ISSN 0798 1015

logo

Vol. 38 (Nº 21) Año 2017. Pág. 23

As contribuições do Big Data para competitividade: Estudo de caso no segmento publicitário

The contributions of Big Data to competitivity: Case study in the advertising industry

Claudio Luis Cruz de OLIVEIRA 1; Christiane Gregoris Guarino MASSUDA 2

Recibido: 11/11/16 • Aprobado: 28/12/2016


Conteúdo

1. Introdução

2. Revisão da Literatura

3. Metodologia

4. Resultados

5. Conclusões

Referências


RESUMO:

Essa pesquisa buscou analisar se é possível tirar proveito das tecnologias de Big Data para conseguir vantagem competitiva. Para isso, foi realizado um estudo de caso numa agência de publicidade que utiliza práticas de Digital Analytics para melhorar a eficácia de suas campanhas. O estudo revelou o potencial de Big Data para tornar a empresa mais competitiva, assim como identificou barreiras para geração de resultados para o negócio.
Palavras-chave: Big Data, competitividade, Agencia de publicidade

ABSTRACT:

This study aimed to analyze the possibility to use Big Data technology to obtain competitive advantage. For this purpose, a case study was implemented in na advertising agengy that uses Digital Analytics to improve their campaigns efficiency. The study identified the potential of Big Data to impact the competitive advantage, as well as constraints to generate business results.
Keywords: Big Data, Competitiveness, Advertising Agency

1. Introdução

A nova fronteira competitiva é a informação de negócio gerada a partir de Big Data, a combinação de volume, velocidade, variedade, valor e veracidade combinadas conhecida como 5 Vs (MCAFEE & BRYNJOLFSSON, 2012; DEMCHENKO et al. 2013). A análise de grandes volumes de dados digitais pode ser uma contribuição relevante para ganhar vantagem competitiva (DATSKOVSKY, 2013). Esse fenômeno é observado nos negócios digitais assim como também é relevante em negócios de tijolo e cimento, porque todas as indústrias têm a intenção de gerenciar seus processos para atender as necessidades do cliente (GIBBERT et al. 2002; RAYPORT & SVIOKLA, 1995) e fazer ofertas para mercados bastante segmentados (ANDERSON, 2006).

Apesar do potencial das empresas explorarem Big Data em diversas áreas como insights de clientes, marketing, operações e gestão de riscos, as empresas estão enfrentando desafios relevantes com a expansão dos dados, questões tecnológicas, limitações organizacionais e preocupações relacionadas à privacidade e confiabilidade dos dados (NARAYANAN & RAMESH, 2012). Apenas algumas empresas de grande porte, em especial as que usam intensivamente informações de sites como Linkedin, Facebook, e Google, estão tirando pleno proveito do Big Data (GOES, 2014).

Este estudo foca na área de Digital Analytics - um recorte para análise do Big Data -  uso de conhecimento emergente gerado pela interação do consumidor com a presença digital das empresas (CUTRONI, 2012). Digital Analytics, originalmente chamada de Web Analytics, é considerada uma das áreas de pesquisa críticas nos esforços para que Big Data impacte nos negócios (CHEN et al. 2012). Pesquisas preliminares demonstraram existir uso disseminado dessa tecnologia em empresas brasileiras (OLIVEIRA, 2012).

O objetivo dessa pesquisa é analisar se as empresas brasileiras, principalmente as pequenas e médias (que possuem menos orçamento) conseguem tirar proveito das tecnologias de Big Data. Para isso, pretende-se desenvolver um framework conceitual para exploração do Big Data utilizando as ferramentas de Digital Analytics e aplicar esse framework num estudo de caso.

