Connect with us

Outros

DBSCAN: a metodologia para o entendimento de comportamento baseado em geolocalização

Published

on

Quando falamos em dados de geolocalização, muita gente imagina apenas um “pontinho no mapa”. Mas, na prática, o valor real desses dados está no padrão, não no ponto isolado.

Um único sinal de localização diz pouco. Agora, centenas ou milhares de sinais ao longo do tempo contam histórias.

É a partir dessa repetição de horários, lugares e frequência que conseguimos inferir comportamentos, que aqui na Hands apelidamos de GeoBehavior lá em 2018. Através dele que desta análise que conseguimos inferir:

  • Região provável de moradia
  • Região provável de trabalha
  • Lugares visitados com frequência
  • Deslocamentos recorrentes que definem uma rotina
  • Ou mesmo pontos ocasionais, mas que são relevantes por grande concentração de pessoas: shows, eventos esportivos, festas etc

Mas como organizar bilhões de dados de milhões de pessoas que podem estar em dezenas de milhões de locais? Simples, através de metodologias de estatística e probabilística, sem depender de dados declarados.


O desafio: transformar pontos soltos em comportamento

Os dados de geolocalização brutos costumam ter este formato:

  • ID único do device
  • Latitude
  • Longitude
  • Timestamp (data e hora)

Sozinhos, eles são apenas registros técnicos de localização cartográfica.

O desafio é agrupar esses pontos de forma inteligente para responder perguntas como:

  • “Esse conjunto de pontos representa um local fixo?”
  • “Esse local é visitado por outros devices? Na mesma data? Horário?”
  • “Esse local é visitado com frequência suficiente para indicar rotina?”
  • “Em quais horários esse local aparece?”
  • “É um padrão recorrente ou algo pontual?”

É aí que entram as técnicas de clusterização espacial e temporal com uso de metodologia estatística e probabilística.


Uma das abordagens possíveis: DBSCAN

Existem várias formas de agrupar dados de geolocalização e uma delas, bastante conhecida, utilizada e eficiente, é o DBSCAN (Density-Based Spatial Clustering of Applications with Noise).

Apesar do nome técnico, a ideia por trás dele é simples, o DBSCAN agrupa pontos que:

  • Estão geograficamente próximos
  • Aparecem com densidade suficiente
  • Se repetem ao longo do tempo

E ele faz isso sem precisar que você diga antes quantos grupos existem e isso ajuda a identificar padrões e locais que não eram inicialmente conhecidos, ajudando a entender tendências antes mesmo que fiquem evidentes à olho nu.

Isso é especialmente importante quando falamos de comportamento humano, porque:

  • As pessoas não têm um número fixo de lugares
  • Algumas rotinas são claras, outras são mais difusas
  • Sempre existem exceções, mas que podem ser relevantes (shows, eventos etc)

Como isso se aplica a moradia, trabalho e visitas?

Vamos trazer isso para um contexto prático.

1. Inferência de moradia

Em geral, um local de moradia apresenta padrões como:

  • Alta recorrência
  • Presença majoritária à noite
  • Frequência durante finais de semana
  • Permanência prolongada

Quando aplicamos uma técnica como o DBSCAN:

  • Os pontos noturnos e recorrentes tendem a formar um cluster denso
  • Pontos isolados (ruído) são descartados
  • O cluster mais consistente nesse contexto pode ser inferido como provável local de moradia

Nada disso é uma “certeza absoluta” — é uma inferência estatística, baseada em padrão.


2. Inferência de trabalho

O raciocínio é parecido, mas o padrão muda:

  • Presença recorrente em dias úteis
  • Horários comerciais
  • Menor frequência noturna
  • Permanência concentrada durante o dia

O DBSCAN ajuda a identificar:

  • Um cluster distinto do de moradia
  • Com comportamento temporal diferente
  • Com alta regularidade semanal

Isso permite inferir um provável local de trabalho, sem precisar que o usuário diga onde trabalha.


3. Lugares visitados e hábitos de consumo

Nem todo cluster é moradia ou trabalho e aí o DBSCAN pode ajudar ainda mais.

