Tecnologia 30/10/2018

Cinco segredos que poucos utilizam para se dar bem no Instagram

Especialista em audiência e autor do livro “Atenção: O Maior Ativo do Mundo”, Samuel Pereira ensina táticas que poucos utilizam de fato para melhorar o engajamento do público no Instagram

Foto: Reprodução

Já faz tempo que o Facebook não é mais o único foco das marcas e de quem trabalha com redes sociais. O Instagram, além de contar com muitos usuários, é conhecido por ser uma rede social com um público engajado e disposto a comprar. “É por isso que é muito importante estar presente nessa rede social e saber fazer bom uso dela”, completa Samuel Pereira, especialista em audiência na internet e criador do “Segredos da Audiência – Ao Vivo”, maior evento de tráfego e audiência do mundo.

Segundo o especialista, existem inúmeras estratégias e técnicas possíveis para se conquistar bons resultados ao utilizar a rede social. “O mais importante para se ter em mente é que não adianta nada ter milhões de seguidores e curtidas se eles não representam o público que vai comprar de você”, explica. Assim, o segredo é atrair um público capaz de gerar resultados para o negócio. “Se você faz um bom uso do seu conteúdo, vai contribuir para que seu público seja sólido e sustentável no longo prazo, em vez de ficar nas mãos da mudança de algoritmos”, alerta, antes de listar alguns segredos importantes.

1- Use o crescimento orgânico a seu favor
Samuel conta que é preciso usar e abusar das métricas que o perfil comercial traz. “Isso vai te ajudar a crescer de forma orgânica, ou seja, sem depender de anúncios”, resume Samuel. “As métricas já mostram quantos seguidores vieram de uma postagem, então mantenha-se postando várias vezes ao dia e procure notar o padrão de postagem que ajuda a trazer mais seguidores”, ensina. Outra forma de crescer organicamente é entrando na seção “Buscar” e pesquisando as hashtags em alta. “Você vai saber quais utilizar nas postagens”.

2- Valorize quem vem de outras redes sociais
O segundo segredo é fazer algo que muitos ainda se esquecem: chamar os seguidores para as outras redes sociais. “Se você já tem uma boa base de fãs no Youtube ou qualquer outro lugar, chame os seguidores para te acompanharem no Instagram também”, explica, alertando que não basta convidar para seguir. “Chame o público para um conteúdo específico em forma de Stories, por exemplo”. Samuel também conta que o público que vem de outras redes é mais engajado, e isso é ótimo. “Esses seguidores mais engajados aumentam a sua relevância no Instagram, e ele vai chegar a mais pessoas”, completa.

3- Impulsione vídeos!
Por experiência própria, Samuel Pereira indica que vídeos dão mais resultados se for para fazer anúncios no Instagram. “Se você tem orçamento disponível, faça uma postagem com as dicas e informações relacionadas com o seu negócio”, sugere. “É preciso atrair as pessoas com a intenção certa para que você consiga vender para elas depois”, completa.

4- Use a rede como um usuário!
Além de postar com regularidade e frequência, Samuel indica a importância de publicar nos horários em que as pessoas estão no Instagram, como se o perfil fosse de um usuário comum. “Você pode curtir fotos de pessoas que têm a ver com seu perfil, seguir aqueles que seguem perfis parecidos com o seu, e seguir perfis que postam hashtags parecidos com seus nichos”, sugere. O único defeito disso é que essa tarefa não é escalável, ou seja, precisa ser feita manualmente.

5- Entenda que o dinheiro flui para onde vai a atenção das pessoas
Por fim, Samuel conta que é preciso enxergar o Instagram como uma fonte de tráfego. “Quando você entende que o dinheiro flui para onde vai a atenção das pessoas, você compreende o quanto é importante estar presente em diversos canais. Estas fontes de atenção precisam ser escaláveis, ou seja, devem ser possíveis de aumentar exponencialmente, sem a necessidade de muito trabalho braçal”, destaca. E o que permite que isso ocorra é justamente ter uma audiência de pessoas engajadas em vez do tráfego que vem de links e estratégias, apenas. “Ter uma audiência leva você para um próximo nível, pois somente quando o seu negócio tem uma audiência fiel ele se torna mais