2. Revisão da Literatura

2.1. Conceitos de Big Data e Digital Analytics

Big Data é um fenômeno do processamento de grandes volumes de dados, com os quais as ferramentas tradicionais não são capazes de lidar na velocidade requerida. As características do Big Data foram resumidas em 5 V’s: Volume (tamanho e quantidade de dados), Velocidade (dinâmica de crescimento e processamento dos dados), Variedade (diversidade de origens, formas e formatos dos dados), Valor (significados que podem ser atribuídos aos dados, valor agregado oferecido por tais significados) e a Veracidade (autenticidade, reputação da origem, confiabilidade dos dados) (MCAFEE & BRYNJOLFSSON, 2012; DEMCHENKO et al. 2013). Possui várias fontes de dados, como as redes sociais e ferramentas de colaboração, a “Internet das coisas”, os websites e plataformas móveis. Datskovsky (2013) afirma que o Big Data pode prover vantagem competitiva para as organizações, desde que ocorra a mineração dos insights e seja descartada a informação desnecessária. Para McGuire et al. (2012) Big Data será a base da competição e crescimento das empresas, aumentando a produtividade e criando valor significativo para a economia global, reduzindo desperdícios e aumentando a qualidade dos produtos e serviços.

O processo de transformação de Big Data em valor utiliza diversas tecnologias conhecidas como Business Intelligence e do Analytics (BI&A), Chen et al. (2012) citou três fases da evolução de BI&A:

Esta visão evolutiva inspira algumas oportunidades de pesquisas classificadas em cinco áreas tecnicamente críticas: big data analytics, text analytics, web analytics, network analytics, e mobile analytics. Cada área tem suas tecnologias específicas.

A indústria de web analytics surgiu quando algumas empresas desenvolveram software para analisar o log de websites consolidando estatísticas como número de visitas, visitantes únicos, page-views e tempo de visita (Web Analytics Association, 2011). Membros dessa indústria formaram a Web Analytics Association (WAA) em 2004. De acordo com a definição da WAA: “Web Analytics é a mensuração, coleta, análise e elaboração de relatórios de dados da Internet com o propósito de entendimento e otimização o uso da Web” (WEB ANALYTICS ASSOCIATION, 2011).

Conforme as aplicações digitais evoluíram e o relacionamento com o consumidor ultrapassou as fronteiras dos websites, a definição da WAA ficou desatualizada. As análises devem ser centradas no usuário e não no site. Consequentemente, ela deve possuir outros tipos de dados como dados qualitativos (KAUSHIK, 2007). A análise de Web Analytics deve contribuir para a estratégia de negócios e o alinhamento das métricas digitais com objetivos de negócios é crucial (KAUSHIK, 2007; STERNE, 2010).

Seguindo as tendências, Cutroni (2012) propôs uma definição mais completa: “Digital Analytics é o monitoramento, a coleta, a análise e os relatórios de dados digitais com o objetivo de entendimento e otimização da performance dos negócios”. Essa nova definição usa o termo Digital Analytics. Enquanto Web Analytics está associado com dados do website, Digital Analytics inclui outras fontes de informação como mídias sociais, aplicativos mobile e sistemas corporativos. Outra modificação relevante na definição é a intenção de otimizar a performance dos negócios em sua integralidade, não apenas para melhoria do website. Essa nova definição, considera que a empresa utiliza dados coletados na Internet para pesquisa e desenvolvimento de novos produtos. A empresa pode também utilizar o conhecimento do consumidor para construir uma vantagem competitiva baseado no entendimento profundo das necessidades do cliente (GIBBERT et al. 2002). Refletindo essas mudanças, a Web Analytics Association mudou seu nome para Digital Analytics Association em 2012 (DIGITAL ANALYTICS ASSOCIATION, 2012).

