Autores: Arthur Barbosa, Luiz Salla, Érika Pinho Correia, Tati Lima | People Analytics e Tech Recruiter, majo martinez, Ingryd Calazans, Bruna Moraes.

Como trabalho de conclusão de curso de Data Analytics, fomos convocados a analisar os aspectos que influenciam a satisfação do cliente num marketplace que conecta empreendedores e compradores, e propor soluções para ouvir e entender melhor as necessidades dos stakeholders ao longo da jornada de compra.

Neste artigo abordaremos as etapas percorridas, informações avaliadas, hipóteses mapeadas e resultados alcançados considerando a aplicação do ciclo analítico.

CENARIO ATUAL

A marketera

A MarkeTera é um marketplace que conecta vendedores e compradores com a missão de dar autonomia a todo pequeno empreendedor no mercado digital. Foi fundada em São Paulo, em 2015, e teve um crescimento rápido e expressivo a partir de meados de 2017, se tornando um dos maiores marketplaces digitais do Brasil e o maior marketplace totalmente brasileiro.

A empresa tem como estratégia atual principal a expansão do seu portfólio de parceiros no ecossistema e conseguir oferecer conexão da base de clientes com uma maior variedade de produtos e negócios ativos na plataforma. Hoje, esse ecossistema conta com cerca de 5 mil pequenos empreendedores ativos na plataforma e a empresa está próxima de alcançar seu primeiro milhão de compradores.

CONTEXTO DE NEGÓCIO

Com a consolidação e crescimento rápido no número de usuários de sua plataforma, em 2018 a MarkeTera recebeu aportes de dois grandes grupos internacionais de investimento. Entretanto, desde o início de 2019, a MarkeTera vem enfrentando um ambiente de negócios instável imposto principalmente em razão das mudanças no comportamento do consumidor em compras online, da concorrência agressiva em plataformas digitais e da pouca habilidade interna da organização com relação a sua infraestrutura e suporte às entregas.

O próximo ano de 2021 será decisivo para expandir a MarkeTera e consolidá-la como um serviço consistente e de qualidade em todas as etapas de entrega de valor para o ecossistema. Assim, a CEO decidiu se reunir com os líderes de alguns times da empresa para ter o diagnóstico e a perspectiva de cada um a fim de definir melhorias nos resultados das equipes para o próximo ano com base nos principais desafios atuais.

APRESENTAÇÃO E EXPLORAÇÃO DO PROBLEMA

Um dos desafios-chave colocados nesse contexto é como ouvir melhor as necessidades dos elos do ecossistema da MarkeTera. O time de CS, que tem interface diária com a equipe de atendimento ao cliente, tem notado que as avaliações negativas vêm aumentando nos últimos tempos. Hoje, o único momento de avaliação por parte do cliente acontece após o recebimento do produto ou ao final do prazo máximo de entrega estimado, em que o cliente recebe um e-mail solicitando avaliação da compra (com classificação de 1 a 5, respectivamente do pior ao melhor nível), podendo também deixar um comentário escrito.

O objetivo da liderança para o próximo ano é criar um plano de ação para mitigar os riscos relacionados às maiores insatisfações dos clientes, bem como definir métricas para avaliar a satisfação dos compradores nas diferentes etapas de relacionamento com a MarkeTera.

Nesse contexto, representando o time de analistas de dados da MarkeTera, nós aprofundamos no entendimento do problema apresentado e começamos pela elaboração de uma matriz CSD que foi refinada no decorrer das discussões, como mostra a Figura 1:

Figura 1: Matriz CSD criada para aprofundar o entendimento do problema.

Após entender melhor o conjunto de dados disponível para responder às perguntas, definimos uma matriz de priorização (Figura 2) com base em nossas suposições, considerando o nível de impacto que as respostas trariam ao negócio em relação ao nível de esforço e aos dados disponíveis para análise. Desse modo, priorizamos as três perguntas de negócio a seguir que poderiam nos ajudar a resolver o problema apresentado:

1. As categorias de produto influenciam as avaliações?
2. A localidade influencia a satisfação dos clientes?
3. A etapa do processo de compra interfere na nota da avaliação?

Cada uma das perguntas será abordada em detalhes no decorrer do artigo.

Figura 2. Matriz de priorização.