Antecipe-se ao futuro: Machine Learning pode prever seus próximos passos no negócio

Foto: Reprodução

Até pouco tempo atrás, falar de conceitos como Machine Learning e Inteligência Artificial era assunto para escritores de ficção científica. Hoje, porém, o tema é debatido constantemente por profissionais e empreendedores de tecnologia e visto como recurso essencial para empresas que desejam se destacar em seus setores. As máquinas cada vez mais inteligentes estão ampliando o poder de decisão dos empresários, oferecendo não apenas relatórios de desempenho, mas também análises preditivas e subsídios para que eles façam as melhores escolhas em seus negócios.
É uma realidade cada vez mais comum nas empresas de diferentes setores. De acordo com o estudo “From Novelty to Necessity”, da agência iProspect, 55% dos entrevistados admitiram que o conceito de aprendizado da máquina permite tomar as decisões mais assertivas. Além disso, 53% acreditam que possibilita a entrega de conteúdo personalizado em alta escala e 48% esperam a automatização de tarefas para que possam se concentrar em objetivos mais estratégicos.
De um modo geral, machine learning pode ser entendido como uma tecnologia que permite computadores e robôs aprenderem a executar tarefas e rotinas sem qualquer programação para isso. Ou seja, a máquina consegue identificar padrões e como reagir a algumas variáveis. É um recurso com grande potencial nas empresas porque automatiza processos de forma independente– possibilitando que os colaboradores se dediquem a funções estratégicas.
Essa capacidade, aliada aos diferentes tipos de dados, faz com que as análises geradas incorporem não apenas a demonstração de resultados, mas consigam antever situações futuras. O cruzamento de informações leva à criação de modelos preditivos em torno de diversas variáveis do negócio. Assim, é possível antecipar problemas do mercado, prever os passos de seus clientes e descobrir tendências, facilitando a tomada de decisão.
Com machine learning, os profissionais podem ter dados detalhados sobre os processos internos, mapear possibilidades de aumentar as vendas e até mesmo monitora o comportamento do consumidor. Tudo o que pode ser mensurado é absorvido pelo aprendizado de máquina e transformado em ação que impactará o resultado da organização.
Ver máquinas realizando tarefas sozinhas ainda pode assustar muitas pessoas, mas ao invés de serem monstros retratados na ficção, estão se tornando aliadas poderosas de empresas que desejam se destacar em seus setores. Hoje, é essencial contar com o apoio da tecnologia para identificar as melhores oportunidades de negócio e, principalmente, estar alguns passos à frente da concorrência.

(Fonte: Gabriel Camargo é CEO da Deep Center, empresa especializada em big data analytics e de gestão da Informação para escritórios de cobrança, gestão de ativos, financiamentos, renegociação de dívidas, seguros, vendas, cobrança, SAC, e contact centers. www.deepcenter.com.br).

Machine learning contra fraudes de engenharia social

Scott Zoldi (*)

Fraudes baseadas em engenharia social estão em ascensão, com abordagens cada vez mais ousadas e manipuladoras que as anteriores

Um ataque deste tipo refere-se a qualquer transação na qual a vítima é levada a revelar detalhes financeiros confidenciais ou transferir dinheiro de suas contas para fraudadores. Exemplos comuns incluem e-mails falsos (phishing) e mensagens de texto.

Vishing
Conhecido como Vishing – o Phishing por voz ou telefone – tem ganhado popularidade e depende do poder de persuasão do fraudador em conversas com a vítima. Esse tipo de fraude tem maior incidência quando os fraudadores alegam ser funcionários de bancos ou instituições públicas cobrando dívidas, fazendo com que as chamadas pareçam legítimas. Assim, as vítimas são informadas de que estão em débito e precisam quitá-los imediatamente, muitas vezes sob ameaças se não o fizerem. Por outro lado, o atendente também pode dizer que um reembolso é devido e os detalhes da conta são necessários para fazer o crédito imediato.