Os dados do Big Data provém em grande parte da interação do consumidor com a presença digital da empresa formada pela mídia paga – comprada pela empresa para ter exposição na Internet (ex.: campanhas, links patrocinados); mídia própria – controlada pela empresa (ex.: site, app, página no Facebook); e a mídia espontânea – o consumidor se torna mídia por meio de comentários em mídias sociais quando a empresa é citada ou lembrada em mecanismos de busca (CORCORAN, 2009). Digital Analytics é uma forma de analisar esses dados provenientes da Presença Digital. Segundo Cutroni (2012), “Digital Analytics é o monitoramento, a coleta, a análise e os relatórios de dados digitais com o objetivo de entendimento e otimização da performance dos negócios”.

2.2. Constructos da pesquisa

A pesquisa bibliográfica baseia-se nos objetivos e gerou três constructos: capacidade analítica, contribuições da internet para a estratégia e gestão de negócios. Cada um foi aprofundado por meio de conceituações e premissas ilustrados na Figura 1.

Figura 1: Constructos e variáveis da pesquisa

O constructo de capacidade analítica é relevante para análise do primeiro objetivo da pesquisa: “Desenvolvimento de um framework para exploração do Big Data utilizando as ferramentas de Digital Analytics”. A partir desse constructo, foram identificadas as seguintes premissas:

O constructo Contribuições da Internet para a Estratégia auxiliará na investigação do objetivo 2 “Como é feito o alinhamento estratégico entre o Big Data e a estratégia de negócios”. As premissas para esse constructo são as seguintes:

O último constructo, Gestão de Negócios, endereça o objetivo 3: “De que forma o Big Data pode tornar as empresas mais competitivas”. É baseado nas seguintes premissas:

3. Metodologia

Esse estudo adotou a metodologia de estudo de caso, pois esse método esclarece as razões para um conjunto de tomadas de decisão, de ações tomadas e de resultados obtidos. Realizou-se uma revisão bibliográfica para consolidar os constructos relacionados ao framework do uso de Big Data. Uma vez conhecidos com profundidade os constructos, as proposições serão verificadas por meio de um estudo de caso (YIN, 2009).

A definição de proposições é importante para fazer deduções controladas em análise qualitativa (LEE, 1989). A estrutura conceitual levou a três proposições a serem verificadas no estudo de caso a fim de permitir uma contribuição teórica para futuras aplicações em outras pesquisas:

A empresa que será objeto do estudo de caso deve ser cuidadosamente escolhida, pois ela deve permitir o processo de entrevistas e observações das proposições, e ser relevante para futuros pesquisadores. A fim de garantir essa relevância, foram estabelecidos os seguintes critérios para seleção da empresa:

A empresa escolhida é uma agência de publicidade da cidade de São Paulo que trabalha com grandes clientes. Essa empresa cuida das campanhas ditas off-line (ex.: Rádio, TV, Impresso) assim como da presença digital de seus clientes. Pode-se dizer que ela faz uso de Big Data, pois utiliza um enorme volume de dados, para se ter ideia, apenas um cliente possui milhões de menções em mídias sociais no período de um mês. Os dados são variados, os principais são: pesquisas de mercado, dados de investimento e de vendas do mercado, audiência do site, comentários e interação dos consumidores em mídias sociais e arquivos de vídeos de propagandas. Esses dados crescem exponencialmente, uma vez que há cada vez mais monitoramento dos consumidores e o total de consumidores que utilizam a Internet aumenta todo ano. Pode-se dizer que há valor nas informações, pois elas são usadas para tomar decisões sobre o mix de mídia e a melhor forma de mensagem. A veracidade é avaliada sempre que possível, por exemplo, informações de visitas ao site provenientes de robôs são excluídas da análise.

A empresa utiliza práticas de Digital Analytics uma vez que analisa dados digitais, não só para melhorar a presença digital, mas também para entender e melhorar o relacionamento do anunciante com o consumidor em seus diferentes canais, como ponto de venda e comerciais na TV.

O segmento de publicidade vem sendo constantemente alterado pelas tecnologias digitais e, mais recentemente, pelo uso de Big Data. Tanto que consultorias e empresas de tecnologia tem ocupado posição cada vez mais relevante no ranking de agências de publicidade. O segmento de publicidade se tornou atraente para esses novos players, pois as mudanças têm feito esse mercado cada vez mais tecnológico, requerendo análises mais complexas da jornada do consumidor para que o anunciante seja efetivo (DAN, 2016).

