolvido antes a integração dos dados do bloco 7. - Pergunta: que departamentos de uma empresa beneficiam mais de ver a visão 360º de um cliente, e porquê?

NOTAS DO PROFESSOR - Enfatizar: um relatório só é bom se alguém conseguir decidir algo a partir dele, em poucos minutos de leitura. - Erro comum: encher um relatório com todos os dados disponíveis, em vez de escolher os KPI's que importam. - Exemplo: um painel semanal de vendas com três cores, verde, amarelo e vermelho, conforme o objetivo foi cumprido.

NOTAS DO PROFESSOR - Enfatizar: ligar este exemplo de novo à cadeia descritiva → diagnóstica → prescritiva do bloco 8. - Erro comum: olhar só para a meta de vendas e ignorar que a causa raiz pode estar noutro indicador. - Pergunta: que ação prescritiva recomendariam depois deste diagnóstico sobre a retenção?

NOTAS DO PROFESSOR - Enfatizar: estas normas ligam-se às atitudes do referencial, responsabilidade, sentido crítico, conduta profissional. - Erro comum: achar que segurança no trabalho só se aplica a trabalho manual ou fabril. - Pergunta: que riscos de saúde no trabalho existem num posto de trabalho de análise de dados ao computador?

NOTAS DO PROFESSOR - Enfatizar: o RGPD está explicitamente nos recursos do referencial desta UC, não é um extra. - Erro comum: achar que o RGPD só interessa ao departamento jurídico. Toda a equipa que toca em dados do cliente tem responsabilidade. - Exemplo: um cliente que pede para ser apagado do CRM, a empresa tem de conseguir cumprir esse pedido.

NOTAS DO PROFESSOR - Enfatizar: este slide resume visualmente toda a UC, vale a pena voltar a ele antes das fichas e do projeto. - Erro comum: tratar o CRM analytics como um projeto "feito uma vez", em vez de um ciclo contínuo. - Pergunta: em que ponto do ciclo é que a maioria das pequenas empresas falha primeiro, na prática?

NOTAS DO PROFESSOR - Enfatizar: pedir à turma para identificar, em cada passo, a que bloco da UC corresponde. - Erro comum: querer saltar logo para a "ação" sem passar pelos passos de organização e definição de KPI's. - Exercício rápido: perguntar que outro indicador, além da taxa de inatividade, seria útil acompanhar neste caso.

NOTAS DO PROFESSOR - Enfatizar: recapitular rapidamente de que bloco vem cada boa prática. - Erro comum: tratar estas boas práticas como "teoria à parte" em vez de critério de avaliação do trabalho prático. - Pergunta: qual destas cinco boas práticas julgam ser a mais difícil de cumprir numa empresa pequena, e porquê?

NOTAS DO PROFESSOR - Enfatizar: pedir a cada aluno que diga, numa frase, a diferença entre análise descritiva e análise preditiva. - Erro comum: sair desta UC a confundir CRM (o sistema) com CRM analytics (a análise feita sobre os seus dados). - Encaminhar para as fichas e para o projeto, com o cálculo de KPI's e a construção de uma visão 360º como fases centrais.