TRANSFORMAÇÃO E TRATAMENTO DOS DADOS

Para endereçar o problema colocado, acessamos todas as tabelas disponíveis, e, antes de identificarmos os relacionamentos entre elas, realizamos o data profiling para observar o perfil dos dados com o apoio do Pandas Profiling Report (ver na Figura 3 o exemplo de profiling da base de dados order_reviews), indicando um panorama geral da base, das variáveis envolvidas, correlações e valores nulos:

• customers
• geolocation
• order items
• order payments
• order reviews
• orders
• products
• sellers

Figura 3. Exemplo de profiling da base de dados order_reviews.

Com isso, carregamos todas as informações no Power BI, realizamos a limpeza e transformamos os dados, principalmente para tratar os campos numéricos e a distinção entre vírgula e ponto nas tabelas. Por fim, concluímos os relacionamentos entre as bases, como mostra a Figura 4, para construir as análises posteriormente.

Figura 4. Lógica relacional das bases de dados.

Desde o início, identificamos que o método de avaliação da satisfação dos clientes era pouco esclarecedor e muito abrangente, uma vez que o cliente avalia o pedido como um todo, no momento final da compra. Desse modo, não temos visibilidade se a nota atribuída é referente à alguma etapa específica do processo ou ao produto em si, considerando ainda que um mesmo pedido pode conter mais de um produto. Além disso, as avaliações por comentários são esparsas e pouco elucidativas, muitas vezes sem endereçar o motivo da reclamação.

Observamos também que poucos pedidos foram realizados antes de janeiro de 2017 e após agosto de 2018, com uma certa irregularidade nos dados coletados. Dessa forma, optamos por restringir o espaço populacional entre essas duas datas, trabalhando com um universo de 99.092 pedidos, ante 99.441 pedidos totais, o que representa 99,6% da base.

Adicionalmente, dado que uma das questões levantadas foi a influência das categorias de produto nas avaliações da companhia, resumimos as 74 categorias existentes em 17, unindo categorias muito específicas a categorias relacionadas ou criando novas categorias que pudessem agregar nichos relevantes entre si. Dessa maneira pudemos facilitar a compreensão e a análise das informações.

ANÁLISE EXPLORATÓRIA DOS DADOS

Com base no desafio enfrentado pela empresa e na exploração dos dados, evoluímos nos tópicos que se seguem nas três perguntas de negócio definidas anteriormente e que direcionaram a investigação e o entendimento do problema, bem como a busca por possíveis soluções.

Nossa base de análise, portanto, considerou 99.092 ordens, das quais 98.330 foram avaliadas conforme a escala estabelecida de 1 a 5 na pesquisa de satisfação, cuja média foi de 4,09. Na Figura 5 apresentamos a composição anual e mensal das escalas das avaliações, bem como a quantidade de ordens e avaliações prestadas.

Figura 5. Ordens submetidas e composição das avaliações dos pedidos por score por mês.

A seguir, apresentaremos os detalhes de como chegamos às respostas das nossas perguntas de negócio a partir das bases de dados disponíveis.

Pergunta 1: As categorias de produto influenciam as avaliações?

COMPOSIÇÃO DOS PEDIDOS E DAS AVALIAÇÕES

Para entendermos a cobertura das avaliações em relação aos produtos comercializados, fizemos uma análise de quantos produtos integraram as ordens de compra no período. Observamos que 97% dos pedidos foram compostos de somente um único produto, e 99% de apenas uma categoria de produto, ou seja, em geral podemos assumir que as avaliações feitas refletem diretamente o produto comprado e não um conjunto de itens. Com isso, podemos ter uma visão mais clara da relação entre número de ordens, número de produtos e a média de avaliação em cada categoria de produto, como mostra a Figura 6.

Figura 6. Número de ordens realizadas, quantidade de produtos e média de avaliação por Categoria de Produto.

COMPORTAMENTO DO SCORE DE AVALIAÇÃO

Ainda assim, realizamos uma análise por score de avaliação por categoria de produto (Figura 7) e podemos observar quais categorias apresentam melhores índices de avaliação em relação às outras. Unindo essa análise à visão do gráfico da Figura 6, por exemplo, vemos que a categoria livros é a que apresenta a maior porcentagem de notas 5 entre todas as categorias e também a maior média de avaliação entre todas as categorias. Desse modo, embora o volume de compras dessa categoria seja baixo e a variação das avaliações médias pouco significativa, entendemos que a empresa pode buscar insights para entender os pontos positivos dessa categoria em comparação àquelas com avaliações e scores mais baixos.

