Ambiente Analítico Integrado para Aplicações Mobile

Anita Maria da Rocha Fernandes1,2, Andre Roberto Reginaldo1

1Curso Superior de Tecnologia em Jogos Digitais – Campus Florianópolis - Universidade do Vale do Itajai (UNIVALI) – Florianópolis – SC – Brasil

2Mestrado em Computação Aplicada – UNIVALI – Itajai, Sc - Brasil

anita.fernandes@univali.br, andre@gameloop.com.br

Abstract. The use of mobile technology grows exponentially. Within this

context, it is necessary for companies that develop mobile solutions can

understand the behavior of the users in order to make strategic decisions in

their niche markets. However, the tools available for analysis of the Mobile

Web scenario, called Mobile Analytics, aren’t mostly focused on quality

requirements and efficiency for mobile devices, and so were not designed to be

integrated. In order to contribute to the field of mobile application

development, it was developed an integrated environment analysis taking as a

case study focused on an application for mobile games.

Resumo. A utilização da tecnologia mobile cresce exponencialmente. Dentro

deste contexto, é necessário que as empresas desenvolvedoras de soluções

mobile consigam entender o comportamento dos usuários à fim de tomar

decisões estratégicas em seus nichos de mercado. Porém, as ferramentas

disponíveis para análise do cenário Web Mobile, os chamados Mobile

Analytics, não estão em sua maioria focados nos requisitos de qualidade e

eficiência para dispositivos móveis, e não foram projetadas de maneira a

serem integradas. No intuito de contribuir com a área de desenvolvimento de

aplicativos mobile, foi desenvolvido um ambiente integrado de análise tendo

como estudo de caso um aplicativo focado em games para celulares.

1. Introdução

Conforme Aquino (2007), com o grande avanço da tecnologia, os Dispositivos Móveis (DM) estão se tornando mais poderosos com relação a potencialidade de suas capacidades de armazenamento, de processamento e de comunicação; e mais acessíveis aos consumidores. Atualmente, há 1,5 bilhões de televisores no mundo, enquanto 1 bilhão de pessoas têm acesso à internet, mas quase 3 bilhões de pessoas possuem um dispositivo móvel (handheld, PDAs, telefones celulares) [AQUINO 2007]. A telefonia móvel no Brasil atingiu a marca de 212 milhões de celulares em abril de 2010 para uma população de 190,7 milhões [GABRIEL 2010]. O consumo via mobile cresce tanto no uso do celular quanto de netbooks e tablets. Os DM oferecem conectividade e poder de uso em qualquer lugar a qualquer momento, tornando-se importante ferramenta, tanto para uso pessoal, quanto profissional [AQUINO 2007]. Este aumento do uso de DM, levou à criação de novas maneiras de lidar com a disseminação da informação, com o e-commerce, com a educação e com o entretenimento. Neste contexto, tem-se o Web

Mobile.

Web Mobile é o termo que define o conceito de acesso à internet, através de um dispositivo móvel, permitindo alcançar qualquer página da web, em qualquer lugar do mundo, a qualquer momento [GABRIEL 2010]. Este conceito ganhou força devido ao crescimento e aceitação vivenciados nos últimos três anos, das tecnologias móveis (aqui chamada pelo termo mobile), tais como celulares, smartphones, tablets, notebook e internet móvel, não apenas em países ricos, mas também em países como o Brasil, configurando tal aceitação como uma tendência mundial [GABRIEL 2010]. Porém, este rápido crescimento das tecnologias mobile ocorreu de uma forma desordenada, sem padronização e planejamento. Isto levou a comunidade de desenvolvedores a fazer uso de conceitos, técnicas e métricas já consolidadas na web, diga-se “tradicional”. Dentre estes conceitos, técnicas e métricas tem-se o Web Analytics. Web Analytics é o processo de medição, coleta, análise e produção de relatórios de dados de navegação e interação com o objetivo de entender e otimizar o uso de sites e páginas na internet [DAA 2012]. A ferramenta mais popular para Web Analytics, é o Google Analytics [GABRIEL 2010], que possui vários módulos disponíveis para a análise de um site.

