Plataforma social

Uma estratégia de plataforma não funcionará a menos que você seja bom em aprendizado de máquina

Megan Beck e Barry Libert
6 de junho de 2018

Modelos de negócio de plataforma estão crescendo e se tornando maiores e mais poderosos do que nunca. Basta considerar que alguns tweets do presidente dos EUA fizeram com que a capitalização de mercado da Amazon caísse cerca de US$ 40 bilhões, ou que os influenciadores russos fossem capazes de atingir 126 milhões de pessoas através do Facebook. Na OpenMatters, nos dedicamos a estudar a orquestração de rede — modelos de negócio em que as empresas facilitam relacionamentos e interações, em vez de fornecer os próprios produtos, serviços e conteúdos. Pense no Facebook, na Uber, no Pinterest, na Alibaba, na Airbnb e na miríade de “unicórnios” que estão recebendo um banho de dólares dos investidores. Essas empresas são inovadoras, alavancando os efeitos das redes e um custo de escala de quase zero para vencer a concorrência ou definir novos mercados. No entanto, nem todas as plataformas funcionam — o modelo de negócios, por si só, não é suficiente para o sucesso. Evidentemente, muitas coisas podem fazer uma plataforma ter sucesso ou falhar, mas um aspecto cada vez mais central de uma estratégia de plataforma bem-sucedida é o aprendizado de máquina.

O modelo de negócio baseado em rede, o papel de ser um “conector”, não é novo. Havia casamenteiros antes do Match.com, quadros de mensagens (verdadeiros!) antes do Twitter e recrutadores antes do LinkedIn. Mudar para um modelo online é um grande avanço, permitindo escalonamento rápido e custo incrivelmente baixo. Isso é valioso para uma rede que pretende atrair milhões de usuários, mas esse tipo de escala, por si só, traz problemas. Plataformas de grande escala são complexas demais e as situações de uso são muito variadas para que algoritmos simples possam gerenciá-los. O que você consegue quando acumula milhões de currículos, perfis de namoro ou pensamentos de 280 caracteres? Uma bagunça. Uma confusão que é grande demais para ser valiosa para seus clientes, e até grande demais para uma equipe de funcionários organizar. E dentro dessa confusão de conexões, o uso indevido e a manipulação podem ser facilmente ocultados.

Tradicionalmente, a maneira de contornar isso é fazer com que seres humanos escrevam algoritmos inteligentes para resolver a bagunça. Atualmente, o aprendizado de máquina resolve esse problema, organizando o que a rede oferece, oferecendo aos usuários resultados cuidadosamente personalizados e sinalizando comportamentos inadequados. Isso vale para redes de qualquer tipo, estejam elas compartilhando ideias, serviços, relacionamentos ou até mesmo produtos tangíveis.

A capacidade de aprendizado de máquina é o que distingue uma boa plataforma de uma ruim. Empresas de plataforma existem em um continuum de curadoria. De um lado, estão as empresas “do oeste selvagem” que simplesmente agregam tudo que é oferecido pela rede, ou usam regras simples, como melhorar o conteúdo baseado nas reações positivas. Esses sistemas colocam uma grande parte da responsabilidade nos seus usuários para identificar o conteúdo que eles querem. Infelizmente, eles são básicos demais para lidar com usuários e casos variados, além de serem facilmente manipuláveis. No outro extremo, estão as empresas que usam o aprendizado de máquina para revisar e organizar os dados, serviços ou produtos disponíveis para oferecê-los aos clientes de maneira personalizada. As empresas que fazem curadoria, em vez de simplesmente repassar, oferecem mais valor aos usuários.

Vejamos um exemplo. A Monster.com, site de empregos online, foi uma pioneira da internet, abrindo o capital em 1996. Baseada em um modelo inicial de plataforma de negócio, a Monster.com fornecia um espaço online para quem contrata e para quem procura emprego se encontrar. No entanto, fornecer a plataforma era tudo o que a Monster.com fazia — essencialmente, atuando como um quadro de avisos digital. As pessoas que procuravam emprego ou contratavam tinham de vasculhar pilhas de informações, procurando uma agulha no palheiro. Em seu auge em 2000, a Monster.com valia quase US$ 8,5 bilhões. Em 2016, foi adquirida por US$ 429 milhões, apenas 5% de seu valor de pico.