Alguns agrupamentos indicam:

  • Academias
  • Restaurantes
  • Shoppings
  • Hospitais
  • Escolas
  • Pontos de lazer

Aqui, o DBSCAN é útil porque:

  • Identifica clusters mesmo com menor frequência
  • Mantém pontos isolados como “ruído”
  • Ajuda a separar rotina de evento pontual

Esses clusters alimentam análises como:

  • Afinidade com categorias
  • Hábitos de deslocamento
  • Perfil comportamental urbano

Por que DBSCAN é uma das principais metodologias utilizadas para auxiliar a definição de GeoBehavior?

Em projetos com dados de geolocalização, o DBSCAN costuma ser interessante porque:

  • Não exige número pré-definido de clusters
  • Lida bem com ruído (dados esporádicos)
  • Funciona bem em ambientes urbanos densos
  • Se adapta melhor à imprevisibilidade do comportamento humano

Isso não significa que ele seja a única solução — mas sim uma alternativa robusta dentro de um conjunto maior de técnicas.

Na prática, projetos maduros costumam combinar:

  • Regras de negócio
  • Janelas temporais
  • Clusterização espacial
  • Validações estatísticas
  • Camadas de privacidade e anonimização

Importante: inferência não é identificação

Um ponto essencial, e que vale reforçar:

Inferir comportamento não é identificar uma pessoa.

Essas análises trabalham com:

  • Dados anonimizados
  • Padrões agregados
  • Probabilidades, não certezas individuais

O foco está em entender comportamento coletivo, gerar inteligência e apoiar decisões, sempre respeitando princípios de privacidade e conformidade regulatória.


Conclusão

Dados de geolocalização ganham valor quando deixam de ser pontos isolados e passam a revelar padrões de vida urbana.

Técnicas como o DBSCAN ajudam justamente nisso:

  • Transformar volume em significado
  • Separar rotina de exceção
  • Apoiar inferências como moradia, trabalho e hábitos

No fim, o mais importante não é a técnica em si, mas como ela é usada, combinada e interpretada dentro de um contexto responsável e estratégico.

Se quiser saber mais sobre a metodologia DBSCAN ou como utilizar GeoBehavior no seu negócio, entre em contato com nosso time de especialistas.

Continue Reading

Outros

Hands Precision Marketing na prática: quando a audiência vem antes do canal

Published

on

Nem toda campanha depende de falar com mais pessoas. Em muitos casos, o resultado está em falar com as pessoas certas, no momento em que a decisão acontece.

Foi esse o desafio da campanha #VaiDeEtanol, desenvolvida pela Hands junto com a Biglink para a Única, organização que representa os produtores de cana-de-açúcar e etanol. O objetivo da campanha era incentivar o abastecimento com etanol em seis regiões metropolitanas do país, aproximando a comunicação dos proprietários de veículos que utilizam etanol e ativar o momento em que o motorista realmente escolhe qual combustível colocar no tanque.

Em vez de depender de segmentações disponíveis nas plataformas de mídia, a Hands começou pela pergunta de negócio: quem realmente possui maior probabilidade de abastecer com etanol?

Por se tratar de uma audiência super específica, a Hands estruturou uma estratégia de Precision Marketing, combinando diferentes sinais de comportamento em clusters customizados em uma audiência exclusiva. A construção da audiência considerou GeoBehavior para definir clusters de (a) Frequentadores dos Postos de Gasolina participantes e (b) Motoristas que circulavam por rodovias das praças selecionadas, já através de AppBehavior foram criados cluster de usuários que tinham Aplicativos de (c) Postos de Gasolina e (d) Manutenção de Veiculos. E, através de 2nd Party Data, em parceria com data providers específicos do segmento, utilizando o conceito de Branded Data da Hands, no qual garantimos a origem, qualidade e governança dos dados, habilitamos uma audiência de dados declarados de (e) Proprietários de veículos flex.

Em vez de depender de uma única segmentação, a audiência passou a refletir diferentes contextos que indicavam maior probabilidade de abastecimento.

