1. **Defina:** Qual a Categoria desta análise
1.1. 🚨 Problema
1.2. 🚀 Oportunidade
1.2.1. Aqui é onde temos a cereja do bolo dos insights. Para surpreender o cliente, sempre se preocupe em encontrar oportunidades (muitas vezes que ele nem estava esperando)
1.3. ✨ Melhoria
1.4. 🚧 Erro
2. Mapeie: quais os dados são necessários para fazer essa análise?
2.1. Para isso, liste as ferramentas que serão necessárias.
2.1.1. Google Analytics
2.1.2. Google Ads/ Meta Ads
2.1.3. YouTube Analytics
2.1.4. CrazzyEgg / Clarity / Hotjar
2.1.5. CRM
2.1.6. Pesquisa Qualitativa
2.2. Temos acessos a todos os dados necessários?
2.2.1. Caso sim, mãos a obra.
2.2.2. Caso não, como vamos resolver?
2.2.2.1. Roteiro de Pesquisa
2.2.2.2. Proposta de teste de usabilidade
2.2.2.3. Tagueamento de um evento para entrar o dado do GA
2.2.2.4. 🧐 A sugestão de como resolver não é insight. **Isso é um meio para um fim.**
3. Comece a produzir o seu dashboard
4. Conclusão
4.1. Siga essa estrutura na sua análise
4.1.1. 1. Qual a análise que estamos trazendo?
4.1.1.1. A análise que mostra a resposta a dúvida levantada pelo cliente se o whatsapp tem correlação com o google / cpc. Nós vimos que o whatsapp não tem correlação com o google cpc. Nós chegamos nessa conclusão olhando os dados XXXXX e chegamos nessa conclusão passando por essas etapas. Eu trouxe essa análise neste relatório e vou destacar os principais pontos que me chamaram atenção a isso.
4.1.1.2. A nossa análise de hoje é voltada para a indentificação de um **🚧 erro.** Ela mostra que XXXXXXX acontece por conta disso. Nós chegamos nessa conclusão olhando os dados XXXXX e chegamos nessa conclusão passando por essas etapas. Eu trouxe essa análise neste relatório e vou destacar os principais pontos que me chamaram atenção a isso.
4.1.1.3. A nossa análise de hoje é voltada para a indentificação de uma **🚀 oportunidade** Ela mostra como podemos trabalhar o nosso sortimenbto de produtos no período sazonal de menor compra para aumentar o ticket médio. Nós chegamos nessa conclusão olhando o volume de vendas por categoria ao longo do ano, e o seu ticket médio. Separamos as categorias que tinham um percentual considerável e estudamos quais tinham maior potencial pelo alto ticket médio. Associado a isso, buscamos dados qualitativos de usuários nas redes sociais que demonstraram interesse, e por isso chegamos a conclusão que nos meseses X, Y devemos fazer o estímulo a venda da categoria de botas. Eu trouxe essa análise neste relatório e vou destacar os principais pontos que me chamaram atenção a isso.
4.1.2. 2. O que estamos olhando?
4.1.2.1. Período
4.1.2.2. Métricas
4.1.2.3. Fontes de dados
4.1.3. 3. Por que estamos analisando?
4.1.3.1. Essa análise surgiu a partir da hipótese XXXX. Selecionamos essas métricas por elas impactaram da forma YYYYYY na resposta que queremos buscar.
4.1.4. 4. Descritivo dos dados que trouxemos no item 02, separando o que nos chamou atenção
4.1.4.1. "O QUE OBSERVAMOS COM OS DADOS"
4.1.5. 5. O que podemos fazer com esses dados?
4.1.5.1. Trazer o insight de forma direta e com a proposta clara a ação. Não falar no gerundio.
4.1.6. 6. Como vamos executar?
4.1.6.1. Qual o plano de ação para executar o insight trazido no item acima?
4.1.7. 7. Como vamos mensurar?
4.1.7.1. Liste a métrica principal que definirá o sucesso do insight, e as métricas de apoio (caso tenha) que te ajudaram e entender o contexto daquele dado.
5. DICA
5.1. **Menos é mais**
5.1.1. Foque em um insight de valor e com um plano de execução e mensuração bem definido. É melhor do que uma lista enorme de insights, que o cliente acabará com a sensação "tá beleza, e o que eu faço agora?"