As entrevistas foram realizadas com executivos de planejamento, atendimento, mídia, financeiro e criação seguindo roteiros semi-estruturados. Aproveitando a oportunidade de o estudo de caso único ser apropriado para análises longitudinais (YIN, 2009), foi realizada a observação de um estudo de Big Data para um cliente da agência durante 4 meses. Nesse período, foi possível acompanhar a coleta dos dados, a consolidação, a análise estatística e a formulação dos insights de negócios para esse cliente.

4. Resultados

A empresa analisada é uma grande agência de São Paulo que realiza campanhas off-line, para TV, impresso e rádio, assim como, desenvolve a presença digital de seus clientes. Essa agência, assim como várias outras agências tradicionais, está inserida num cenário competitivo bastante turbulento. Não só pela crise financeira que leva os anunciantes a promoverem diversas concorrências pelas suas contas, mas também pela inserção de novos players como consultorias de marketing que tem conquistado mercado expressivo. Os quatro primeiros colocados entre as maiores agências digitais do mundo correspondem a esses novos entrantes: Accenture Interactive, IBM Interactive Experience, Delloite Digital e Epsilon (Ad Age, 2016).

Frente a esse ambiente, a agência procura ganhar competitividade implementando projetos de Big Data. As análises procuram avaliar qual o melhor mix de mídia, qual a mensagem mais adequada e como a reputação da marca afetam o funil de compra. Esse funil contempla passos que são mensuráveis na tomada de decisão do consumidor como as buscas pela marca na Internet, visitas ao site e vendas do produto.

A empresa possui um amplo repertório de ferramentas de monitoramento e pesquisas de mercado, dentre elas pode-se destacar: pesquisa sobre comportamento de internautas, pesquisa com investimento de mídia, série histórica de vendas, histórico de buscas do Google, monitoramento de comentários em mídias sociais e de resultados de campanhas digitais (clicks, vendas online). A coleta e consolidação desses dados pareceu bastante fragmentada atendendo às necessidades de negócios específicas; notou-se a existência de silos de informação, sendo recorrente situações em que executivos não sabiam da existência dos dados disponíveis na empresa.

Para dar destaque às análises de Big Data, a empresa chegou a montar um escritório com diversas TVs exibindo as telas das ferramentas de monitoramento. Embora esse recurso seja comum em agências de publicidade, não ficou clara a relação entre os dados exibidos nos telões e a estratégia de negócios da agência ou de seus clientes. As análises de Big Data eram conduzidas por equipes terceirizadas e os resultados eram apresentados para os executivos da agência em reuniões semanais. Os executivos deliberavam como os insights poderiam ser aproveitados nas campanhas de seus clientes.

As proposições foram analisadas conforme as variáveis delimitadas na fundamentação teórica e as evidências detectadas durante o estudo de caso, conforme demonstrado nas tabelas 1, 2 e 3. Considerando a P1 “Ferramentas de Digital Analytics aumentam a capacidade da empresa explorar o potencial do Big Data” houve uma verificação parcial, a empresa possui ferramental relevante, mas ainda há lacunas nas análises a serem realizadas. No caso da análise das mídias sociais e otimização da presença ativa, há alguns problemas operacionais como a falta de calibragem dos sentimentos identificados em comentários nas mídias sociais. E a usabilidade dos sites e aplicativos não é analisada, embora haja dados disponíveis essa análise (Tabela 1).