Figura 7. Frequência da distribuição do score de avaliação por Categoria de Produto.

Exploramos também a porcentagem de notas por categoria (Figura 8) e observamos que a categoria games_eletronicos_e_telefonia aparece em primeiro lugar em quase todas as faixas de pontuação (de 1 a 4). Certamente, isso se deve à quantidade de pedidos para esta categoria, sendo a categoria com maior volume de compras (cerca de 15% do total). Por fim, verificamos que a categoria beleza_saude, ocupa o primeiro lugar na faixa de pontuação 5, representando um ótimo desempenho, ainda mais considerando que é a categoria com maior variedade de produtos, a segunda maior em volume de pedidos, com um score de avaliação positivo (notas 4 e 5) de 79% e uma média de avaliação de 4,16 (acima da média geral de 4,09).

Figura 8. Porcentagem do score de avaliação pela Categoria de Produto.

Além disso, com base na Tabela 1, que mostra as categorias dos produtos e suas respectivas participações no número total de pedidos, vemos que o portfólio de produtos da empresa é bem diversificado, sendo que a categoria com maior fatia é a de games_eletronicos_e_telefonia, mas ainda assim não ultrapassa 15% do total de pedidos. Portanto, quaisquer problemas associados à avaliação de uma determinada categoria eventualmente não causaria um impacto tão acentuado na média das avaliações.

Tabela 1. Porcentagem de ordens, média de score e desvio padrão por categoria de produto.

Por fim, analisando em mais detalhes as médias de avaliação de cada categoria na Figura 6, vemos claramente que há pouca variação entre elas, sendo 3,91 a menor e 4,44 a maior, ou seja, uma diferença de 0,53. Com base na Figura 7, verificamos que a distribuição entre as notas em cada categoria não é muito diferente, já que, em todas as categorias, a nota 5 representa mais da metade das avaliações. Nesse sentido, vemos na Tabela 1 que o desvio padrão das avaliações em cada categoria é muito similar, o que indica um comportamento de dispersão parecido entre as categorias de produto.

Portanto, como os scores das avaliações possuem baixa variação entre cada categoria de produto, e há uma grande abrangência de produtos, podemos dizer que a categoria não influencia significativamente a avaliação dos clientes. Desse modo, podemos pensar em métricas que acompanhem as avaliações como um todo, independentemente da categoria de produtos. Nesse sentido, se quisermos acompanhar um índice de rejeição considerando as notas 1 e 2 atribuídas nas avaliações, entendemos que podemos seguir com a média geral entre todas as categorias, que atualmente é de 13%.

Pergunta 2: A localidade influencia a satisfação dos clientes?

Inicialmente tentamos partir do perfil do cliente para avaliar os atributos que poderiam caracterizar a redução do score de avaliação, mas observamos que o único atributo relacionado a esse perfil, disponível nas bases de dados, é a localidade.

VISÃO GERAL

Ao analisar a dinâmica entre vendedores e compradores, verificamos que 60% dos vendedores realizaram até 10 vendas, dentre os quais 18% efetuaram uma única venda (Tabela 2).

Tabela 2. Quantidade de vendas por vendedor.

Na perspectiva dos clientes, observamos uma lógica semelhante: 97% dos clientes realizaram apenas uma compra, cujo valor médio foi de R$145,42 (Figura 9). Isso indica que os clientes da MarkeTera não são frequentes, demonstrando um baixo nível de lealdade apesar da média de avaliação relativamente alta, de 4,09.

Figura 9. Top 10 estados com maior média de preço por venda.

Com relação à origem e destino dos pedidos, observamos que 89% das ordens saem e 70% são direcionadas ao Sudeste (como podemos visualizar graficamente na Figura 10), sendo que São Paulo é o estado mais representativo, pois responde por 70% das vendas e 42% das compras.

Figura 10. Origem e destino dos pedidos por estado.

Os estados no top 10 em número de pedidos representam 90% do total de ordens e faturamento (Tabela 3).

Tabela 3. Número de pedidos e faturamento por Estado.

FRETE

O frete médio pago pelos clientes é de R$19,99 para uma previsão média de lead time (diferença entre a entrada do pedido e expectativa de entrega) de 24,3 dias. Não foi possível verificar qual a estratégia adotada para chegar nas datas previstas de entrega, mas observamos que 90,5% delas foram feitas sem atraso. Todavia, aqueles estados em que esse percentual é mais baixo (abaixo de 80%, por exemplo), apresentam os piores scores de avaliação (RR, AL e MA), como mostra a Tabela 4.

