IA para segmentação de audiências

Três famílias de segmentação assistida por IA

"IA para segmentar audiência" é uma expressão que esconde três técnicas distintas, cada uma com finalidade própria. Confundir as três é a causa mais comum de programa de segmentação que não entrega resultado.

1. Agrupamento (clustering) não supervisionado. Algoritmos como k-means, agrupamento hierárquico ou DBSCAN olham um conjunto de variáveis (frequência de compra, ticket médio, recência, canais usados, categorias preferidas) e identificam grupos naturais — sem que o analista diga quais grupos quer encontrar. Útil para descobrir segmentos que ninguém formulou antes. Resultado típico: três a sete grupos com perfis distintos.

2. Públicos semelhantes (lookalike). A plataforma (Meta Ads, Google Ads, LinkedIn) recebe uma semente — uma lista de clientes existentes ou de visitantes qualificados — e encontra usuários da plataforma com perfil parecido para usar como público de mídia paga. O algoritmo é caixa-preta proprietária, mas o princípio é o mesmo: similaridade vetorial em centenas de variáveis comportamentais.

3. Propensão (classificação supervisionada). Modelo que estima a probabilidade de cada cliente realizar um evento (comprar nos próximos 30 dias, cancelar, ampliar contrato). Diferente do agrupamento, aqui existe variável de negócio (rótulo) e o modelo aprende padrões históricos. Algoritmos típicos: regressão logística, gradiente impulsionado (XGBoost, LightGBM), redes neurais para volumes maiores.

Cada técnica responde uma pergunta diferente. Agrupamento responde "quais grupos existem na minha base?". Lookalike responde "como achar mais pessoas parecidas com meus melhores clientes?". Propensão responde "quais dos meus contatos vão converter (ou cancelar) nos próximos N dias?".

RFM como base — e ponte para IA

Antes de gastar em modelo de aprendizado de máquina, vale lembrar que análise de recência, frequência e valor monetário (RFM/RFV) — técnica dos anos 1980 — segue entregando segmentação útil para a maioria das operações. Três variáveis, cinco faixas em cada (quintis), e você obtém 125 segmentos teóricos que costumam colapsar em 8 a 12 grupos acionáveis: "campeões", "leais", "potenciais leais", "novos", "em risco", "perdidos", entre outros.

RFM é também o melhor candidato a alimentar técnicas mais sofisticadas. Os clientes "campeões" viram semente para públicos semelhantes em mídia paga. Os clientes "em risco" viram base para modelo de propensão a cancelamento. Os clientes "novos" recebem fluxo de integração diferenciado.

Pular RFM e ir direto para clustering complexo é erro comum. Cria sofisticação que não se traduz em ação. Comece com RFM, depois sobreponha técnicas mais densas.

Como interpretar resultado de agrupamento

O erro mais comum em projetos de agrupamento é parar quando o algoritmo retorna os grupos. O algoritmo entrega rótulos numéricos (grupo 0, grupo 1, grupo 2) e médias de variáveis por grupo. Sozinhos, esses rótulos não acionam nada. O trabalho começa aí:

Caracterize cada grupo. Para cada grupo, descreva o perfil em uma frase ("clientes de alto ticket que compram em datas comerciais, raramente em outros meses") e dê nome próprio ("compradores de datas"). Sem nome, ninguém aciona.

Estime tamanho e valor. Quantos clientes em cada grupo, qual o valor médio gerado por cliente, qual o potencial de crescimento. Grupos pequenos demais não justificam ação dedicada; grupos com valor baixo não justificam investimento.

Defina ação por grupo. Para cada grupo, qual oferta, qual canal, qual frequência, qual mensagem. Sem ação definida, o agrupamento vira documento bonito que ninguém usa.

Valide com experimento. Rode campanha diferenciada por grupo durante um período e meça se as métricas (taxa de conversão, ticket, retenção) reagem como esperado. Se o grupo "campeões" e o grupo "em risco" reagem igual, o agrupamento talvez não esteja capturando algo útil.