O que aconteceu é bastante claro: as pessoas se cansaram de buscar entre centenas de candidatos não qualificados para cada vaga de emprego. A pilha de currículos era muito grande e os algoritmos simples que tentavam fornecer conteúdo relevante eram insuficientes para o tamanho e as necessidades variadas da base de usuários. Então, melhores soluções surgiram. Empresas como o LinkedIn e a Glassdoor começaram a ocupar o espaço — destacando-se pela melhor curadoria das redes profissionais. A Craigslist é outro grande exemplo de uma empresa de plataforma que não conseguiu inovar e fazer curadoria, e está rapidamente perdendo participação de mercado para plataformas de valor agregado, como a OfferUp ou mesmo o Facebook Marketplace.

As melhores plataformas fazem mais do que criar um espaço para conexões. Elas reconhecem o valor de seus próprios dados, reunindo-os continuamente, e aproveitam o aprendizado de máquina para melhorar a experiência do cliente. O LinkedIn, por exemplo, sabe muito mais sobre seus usuários do que a Monster.com. Todo usuário e toda empresa cria um perfil repleto de informações. Esses dados, combinados com o aprendizado de máquina, ajudam a empresa a aprender mais sobre seus clientes, direcionar melhor a publicidade e o conteúdo e combinar melhor as pessoas e as oportunidades. O vice-presidente de engenharia do LinkedIn, Deepak Agarwal, diz que a empresa usa inteligência artificial para quase todos os produtos.

Se você olhar para o mundo das empresas de plataforma, logo descobrirá que o uso de IA para curadoria é uma característica das plataformas de desempenho superior. Uma empresa de plataforma “antiga” que fornece um ótimo contraponto à Monster é a Netflix. A empresa de streaming de vídeo foi fundada em 1997, apenas um ano após a Monster ter sido aberta, mas prosperou nas duas décadas desde sua fundação. O que manteve a Netflix relevante e útil para seus clientes? Ela tem uma longa história de cuidadosa curadoria de conteúdo para os clientes. A Netflix usa o aprendizado de máquina para fazer recomendações personalizadas que reduzem a rotatividade, mantendo os clientes satisfeitos e até reduzindo os custos, permitindo que a Netflix use melhor o conteúdo já comprado. A Netflix continua a manter a IA na vanguarda e agora está a usando para monitorar e resolver problemas de largura de banda para streaming nos mercados emergentes.

Além de usar o aprendizado de máquina para analisar e entender os dados gerados por uma rede, agora, as empresas de plataforma estão percebendo a importância da IA para detectar e evitar abusos. Comportamentos fraudulentos, criminosos e abusivos são um problema para muitas redes e as empresas estão percebendo que não podem mais lavar as mãos das ações de seus usuários. O Twitter teve que tomar medidas para conter o abuso, o Yelp e o LinkedIn estão trabalhando na filtragem de conteúdo falso, e o Facebook provavelmente está no início de uma longa jornada para evitar abusos após o escândalo da influência russa nas eleições americanas. Essas plataformas são simplesmente muito grandes e muito complicadas para soluções manuais ou lideradas por humanos para descobrir e impedir os abusos. O aprendizado de máquina e a inteligência artificial são a única maneira de gerenciar o conteúdo em escala à medida que ele evolui.

Se a sua empresa deseja adotar uma estratégia de plataforma e começar a aproveitar os efeitos de rede oferecidos, é melhor reconhecer que a curadoria é uma parte essencial da jornada e garantir que você tenha a competência de aprendizado de máquina necessária para que isso aconteça.
—————————————————————————
Megan Beck é diretora de produtos e insights da OpenMatters, uma startup de aprendizado de máquina, e pesquisadora digital no Centro SEI da Wharton. Ela é coautora de The network imperative: how to survive and grow in the age of digital business models.—————————————————————————
Barry Libert é membro do conselho e consultor de CEO focado em plataformas e redes. Ele é presidente da OpenMatters, uma empresa de aprendizado de máquina. Ele também é co-autor de The network imperative: how to survive and grow in the age of digital business models.

Compartilhe nas redes sociais!

Posts Relacionados