Fraudes autorizadas
Dependendo de como o dinheiro das vítimas é transferido para a conta dos fraudadores, as fraudes direcionadas (em inglês – push payments) se encaixam em duas categorias: não autorizadas e autorizadas. No primeiro caso, as transações são executadas por um fraudador que usa informações fornecidas pelo verdadeiro titular da conta. Já no segundo, o titular é levado a realizar o pagamento para uma conta controlada pelo fraudador.
Esse tipo de golpe tornou-se mais atraente para fraudadores desde o advento dos sistemas de pagamento em tempo real. Esses sistemas de transferência direta geralmente são irrevogáveis e a transferência de fundos acontece instantaneamente, assim como a obtenção das informações pelos criminosos.

Machine learning combatendo fraudes
Por outro lado, a boa notícia é que modelos de Machine Learning podem neutralizar esses métodos de fraudes. Projetadas para detectar o aspecto geral das fraudes que atacam instituições financeiras, essas aplicações criam e atualizam perfis comportamentais online e em tempo real.
Ao monitorar as características dos pagamentos, tais como quantias movimentadas em cada transação e rapidez com que são feitas, esses modelos conseguem detectar características e padrões genéricos que só aparecem em certos tipos de fraudes. Em cenários como esse, os comportamentos mencionados estarão desalinhados com a atividade transacional normal das contas e gerarão níveis de risco mais altos.

Listas ordenadas de comportamento (B-Lists)
Outro recurso avançado de Machine Learning são as listas ordenadas de comportamento (em inglês – Behaviour Sorted Lists). Elas acompanham o modo como várias transações comuns interceptam tanto o cliente quanto a conta de diferentes formas como:
• Lista de contas que o cliente paga regularmente;
• Aparelhos que o cliente usou previamente para fazer seus pagamentos;
• Países onde o cliente realizou pagamentos;
• Lista de contribuidores de quem o cliente recebeu verbas regularmente;
• Novas origens de pagamentos;
• Hora e dia da semana específicos para pagamentos.
Pesquisa realizada pela FICO mostrou que transações feitas fora do padrão por mais de 40 vezes são mais arriscadas do que as que seguem pelo menos um comportamento estabelecido. A tecnologia das B-LSIT permite que os modelos de Machine Learning detectem anomalias com base em um reconhecimento completo do comportamento do titular de uma conta.
No caso de um push payment não autorizado – no qual o fraudador está realizando o pagamento – as transações são feitas frequentemente por meio de aparelhos não utilizados pelo titular legítimo, enquanto os valores vão para outra conta beneficiada.
Depois disso, o fraudador pode dar um passo além, e sequestrar a conta, bloqueando o verdadeiro proprietário e assumindo o controle da conta inteira. Aqui, machine learning também pode rastrear eventos não monetários arriscados como mudança de e-mail, endereço ou telefone, os quais muitas vezes precedem transações monetárias fraudulentas.
Os push payment autorizados são mais difíceis do que casos não autorizados. Os clientes podem ficar tão aterrorizados pela fraude de engenharia social, que quando o banco intervém, eles desconfiam, ignoram ou resistem aos esforços feitos para protegê-los.
Nessas situações, a tecnologia das B-Lists utiliza um conhecimento profundo de comportamentos típicos previstos, baseado no perfil das ações passadas do cliente real. Estamos incorporando a tecnologia de perfil colaborativo para trazer mais compreensão sobre novos comportamentos de clientes. Esses métodos podem ser usados para identificar indivíduos que geralmente são alvo de Push Payment e acionar a intervenção do banco.
Os fraudadores sempre visaram o elo mais fraco do processo bancário. À medida que os sistemas se tornam mais seguros, o elo mais fraco acaba sendo o próprio cliente. No entanto, analisando a forma como cada um normalmente usa sua conta, os bancos podem detectar transações que são fora do comum e pará-las, antes que qualquer dinheiro desapareça, o que tornará os golpes de engenharia social cada vez menos lucrativos.
Conhecer detalhadamente o perfil de comportamento de seu cliente não só ajuda a evitar fraudes em tempo real, mas também possibilita uma experiência sem atritos aos clientes, garantindo lealdade a longo prazo.

(*) É Chief Analytics Officer da FICO. Scott foi responsável pela criação de 91 patentes de analíticos, sendo 43 patentes concedidas e 48 em processo. Ele está envolvido ativamente no desenvolvimento de novos produtos analíticos e aplicativos de Machine Learning, como a Plataforma FICO® Falcon®, que protege mais de 2,6 bilhões de cartões de pagamento em todo o mundo.