Tabela 1: Proposição P1 - Ferramentas de Digital Analytics aumentam
a capacidade da empresa explorar o potencial do Big Data

Variável

Verificação

Inteligência competitiva (TARAPANOFF, 2004)

Total - As ferramentas de Digital Analytics foram utilizadas intensivamente para produzir benchmarks de reputação, vendas e experiência do usuário na presença digital

Otimização de presença ativa (FOX, 2010; SCOTT, 2011)

Parcial - A empresa possui acesso aos resultados das campanhas, porém, a otimização é limitada devido a problemas operacionais

Análise das mídias sociais (STERNE, 2010)

Parcial - Há uma ferramenta de monitoramento que monitora o anunciante e seus concorrente. As classificações automáticas de “sentimento” do consumidor não eram assertivas

Usabilidade (KAUSHIK, 2007)

Não verificada - Não houve melhoria da presença digital baseada em análises de Digital Analytics

Convergência (SHANKAR & YADAV, 2010)

Total - Havia uma intensa preocupação em analisar a experiência completa do consumidor e compreender como era impactado por diferentes mídias até tomar uma decisão de compra

A P2 “Como é feito o alinhamento estratégico entre o Big Data e a estratégia de negócios” também foi verificada apenas parcialmente, a agência não explora algumas oportunidades latentes como a co-criação de valor e a adoção de estratégias para mercados segmentados. Nota-se também um razoável desalinhamento entre a estratégia de negócios e tecnologia, fazendo com que alguns insights não sejam utilizados devido à falta de preparação da empresa para implementá-los (Tabela 2).

Tabela 2: Proposição P2 - Como é feito o alinhamento estratégico entre o Big Data e a estratégia de negócios

Variável

Verificação

Alinhamento entre estratégia de negócios e TI (LAURINDO, 2002)

Parcial - O grau de alinhamento encontrado foi moderado, uma vez que embora as análises tenham produzido insights relevantes, a execução das recomendações era bastante restrita.

Integração do sistema de valor (PORTER, 2001)

Total - A Internet serviu para integrar a cadeia de valor, uma vez que através do monitoramento de Digital Analytics, foi possível compreender e estreitar os laços com o consumidor

Virtualidade  no desenvolvimento de produtos e serviços (LAURINDO, 2002)

Total - Foi possível observar como as análises de atributos da comunicação e de seus resultados na produção de novas campanhas com mensagens mais adequadas para o consumidor

Redes de valor entre as empresas (BOVET; MARTHA, 2001)

Parcial - Embora haja ferramental para criação de plataformas colaborativas como mídia programática, os processos da agência incorporam pouco essas inovações

Co-criação de valor (TAPSCOTT; WILLIAMS, 2007)

Não verificada - A análise de mídias sociais pode viabilizar uma co-criação de valor, pois havia diversas opiniões dos consumidores sobre o produto que poderiam ser incorporadas, mas não se observou essa relação

Adoção de estratégias específicas para mercados segmentados (ANDERSON, 2006)

Não verificada - Mais uma vez a análise ficou apenas no potencial. A implementação de estratégias para mercados segmentados, envolve soluções complexas não observadas na agência

Por fim, foi também foi verificada parcialmente a P3 “De que forma Big Data pode tornar a empresa mais competitiva”, onde ficou clara a ausência de um planejamento estratégico que amparasse as análises de Big Data, embora se note uma maturidade na obtenção de conhecimento sobre o consumidor e o uso ainda no início de ferramentas de gestão da qualidade e de retorno dos investimentos em comunicação (Tabela 3).

Tabela 3: Proposição P3 - De que forma Big Data para tornar a empresa mais competitiva

Variável

Verificação

Planejamento estratégico (KAPLAN & NORTON, 1996)

Não verificada – Foram constatadas inconsistências nas entrevistas com executivos sobre pontos importantes da estratégia da empresa, o que leva crer que o processo de planejamento estratégico possui lacunas

Gestão do conhecimento gerado pelo consumidor (GIBBERT et al., 2002)

Verificada – A análise de mídias sócias e de tendências de busca no Google, permitiram que o conhecimento gerado pelo consumidor fosse verificado