Tabela 4. Intervalo de atraso por Estado.

Em relação ao frete, é possível observar na Figura 11 que RR é o estado com frete mais caro e apresenta a pior média de avaliação.

Figura 11. Top 10 de estados com maior valor médio do frete.

LEAD TIME

O lead time médio realizado verificado foi de 12,5 dias. É interessante ressaltar que, embora AP e AM tenham o segundo e o terceiro maiores índices nesse cenário (Figura 12), as médias de avaliações são as maiores, 4,19 e 4,18, respectivamente (Tabela 4).

Figura 12. Top 10 de estados com maior lead time médio.

Portanto, apesar de verificar que os cinco estados com pior média de avaliação estão entre os 10 estados com maior valor médio de frete, não temos dados consistentes para afirmar que há uma relação direta entre localização e o nível de satisfação dos clientes, uma vez que estados com um lead time elevado possuem alto nível de avaliação.

Pergunta 3: A etapa do processo de compra interfere na nota da avaliação?

Quando olhamos para a perspectiva da jornada de compra dos clientes da MarkeTera, verificamos que, por se tratarem de dados históricos, temos que 97% dos pedidos foram entregues. Dentre eles, 13% possuem avaliações negativas (scores 1 e 2), como mostra a Figura 13.

Figura 13. Frequência do score de avaliação por status do pedido.

Retomando a análise feita para a localidade no bloco anterior, vimos que 90,5% das ordens foram entregues sem atraso. Todavia, tanto para essas ordens quanto para aquelas que sofreram atrasos, verificamos que a média do score de avaliação diminui à medida em que o prazo de entrega aumenta (Tabela 5).

Tabela 5. Intervalo de atraso versus lead time — ordens e média de score.

Além disso, podemos ver que na média geral de avaliação, quando as entregas entram em atraso há uma queda drástica de score, com exceção da faixa de até 180 dias de atraso, fato que aparentemente não invalida a conclusão, já que possui uma representatividade muito baixa (45 entregas, o que representa menos de 1% do total).

Para as faixas de atraso construídas, avaliamos também o prazo médio para conclusão de cada uma das etapas de compra registradas no processo da MarkeTera (aprovação, retirada e entrega), conforme pode ser visualizado com detalhes na Tabela 6.

Tabela 6. Intervalo de atraso versus prazo médio por Etapa do processo.

Nessa análise, observamos que o tempo médio de aprovação praticamente não sofre alteração, sendo feito, em média, em menos de um dia. Com relação ao prazo de retirada, verificamos que, apesar de sofrer alguma alteração, não parece ser determinante no atraso da entrega, uma vez que a média do prazo de retirada dos pedidos sem atraso é o segundo maior, ficando atrás apenas dos pedidos feitos com até 180 dias de atraso. Por fim, vemos que a etapa que afeta mais diretamente o lead time é a etapa de entrega, onde vemos um aumento crescente em relação ao intervalo de atraso. Portanto, podemos concluir que essa é a etapa que mais pode comprometer o lead time.

Na Tabela 7, podemos observar que os estados do Sul e Sudeste, em geral, possuem um prazo médio de entrega relativamente menor em relação às outras regiões, com destaque especial aos prazos médios dos estados de São Paulo (5,6 dias), Minas Gerais (8,7 dias) e Paraná (8,7 dias). Vale destacar que esses estados estão entre os 5 com maiores avaliações médias.

Tabela 7. Localidade versus prazo médio por etapa do processo.

Por fim, pudemos conferir que as entregas fora do prazo interferem diretamente nas avaliações dos clientes, assim como vimos que quanto maior o lead time, menor é a média de avaliação. Aliado a essa constatação, pudemos comprovar que a etapa de entrega é onde há mais riscos de ocorrer o atraso da data estimada de entrega, uma vez que é onde há mais variação de tempo. Desse modo, nossa análise corrobora a hipótese de que a etapa do processo de compra interfere na nota da avaliação.

RECOMENDAÇÕES PLANO DE AÇÃO

CATEGORIA DE PRODUTOS

De acordo com as análises realizadas, nossa primeira recomendação à direção da MarkeTera seria criar um agrupamento complementar de categorias de produtos, unindo categorias menores que estejam relacionadas entre si. Dessa maneira, assim como aconteceu em nossa análise, é mais fácil identificar como cada categoria tem desempenhado e como a empresa poderia tirar lições de determinada categoria que está indo bem para aplicar às outras com desempenho inferior, como vimos com a categoria de livros.