Toda a inteligência foi estruturada no Audience Hub, plataforma proprietária de Precision Marketing da Hands, que permite combinar diversos tipos e fontes de dados, bem como operar a geolocalização com critérios e atributos exclusivos como; definição de polígonos, filtros por horário, frequência e tempo de permanência, itens que ajudam a otimizar o perfil GeoBehavior de quem realmente frequenta os locais de interesse.

Depois de criada a Audiência, os Clusters foram ativados de forma independente em diversos canais de ativação de mídia como Google, Instagram, Facebook, TikTok e Push Notifications, empoderando o anunciante para comparar o desempenho de cada cluster em cada canal, criando uma matriz de performance entre Audiências e Canais, dando transparência sobre qual Cluster performa melhor em cada Canal, e com autonomia para migrar investimentos entre os canais sem perder a segmentação e a inteligência criada. 

Mais do que um case, esse projeto demonstra uma mudança de paradigma. Através do Precision Marketing a inteligência deixa de estar concentrada nas plataformas de mídia e passa a ser construída como um ativo estratégico da marca e sua agência.

Quando a audiência se torna um ativo proprietário, marcas e agências ganham mais transparência sobre os dados, mais controle sobre as segmentações além de autonomia e liberdade para ativar campanhas em diferentes canais sem abrir mão da inteligência construída.

Quer saber mais sobre como levar o conceito de Precision Marketing para suas campanhas?

Entre em contato com nosso Time de Especialistas.

Continue Reading

Outros

Brasil em Cannes: os cases que ganharam Leões

Published

on

O Brasil voltou a mostrar em Cannes uma força que vai além da criatividade pela criatividade. Os cases premiados combinam cultura, mídia, tecnologia, comportamento e ideias simples de entender, exatamente o tipo de construção que transforma campanhas em conversa.

O principal destaque foi “Cupom em Campo”, da GUT São Paulo para Mercado Livre, vencedor do Grand Prix em Outdoor. A campanha transformou o gramado do Pacaembu em um código de barras gigante, permitindo que o público escaneasse a imagem durante a transmissão de uma partida e acessasse descontos em tempo real.

A LePub também levou Ouro com “Podia ser uma Heineken”, campanha criada para Heineken que conectou mídia exterior, comportamento social e o convite para encontros presenciais. Já a VML conquistou Ouro com “The Last Coke in the Desert”, para Coca-Cola, ao valorizar pequenos comerciantes que mantêm a bebida gelada mesmo em regiões remotas.

Na área de Health & Wellness, a Publicis Brasil foi premiada com “Save the Day”, para o Grupo Pulsa, iniciativa que transformou o dia de folga após a doação de sangue em uma oportunidade para jogar, aproximando a causa do universo gamer.

A Africa Creative também apareceu entre os Ouros com “Searching for Birds on Wires”, para Abradee, usando o áudio como ferramenta para chamar atenção aos riscos enfrentados por aves em fios elétricos.

Outro destaque veio em Design, com “Dancebook Brasil”, da Lovely para Bradesco, projeto que registrou danças brasileiras em partituras coreográficas, preservando movimentos culturais como samba, frevo, toada e chula.

Mais do que celebrar troféus, os cases brasileiros mostram uma direção importante: criatividade premiada hoje não vive só da grande ideia. Ela precisa conectar contexto cultural, uso inteligente de mídia, comportamento real e uma execução simples o suficiente para ser entendida rápido e forte o suficiente para circular.

Continue Reading

Outros

Data Lions: quando o uso dos dados ajuda a criar novas idéias e experiências.

Published

on

O Creative Data Lions surgiu em 2015 como resposta a uma mudança de mercado: o dado deixava de ser camada de mensuração para virar matéria-prima de criação, de produtos, serviços e experiências, não só de argumento de campanha.

A categoria nasceu para reconhecer trabalhos em que dados, tecnologia, estratégia e criatividade atuam juntos para gerar impacto real. Não basta usar dado como prova de resultado. O ponto é mostrar como a inteligência de dados pode ser a base da própria ideia, o esqueleto, não a maquiagem.