Controle da qualidade (DAVIS et al., 2001)

Parcial – Embora o controle de qualidade efetivo não tenha sido realizado, foram utilizadas ferramentas estatísticas para analisar como o processo de comunicação pode ser melhorado

Análise financeira (YANAZE et al., 2010)

Parcial – A empresa elaborava análises de retorno sobre investimento, porém verificou-se fragilidade nas premissas. As análises de Big Data permitiram a elaboração de modelos preditivos de venda baseados em inputs de comunicação, mas que se encontram em estado bastante preliminar

5. Conclusões

Durante o estudo ficou claro que Big Data possui potencial para geração de vantagem competitiva no mercado publicitário. A empresa analisada possui amplo repertório de ferramentas e pesquisas que geram dados relevantes para análise de resultados de campanhas e do relacionamento dos consumidores com as marcas. No entanto, foi notada a ausência de um planejamento estratégico consistente e de seu desdobramento que seria o alinhamento entre estratégia e tecnologia. Essa lacuna prejudicou sobretudo a utilização dos insights gerados nas análises de Big Data. Enquanto as recomendações indicavam canais mais interativos e comerciais contendo atributos valorizados pelo consumidor, as decisões tomadas pela empresa foram baseadas num modelo de comunicação conservador mais aderente às competências atuais da agência.

Portanto, fica claro que para empresa tirar pleno proveito da oportunidade do Big Data precisa investir na dimensão de aprendizado e crescimento (KAPLAN & NORTON, 1996) para capacitar seus recursos e preparar seus processos para um ambiente de negócios em transformação.

Verificou-se que Big Data pode tornar as empresas mais competitivas, embora esse potencial não tenha sido explorado completamente na empresa analisada. Por isso, vislumbra-se a possibilidade de estudos futuros que envolvam múltiplos estudos de caso, a fim de comparar como empresas de diversos segmentos com diferentes estratégias aproveitam esse potencial.

Referências

Ad Age, 2016, “Agency Report 2016 Index”. AdAge.com. (Disponível em http://adage.com/article/datacenter/ad-age-agency-report-2016-rankings-analysis/303559/, accessed: Nov, 11, 2016).

Amit, R.; Zott, C., 2001, Value Creation in E-Business. Strategic Management Journal, v.(22, Jun/Jul), pp.493-520.

Anderson, C. 2006. The Long Tail: Why the Future of Business is Selling Less of More. New York, NY: Hyperion.

Bovet, D; Martha, J., 2001, Value Nets: Breaking the Supply Chain to Unlock Hidden Profits, Hoboken, NJ, John Wiley & Sons.

Chen, H., Chiang, R. H. L., Storey, V. C. 2012. “Business intelligence and analytics: from Big Data to big impact”, MIS Quarterly (36:4), pp. 1165-1188.

Corcoran, S. 2009. “Defining Earned, Owned and Paid Media”. Forrester Blog. (Disponível em http://blogs.forrester.com/interactive_marketing/2009/12/defining-earned-owned-and-paid-media.html, accessed: Jan, 13, 2015).

Cutroni, J., 2012, “Radically Rethinking Web Analytics”, Online-Behavior (Disponível em http://online-behavior.com/analytics/rethinking; acessado em 07 Jun. 2012)

Dan, A. 2016, “Consultants Are Eating The Agencies' Three-Martini Lunch”, Forbes (Disponível em http://www.forbes.com/sites/avidan/2016/04/25/consultants-are-eating-the-agencies-three-martini-lunch/#72c4882e3aba)

Datskovsky, G. 2013. “Harnessing Big Data for Competitive Advantage”. Information Management (47:2), p. S6.

Davis, M. M.; Aquilano, N. J.; Chase, R. B. 2001. Fundamentals of Operations Management. Chicago, IL, Irwin.

