A Freatz impulsiona sua receita em média 24%

Mesmo que nós enviemos clientes não identificados para o seu negócio e eles nos contem como foi a experiência em troca de um incentivo, não nos consideramos uma empresa de cliente oculto. A forma tradicional de cliente oculto foca na coleta e compartilhamento de dados não tratados. Mas, na Freatz, o foco está em entender os dados coletados. Como uma empresa de tecnologia, a Freatz automatiza todo o processo de coleta de informações, o que possibilita um sistema de pesquisa mais barato e mais abrangente. Na verdade, os clientes ganham dinheiro enquanto coletam dados com a Freatz, e isso é a chave para aumentar o volume de clientes participantes por mês. Com mais pesquisas, mais clientes, mais informações e resultados mais precisos. Ou seja, dados usáveis.

Provavelmente não. Existe um Processo de Descoberta de Conhecimento que demora alguns meses para ser aperfeiçoado. Sim, depois da primeira leva de pesquisa já é possível ter uma percepção do(s) seu(s) estabelecimento(s). Mas também é fato que percepção é algo que aumenta com o tempo, e todo mês o algoritmo vai aprender novas perspectivas do seu negócio a partir do ponto de vista do cliente e vai ajustar as descobertas considerando cada pedaço das informações coletadas.

A Freatz é única. De forma resumida, a maioria dos competidores não fornece dados úteis, por diferentes motivos. Na maioria das vezes não há um número de respostas suficientes, ou cada cliente só vai responder algumas poucas perguntas, ou os entrevistados são críticos profissionais, ou até mesmo apenas os clientes super positivos ou super negativos. O conjunto ideal de dados (bom volume, aprofundado, os clientes certos e avaliação constante) é muito difícil de ter e, antes da Freatz, também não era rentável. Com a Freatz não há custo líquido para reunir os melhores dados do seu cliente, e a própria Freatz fica com a parte de fazer sentido desses dados.

A Freatz usa algoritmos para fazer sentido de uma quantidade enorme de dados que um humano não conseguiria entender com o mesmo nível de precisão, automação e velocidade. A Freatz aplica diferentes modelos de IA, por exemplo: machine learning, rede neural, análise preditiva, análise prescritiva, análise descritiva, etc.

A usabilidade de dados depende da confiabilidade dos dados. Só é possível fazer sentido de um conjunto de dados se há a certeza que os dados são confiáveis (e é por isso que a Freatz se atenta muito a isso).

Tamanho da amostra: Imagine que você serve entre 4 e 5 mil refeições por mês. Se você entrevistar 5 consumidores por mês, os dados vão ter uma margem de erro de mais de 50%. Ou seja, 50% de chances de estar errado ou certo, o que é basicamente inútil. É preciso mais clientes e medições constantes para reduzir essa margem de erro para 3-4% e assim ter certeza que todas as ações baseadas no conjunto de dados estão corretas.

Profundidade de dados: Profundidade é outro componente relevante da confiabilidade de dados. Mesmo se você conseguir entrevistar pessoas o suficiente (ou seja, um bom tamanho da amostra), é preciso medir vários pontos diferentes dos dados para entender qual a relação de causa e efeito que influencia a percepção de qualidade ou até mesmo os lucros. Quando, por exemplo, se tem dois pontos de dados (formulário com duas perguntas), é possível que existam correlações ilegítimas, ou dois pontos de dados que aparentemente têm relação mas é só uma coincidência. E se alguma ação for tomada a partir desses dados ilegítimos, é com certeza um desperdício de tempo e dinheiro, podendo levar seu restaurante a perder dinheiro e clientela.

Não é preciso integração, e é possível começar no mesmo dia.