A a difusão das redes sociais na web não é um fenômeno recente, já que desde 2004 os big players (MySpace, Orkut, Facebook, LinkedIn) estão por aí. Porém, até hoje há questionamentos sobre como tornar estas redes sociais em algo realmente lucrativo.
Sempre se apostou que o lucro destas redes sociais viria através dos anúncios direcionados. Mas como se daria o direcionamento destes anúncios? Como selecionar anúncios que interessem aos leitores do conteúdo?
Tudo se resume a processamento de linguagem natural e muita mineração de dados (textuais ou não). Os sistemas de recomendação ( Clique aqui ou aqui para conseguir mais informações) existem há muito tempo e não é de hoje que essa tecnologia é usada em muitos sistemas na web. Amazon, Netflix, Submarino.com, Americanas.com e qualquer outro site de comércio eletrônico que se preze possui algum algoritmo para recomendações de itens a serem comprados / utilizados pelos seus clientes baseado no histórico de compras e satisfação destes clientes com produtos passados.
Porém, a grande maioria destes mecanismos de recomendação foca apenas em recomendar itens que, baseado no histórico dos clientes que possuem “perfil similar” (costumam gostar das mesmas coisas), o cliente ainda não encontrou, mas provavelmente terá interesse. Algo como aquela velha mensagem dos sites de comércio eletrônico, “clientes que compraram este item também compraram estes outros”, porém focada em pessoas que costumam gostar do mesmo que você.
O grande diferencial trazido pelas redes sociais está na possibilidade de se obter muito mais informações sobre os usuários. O perfil do usuário passa a ter mais informações que apenas os itens acessados / comprados / utilizados. Ele trás as pessoas com as quais o usuário se relaciona, as comunidades das quais o usuário participa, de quem o usuário gosta, quem são seus melhores amigos, quem são as pessoas com as quais ele mais conversa e sobre o quêe giram estas conversas. A maioria das redes sociais também exige o preenchimento de um perfil, que pode incluir as empresas onde se trabalhou, onde se estudou, seus livros, discos e filmes favoritos, características físicas entre outras tantas informações. Enfim, a quantidade de informações disponíveis sobre uma única pessoa é suficiente para traçar um perfil completo de cada um de nós.
Mas voltando para nosso problema, como é possível ganhar dinheiro com estas redes sociais? E se fosse possível que uma empresa percorresse todas as redes sociais (ou ao menos as principais) e coletasse todos os dados referentes a todos os usuários destas redes? E se ela ainda fizesse um cruzamento entre os dados existentes em todas estas redes? Utilizando algum processamento de linguagem natural ela poderia ter acesso a toda a vida “pública” das pessoas, incluindo quem lhes influencia, que tipo de produto ela gosta, com quem ela saiu no última final de semana (e para onde).
Será que com tudo isto em mãos seria possível realizar anúncios direcionados e personalizados? Seria possível reduzir os custos de campanhas de marketing focando apenas em potenciais compradores? E mais, seria possível focar apenas nos potenciais compradores e em seus influenciadores?
O google aposta que sim, e a prova disto são as patentes solicitadas por eles e que ainda estão pendentes:
- Open Profile Identification: Através do perfil dos usuários (campos de formulário preenchidos nas redes sociais) é possível identificar categorias associados a estes usuários, e a partir destas categorias, a identificação de itens de conteúdo (leia-se anúncios) que possam estar relacionados a estas categorias.
- Related Content Identification: Através dos relacionamentos entre “entidades” (usuários e suas comunidades, usuários e seus contatos, etc.) é possível identificar “tópicos de entidade” e através destes tópicos podem ser identificados itens de conteúdo (leia-se novamente anúncios) que possam estar relacionados a estes tópicos.
- Custodian Based Content Identification: Um conteúdo (uma página, por exemplo) pertencente a um usuário pode ser utilizado para a identificação de um segundo conteúdo (leia-se mais uma vez anúncio) que pode ser apresentado a outros usuários quando estes visitam o primeiro conteúdo.
- Profile advertisements: E para fechar, um método para gerenciar a exibição de anúncios pessoais associados a perfis online.
Estamos todos aguardando as “cenas dos próximos capítulos”, enquanto trabalhamos com nossos próprios mecanismos de inferência de perfis (que serão detalhados em posts futuros).
(Existe um post interessante sobre os detalhes de todas estas patentes aqui.)
Comentar »