Públicos semelhantes: a semente importa mais que o algoritmo

Públicos semelhantes (lookalike) é o uso mais difundido de IA em segmentação no Brasil — virtualmente toda operação de mídia paga ativa essa funcionalidade no Meta Ads ou Google Ads. E é também a técnica com mais armadilhas:

Erro 1: semente mal qualificada. Usar como semente toda a base de cadastros, em vez de clientes que de fato compraram repetidamente e com bom valor. O algoritmo vai aprender o perfil de "qualquer pessoa que se cadastrou", que não é seu melhor cliente.

Erro 2: semente pequena demais. O Meta recomenda mínimo de 100 pessoas para a semente; resultado bom exige mais de 1.000. Lista de 50 clientes vai gerar público vasto e impreciso.

Erro 3: semente desatualizada. Lista de clientes de 5 anos atrás não reflete o cliente atual. Atualize trimestralmente.

Erro 4: confundir tamanho de público com qualidade. Público de 1% (mais semelhante) é menor mas converte melhor; público de 10% é maior mas mais diluído. Para topo de funil, vale 5-10%; para conversão direta, fique em 1-3%.

Erro 5: ignorar exclusões. Sempre exclua quem já é cliente ou já está no funil. Caso contrário, gasta mídia em quem já tem.

Configurar bem a semente costuma melhorar o retorno sobre investimento em mídia paga em 20 a 40% — sem trocar nenhuma ferramenta.

Modelos de propensão: variáveis de negócio claras

Modelo de propensão estima probabilidade de evento futuro. Pode ser propensão a comprar, a comprar uma categoria específica, a cancelar (saída), a abrir um email, a clicar. A diferença entre modelo útil e modelo inútil costuma estar antes do algoritmo:

Variável de negócio bem definida. "Cancelamento" pode ser cancelamento ativo (cliente pede cancelamento), passivo (não renova), por inadimplência. Cada definição produz modelo diferente. Acerte com a área de negócio antes de modelar.

Horizonte temporal claro. Propensão a cancelar nos próximos 30, 60 ou 90 dias é coisa diferente. Defina antes — o modelo depende disso.

Variáveis preditivas relevantes. Comportamento recente (últimos 30-90 dias), histórico de uso, interações com atendimento, mudança de padrão. Variáveis demográficas costumam ser fracas; variáveis comportamentais costumam ser fortes.

Equilíbrio de classes. Se só 3% da base cancela em 90 dias, o modelo precisa lidar com desequilíbrio. Técnicas: sobre-amostragem da classe minoritária, ajuste de peso, métricas adequadas (área sob a curva ROC, F1, não acurácia bruta).

Validação temporal. Treine em dados antigos, valide em dados mais recentes. Não embaralhe — desempenho real só aparece quando o modelo enfrenta o futuro.

Resultado típico: para uma carteira de 100 mil clientes, o modelo identifica os 5 mil com maior propensão a cancelar nos próximos 90 dias — e ações preventivas focadas nesse grupo recuperam 15 a 30% deles.

LGPD: base legal, anonimização e finalidade

Segmentação por IA usa dados pessoais — comportamento, histórico de compra, identificadores. A Lei Geral de Proteção de Dados (Lei 13.709 de 2018) exige base legal, finalidade declarada e direitos do titular respeitados. Pontos práticos:

Base legal apropriada. Para clientes ativos, a base costuma ser execução de contrato. Para potenciais clientes, costuma ser legítimo interesse (com avaliação documentada) ou consentimento explícito. A escolha precisa estar mapeada no inventário de tratamento.

Anonimização em treinamento. Para construir modelos, anonimize identificadores diretos (nome, CPF, email) — substitua por chave técnica. Mantém capacidade de inferência sem expor dado.

Finalidade específica. "Marketing" é finalidade vaga. "Segmentação para campanha de retenção via email para clientes ativos" é específica. Quanto mais clara, menor o risco regulatório.

Direito de oposição. Titular pode se opor a tratamento baseado em legítimo interesse. Modelo precisa respeitar lista de opt-out — clientes que pediram para não receber não entram em segmentação ativa.

Decisões automatizadas. Quando segmentação leva a decisão que afeta o titular (negar oferta, encerrar contrato), há direito a revisão humana. Documente o processo.

A Autoridade Nacional de Proteção de Dados tem publicado orientações específicas sobre uso de IA com dados pessoais — vale acompanhar.