Demchenko, Y., et al. 2013. Addressing Big Data Issues in Scientific Data Infrastructure. First International Symposium on Big Data and Data Analytics in Collaboration (BDDAC 2013). Part of The 2013 International Conference on Collaboration Technologies and Systems (CTS 2013), San Diego, USA.

Digital Analytics Association 2012. Web Analytics Association Becomes Digital Analytics Association, (Disponível em: http://www.digitalanalyticsassociation.org/about, accessado em 13 Out. 2014).

Fox, V., 2010, Marketing in the Age of Google: Your Online Strategy is Your Business Strategy, Hoboken, NJ, John Wiley & Sons.

Gibbert, M., Leibold, M., Probst, G., 2002, “Five Styles of Customer Knowledge Management, and How Smart Companies Use Them To Create Value”, European Management Journal, (20: 5), pp. 459–469.

Goes, P. B. 2014. “Big Data and IS Research”, MIS Quarterly (38:3), pp. 3-8.

Kaplan, R. S. E., Norton, D. P., 1996. The Balanced Scorecard: Translating Strategy into Action, Boston, MA, Harvard Business Review Press.

Kaushik, A. 2007. Web Analytics: An hour a day. Indianapolis, IN: Wiley.

Laurindo, F. J. B., 2002, Tecnologia da Informação: Eficácia nas Organizações. São Paulo: Futura.

Lee, A. S. 1989. “A Scientific Methodology for MIS Case Studies”, MIS Quarterly, (13:1), pp. 33-50.

McAfee, A.; Brynjolfsson, E. 2012. “Big Data: the management revolution”. Harvard Business Review, October 2012, p. 60-68.

McGuire, T.; Manyika, J.; Chui, M.; Manyika, J.; Chui, M. 2012. “Why Big Data is the new competitive advantage”. Ivey Business Journal, July / August 2012. Disponível em http://iveybusinessjournal.com/publication/why-big-data-is-the-new-competitive-advantage/. Acessado em 19 de maio de 2016.

Narayanan, A., Ramesh N. 2012. “Benefitting from Big Data Leveraging Unstructured Data Capabilities for Competitive Advantage”, Strategy&, (Disponível em http://www.strategyand.pwc.com/global/home/what_we_do/industries/financial_services/financial_services_strategy_june_12; accessado em 12 Out. 2014).

Oliveira, C.L.C., 2012, Criação de valor estratégico através de Digital Analytics.

Porter, M., 2001, Strategy and the Internet. Harvard Business Review, (79:3), pp.63-78.

Rayport, J., Sviokla, J. 1995. “Exploiting the Virtual Value Chain”, Harvard Business Review (73:6), pp. 75-85.

Scott, D. M. 2011.The new rules of marketing and PR, Hoboken, NJ, John Wiley & Sons.

Shankar S.; Yadav M. S., 2010, “Emerging Perspectives on Marketing in a Multichannel and Multimedia Retailing Environment”,Journal of Interactive Marketing, (24:2), pp. 55–57.

Sterne, J., 2010, Social Media Metrics: how to measure and optimize your marketing investment. Hoboken, NJ, John Wiley & Sons.

Tapscott, D.; Williams, A.D., 2007.Wikinomics: How Mass Collaboration Changes Everything, New York, NY, Penguin Group.

Yanaze, M. H., Freire, O., Senise, D., 2010, Retorno de investimentos em comunicação: avaliação e mensuração, São Caetano do Sul, SP, Difusão.

Yin, R. K. 2009, Case Study Research: Design and Methods. Thousand Oaks, CA, Sage.


1. Escola Superior de Propaganda e Marketing, coliveira@espm.br

2. Escola Superior de Propaganda e Marketing, chris.massuda@gmail.com


Revista ESPACIOS. ISSN 0798 1015
Vol. 38 (Nº 21) Año 2017

[Índice]

[En caso de encontrar algún error en este website favor enviar email a webmaster]

©2017. revistaESPACIOS.com • Derechos Reservados