Outra vantagem é saber em quais categorias vale a pena investir mais ou aumentar a variedade de produtos, como vimos no caso dos produtos de higiene e beleza, que possuem grande volume de vendas, grande variedade de produtos e um alto índice de avaliação.

PERFIL DO CLIENTE

Além disso, considerando que 97% dos clientes da MarkeTera fizeram apenas uma compra no site, é de extrema importância a empresa coletar dados que permitam ampliar a análise do perfil do cliente, de modo a conhecer melhor suas necessidades, incorporando novos dados na base além de localidade, tais como: sexo, idade, estado civil, renda média, ocupação, comportamentos e interesses. Com isso acreditamos que a empresa poderá trabalhar estratégias de marketing e comunicação que façam os clientes voltarem a comprar novamente no site.

LOCALIDADE

Apesar de não termos dados suficientes para corroborar a hipótese de que a localidade afeta na satisfação dos clientes, é fato que há poucos vendedores na região Norte e Nordeste, o que pode implicar altos valores de frete e longos prazos de entrega. Portanto, nossa recomendação é ampliar o número de parceiros na região Norte e Nordeste com o objetivo de diminuir o lead time e o valor de frete nessas regiões.

ENTREGA

Com relação ao prazo de entrega, podemos afirmar que quanto maior o lead time dos pedidos, menor o nível de satisfação dos clientes, principalmente quando o prazo de entrega ultrapassa o prazo estimado.

Como planos de ação imediatos, nossa recomendação é que a empresa faça uma revisão do processo operacional e de logística tendo como foco solucionar os atrasos que ocorrem na etapa de entrega dos pedidos, uma vez que é a etapa responsável pelo maior tempo de lead time. Com isso, esperamos diminuir a porcentagem de entregas feitas além do prazo estimado e uma consequente melhoria de satisfação dos clientes, com a diminuição no índice de rejeição (considerando um score 1 e 2).

Além disso, torna-se fundamental efetivar uma comunicação com os clientes durante os fluxos dos processos, principalmente entrega, para fornecer visibilidade do status do pedido (ex.: produto saiu para entrega, em trânsito ou no Centro de Distribuição).

ACOMPANHAMENTO MÉTRICAS E KPIs

Considerando o momento atual da empresa e o nível de maturidade com relação à coleta e análise de dados, entendemos que os KPIs a serem utilizados devem atender ao cenário atual, embora recomendamos que a MarkeTera reestruture sua plataforma e suas operações, assim como incentive a cultura orientada a dados dentro da empresa para que passem a acompanhar as seguintes métricas que poderão medir a satisfação dos clientes de modo mais efetivo nos anos seguintes:

• NPS (Net Promoter Score) Transacional — aplicar pesquisa após entrega do pedido, a fim de acompanhar o nível de lealdade dos clientes com relação ao serviço da MarkeTera em cada etapa da jornada.
• CES (Customer Effort Score) — implementar métricas para medir o esforço que o consumidor precisa fazer para resolver alguma demanda com a MarkeTera. Como, por exemplo, para entrar em contato com o suporte ou ter o seu problema solucionado, para capturar possíveis gargalos na operação da empresa.
• CSAT (Customer Satisfaction Score) — inserir avaliações de satisfação em diferentes etapas da jornada do cliente para ter um diagnóstico mais eficiente de quais etapas podem estar afetando o nível de satisfação dos clientes com a MarkeTera.
• Taxa de retenção de clientes — para avaliar qual a relação entre a satisfação e a retenção.
• Lifetime value — para conhecer o valor médio gasto por sua base de clientes e por quanto tempo eles costumam manter o relacionamento com a empresa.
• Churn — para entender com mais detalhes onde a empresa está falhando em atender a satisfação e necessidade dos clientes.

Desse modo, considerando os objetivos atuais da empresa e os dados que ela já consegue coletar e analisar, acreditamos que devemos acompanhar os seguintes KPIs com foco na melhoria da satisfação dos clientes:

Por meio desses indicadores, saberemos se os planos de ação recomendados terão efeito direto no nível de satisfação dos clientes e se estamos conseguindo agir no cumprimento das datas de entrega, principal fator que afeta o score de avaliação.