Logo no primeiro ano, a categoria recebeu 609 inscrições e premiou 28 trabalhos. O júri decidiu não dar Grand Prix naquela edição, justamente por entender que a régua ainda estava sendo desenhada.O Brasil apareceu com um Leão de Bronze para “Meeting Murilo“, da Huggies/Kimberly-Clark (agência Mood).

O primeiro Grand Prix só veio na edição seguinte, em 2016: “The Next Rembrandt“, para o ING, criado pela J. Walter Thompson Amsterdam, um quadro impresso em 3D, treinado com dados de 346 pinturas originais de Rembrandt, que também levou o Grand Prix de Cyber no mesmo ano.

Para nós da Hands, Creative Data sempre foi a parte da premiação com maior expectativa, não pelo tema em si, mas porque conversa direto com como enxergamos mídia, comportamento e tecnologia: dado não como fim, mas como infraestrutura para criar contexto, resolver problema e gerar ação.

Em 2026, a categoria recebeu 391 inscrições e premiou 13 cases: 1 Grand Prix, 2 Ouros, 4 Pratas e 6 Bronzes. O Brasil chegou com 5 finalistas e converteu 2 Leões, Prata para “Unwatched Goals“, da Africa Creative para a Brahma, e Bronze para “Nigrum Corpus“, da Artplan para IDOMED e Instituto Yduqs (que também levou o Grand Prix de Glass: The Lion for Change nesta edição, tornando-se a primeira campanha brasileira a vencer dois Grand Prix diferentes na história do festival).

O Grand Prix mostrou onde a régua está agora

O Grand Prix de Creative Data 2026 foi para SOS POS, criado pela Circus Grey Lima para o BCP, o maior banco do Peru. E o que esse case prova é o oposto do que a maioria do mercado assume sobre “dado criativo”: não é sobre complexidade, é sobre encontrar um problema e entender como o uso inteligente de dados pode resolvê-lo, nesse caso ainda com o brilhantismo de utilizar uma infraestrutura já existente.

O ponto de partida é um problema concreto: no Peru, mais de 4 mil celulares são roubados por dia. O ladrão desbloqueia o aparelho em minutos e esvazia contas pelos apps bancários antes que a vítima consiga reagir. Todo banco tem linha de emergência para bloqueio, mas como ligar sem o celular? A pessoa depende de pedir emprestado, ou correr até uma agência, perdendo os minutos que mais importam.

A resposta do BCP não foi criar um canal novo, foi reaproveitar uma infraestrutura que já está em praticamente toda esquina: a maquininha de cartão. O POS (máquina de cartão de crédito) deixou de ser só ponto de venda e virou ponto de bloqueio de emergência. A vítima vai até o comércio mais próximo, digita documento e senha em qualquer maquininha participante, e a conta é bloqueada na hora, sem app, sem ligação, sem depender do aparelho roubado. O banco mapeou as regiões de maior incidência de furto e instalou mais de 17,5 mil pontos de bloqueio, cada um a menos de dois minutos de distância, com meta de chegar a 120 mil ao longo de 2026.

O que faz esse case ser forte em Creative Data não é sofisticação técnica, é o contrário disso. A ideia usa dados de localização (onde o roubo acontece mais), dado de autenticação (documento + senha) e uma rede física já madura (a malha de POS) para resolver, em minutos, um problema que hoje custa horas. Simples, rápido, escalável, e sem inventar nenhuma tecnologia nova. A criatividade estava em reconhecer que o dado certo já existia dentro de um sistema que ninguém tinha pensado em usar daquele jeito.

É a mesma lógica que sustenta qualquer estratégia de segmentação geolocalizada: o valor não está em coletar mais dados, está em reconhecer o padrão que já está ali, visita, frequência, permanência e transformar isso em ação no momento certo. O SOS POS não inventou uma nova camada de dado. Ele leu o que já tinha, e resolveu um problema real com ela.

Continue Reading

Trending

Copyright © 2025 Hands Academy