Fingerhut: medir menos catálogos pelo efeito no lucro

O estudo publicado na Interfaces em 1º de fevereiro de 2001 descreve um sistema Fingerhut–IBM implantado integralmente em setembro de 1998. Relata sete milhões de clientes e até 120 catálogos por cliente ao ano. A operação semanal pertence àquele relato histórico; não descreve os sistemas atuais da Fingerhut. ^[1][2]

Os autores descrevem ajustes na lucratividade esperada considerando contatos anteriores e saturação, agrupamento de clientes semelhantes e escolha de combinações de envios sob restrições orçamentárias e outras. O plano do grupo é então atribuído às pessoas. É uma alocação baseada em modelo, não prova de uma solução ótima única e exata para cada indivíduo. ^[2]

Nossa interpretação: campanhas atraentes isoladamente podem disputar a mesma resposta. Coordenar o plano completo torna essa interação visível, desde que as estimativas de resposta e custo sejam confiáveis.

O artigo relata grupos de teste e controle escolhidos aleatoriamente, com 700 mil clientes cada. No grupo de teste, custos de publicidade caíram 6%, receita caiu 1,5% e lucro aumentou 2%. São três medidas distintas: no teste relatado, menos receita coexistiu com mais lucro. ^[2]

São resultados históricos relatados pelos autores do projeto, não uma replicação independente nem previsão para outra empresa. Várias reproduções do mesmo resumo não são evidências adicionais de resultado.

Análise e aplicação

A hipótese útil é que a próxima mensagem pode acrescentar menos valor após mensagens recentes semelhantes. Isso não significa que toda empresa deva enviar menos, recalcular semanalmente ou reproduzir um modelo de 1998. E-mail, notificações e mídia paga têm custos, exigências de consentimento e respostas diferentes.

Propomos medir contribuição incremental após os custos pertinentes, com limites explícitos de frequência e experiência do cliente. Um clique ou pedido atribuído não comprova lucro incremental; compras tardias, devoluções e custos podem mudar a conclusão.

Análise e aplicação

1. Mapear quais campanhas atingem as mesmas pessoas e em que ordem.
2. Definir contribuição, custos, janela de observação e limites de contato antes do teste.
3. Comparar o plano combinado com um controle estável e grupos comparáveis.
4. Relatar contatos, receita, custos e contribuição separadamente, incluindo incerteza e reclamações.
5. Reavaliar o modelo quando o comportamento mudar; respeitar consentimento e exclusões, sem extrapolar indefinidamente um teste curto.