A importância da recolha de dados para os Health Clubs

Os dados, a sua recolha e utilização, continuam a ser um tema em voga nos negócios globais, e a indústria do fitness não é exceção. A omnipresença de dispositivos portáteis, redes sociais, subscrições de boletins informativos, métricas de sítios Web e software de gestão de clubes que recolhe muita informação sobre os seus membros proporcionou uma avalanche de informação. Mas a melhor forma de utilizar estes dados para atingir os objectivos dos clubes de saúde individuais (e aderir aos novos regulamentos de proteção de dados) é por vezes difícil de definir.

Tim Bainton, fundador e diretor-geral de desenvolvimento empresarial da Blue Chip Sports Management, viu-se a braços com dificuldades para fazer crescer o seu negócio quando aprendeu a desbloquear a chave para transformar dados em receitas, disse ele durante a sua sessão IHRSA 2018.

Acompanhar as tendências e aumentar os lucros

Bainton entrou para a indústria da gestão desportiva e do fitness após uma carreira como jogador de ténis profissional e universitário, antes de ser nomeado tenista profissional do Mount Vernon Athletic Clubs, na Virgínia. Começou a apreciar o poder dos dados através de um amigo que trabalhava no sector financeiro e que era especialista em análise de dados. Através deste contacto, Bainton aprendeu a importância de "seguir tendências e aumentar os lucros" através da análise de dados preditiva.

"É preciso ter vontade de mudar", disse Bainton, que se baseou nos seus instintos de atleta para adotar os princípios da extração de dados. Vale a pena o esforço, disse ele. Ser "5% mais exato pode tornar-nos 5% mais rentáveis".

Enumerou cinco áreas em que se deve concentrar:

1. Maximizar as receitas por pessoa
2. Maximizar a retenção de clientes
3. Aumentar o número de novos membros
4. Otimizar o seu mix de produtos
5. Otimizar o seu tempo

Relativamente ao último ponto, Bainton disse para evitar ficarmos sobrecarregados com os números, mas para aprendermos a "gerir o negócio através de uma lente de dados". "Procurar os dados em todas as coisas", diz ele.

Análise preditiva de dados

Bainton é um grande especialista em métricas preditivas, muito ao estilo dos métodos que se tornaram famosos em "Moneyball", o livro de Michael Lewis sobre a abordagem inovadora - e por vezes contra-intuitiva - que a direção dos Oakland Athletics empreendeu para construir uma equipa vencedora com um investimento mínimo, utilizando métricas de informação chave. Bainton estudou o livro e recolheu o que pôde das técnicas do clube de basebol.

Bainton disse que se deve agir de quatro maneiras:

1. Incentivar a inovação
2. Manter uma mentalidade empresarial
3. Educar todos os membros da equipa
4. Encontrar conhecimentos e soluções fora do sector

"Procurem primeiro os problemas óbvios", disse ele. Mas advertiu que há uma curva de aprendizagem. "Seja responsável pelas mudanças quando elas correrem mal, porque elas vão acontecer. Tivemos exemplos em que gastámos tempo a recolher dados e informações e não era isso que precisávamos."

Vale a pena o esforço. As empresas mais bem sucedidas são as que confiam nos dados, disse Bainton. "A razão pela qual as empresas da Fortune 500 continuam a ter sucesso é porque estão constantemente a concentrar-se no que o consumidor quer e a acompanhar os tempos."

Um dos seus exemplos preferidos de uma empresa que utiliza as métricas do consumidor é a Netflix. "Estão agora a encomendar guiões com base em dados prévios", disse. Bainton também mencionou a Amazon e o seu sistema de recomendações. "Trinta por cento das vendas da Amazon provêm de recomendações".

Utiliza o Google Analytics como uma ferramenta fundamental para a recolha de dados e gosta do Facebook como uma fonte fundamental de extração de dados. E recomenda vivamente a realização de inquéritos. "Os inquéritos são fundamentais", disse Bainton.

O "ciclo de receitas" de dados em 6 fases

Independentemente da forma como recolhe e organiza os seus dados, deve abordar a sua utilização num "ciclo de receitas", que ele descreveu em seis fases:

1. Agrupar os seus clientes
2. Classificar os seus clientes
3. Optimize o seu tempo
4. Optimize as suas ofertas
5. Optimize os seus preços
6. Maximizar os lucros

Uma história de sucesso da análise de dados de Bainton foi quando descobriu que a maior parte da clientela do clube se deslocava num raio de 3,8 milhas do ginásio. Ao seguir os seus padrões de deslocação, a sua equipa conseguiu programar melhor as aulas para acomodar os membros com base nos seus padrões de deslocação em tempo real.

Há muito mais que se pode extrair da informação que já se tem. Não aproveitar é perder uma grande oportunidade. Como Bainton resumiu: "O que não é medido não é gerido".