O que ocorre é que o Google Analytics em sua versão mobile, não preenche os requisitos de qualidade e eficiência de uma ferramenta de análise [DDA 2012], levando os desenvolvedores de aplicativos mobile a buscarem soluções individualizadas para cada tipo de análise, como por exemplo: Ferramentas para acompanhamento de desempenho da aplicação, tais como Flurry [FLURRY 2012], e Mixpanel [MIXPANEL 2012]; Ferramentas para gerenciamento de banners próprios e redes de anúncio, tais como AdMob [ADMOB 2012]; Inner-Active [INNERACTIVE 2012], AdFonic [ADFONIC 2012], BrightRoll [BRIGHTROLL 2012], InMobi [INMOBI 2012], Jump Tap [JUMPTAP 2012]; Ferramentas para edição e envio de notificações para DM, tais como Appoxee [APPOXEE 2012] e Urban Airship [URBAN AIRSHIP 2012]; e Ferrramentas para controle do catálogo de itens virtuais que estão à venda no aplicativo, tais como, Urban Airship [URBAN AIRSHIP 2012] e Ever Badge [EVER BADGE 2012]. Neste cenário, as empresas/desenvolvedores de aplicativos mobile, precisam integrar esta diversidade de ferramentas à aplicação e isto faz com que a atenção que deveria ser dada ao aplicativo em si e ao seu conteúdo, seja compartilhada com as ferramentas de análise. Este esforço extra afeta diretamente o tempo e o custo de desenvolvimento, elevando o valor final do aplicativo, seja ele comercial, educacional ou de entretenimento (Game).

No intuito de contribuir com a área de desenvolvimento de aplicativos mobile, foi desenvolvido um ambiente integrado de análise, que permite à equipe de desenvolvimento focar exclusivamente no conteúdo do aplicativo, diminuindo assim, gastos adicionais de desenvolvimento. Para testar e validar o ambiente analítico desenvolvido, teve-se como estudo de caso no mundo real um aplicativo focado em games para celulares desenvolvido pelas empresas Gameloop e Palmsoft. Nas próximas sessões será apresentado o referencial teórico utilizado, bem como a ferramenta e os resultados obtidos.

2. Referencial Teórico

A democratização dos meios de comunicação especialmente via Dispositivos Móveis e o ritmo das inovações tecnológicas é um fator a ser considerado, principalmente com os avanços da tecnologia mobile de acesso à web, com gadges que operam com capacidade de transmitir informação em tempo real e de qualquer lugar que o usuário precisar. A

velocidade e volatilidade de informações ocasionam rápida obsolescência de produtos e processos, fazendo crescer o grau de incerteza e complexidade na escolha de estratégias mercadológicas compatíveis com a perspectiva dos negócios [OKADA & SOUZA 2011]. Nesse ambiente dinâmico, [...] torna-se necessário a utilização de métricas e indicadores de desempenho para o maior conhecimento, tanto das variações do comportamento do consumidor/cliente, quanto do processo de tomada de decisão de marketing e decisões à respeito do aplicativo em propriamente dito [FARRIS et al 2006].

Métricas são análises fundamentais para melhor se conhecer, controlar e otimizar as ações on-line. Podem ser mensurados o retorno, as conversões, as visitas (pageviews), a interação, as pessoas impactadas e as impressões [TURCHI 2009]. As métricas são medidas de desempenho que devem estar alinhadas à estratégia da organização. O termo Web Analytics, trata da análise do comportamento dos visitantes e do tráfego de um Web site. As organizações tem interesse em analisar o tráfego para saber se o seu Web site, blog ou fanpage está atraindo visitantes e se os investimentos realizados terão o retorno esperado. As informações obtidas deverão detalhar aos analistas de mídia as tendências de navegação, como: a origem das visitas, as páginas e seções mais visitadas, ações de compartilhamento em mídias diferentes, o número de conversões, assim como a análise do caminho percorrido pelo visitante [PETERSON 2005]; [STERN 2002]; [RIBEIRO 2012]. O termo Web mobile Analytics refere-se a aplicação das métricas de Web Analytics para analisar o comportamento dos visitantes e do tráfego de um dado site através de um aplicativo mobile.

De acordo com Kaushik (2012), reponsável pelo marketing digital do Google, existem três grandes grupos de métricas: Aquisição, Comportamento e Conversão: Aquisição: este grupo é constituído por três métricas, as quais rastreiam a aquisição do usuário à partir de várias fontes. Elas representam o top end do funil de conversão: Visitas: quantas pessoas visitam seu site; Visitantes únicos: quantas pessoas diferentes visitaram seu site; Pageviews: quantas vezes uma página no seu site foi visualizada.O monitoramento mais importante relativo a este grupo de métricas é observar a mudança das métricas com o tempo. Comportamento: este grupo de métricas monitoram o comportamento do usuário, oferecendo insights que permitam verificar se um site conduz os usuários para o resultado que eles devem atingir: Páginas por visita avalia quantas páginas são visualizadas durante uma única visita; Tempo no site, refere-se a quanto tempo cada visita gasta no site; Bounce Rate, avalia quão rapidamente os usuários saem de suas páginas quando acessam um site. Entender o comportamento do visitante ajuda a compreender o comportamento temporal da métrica de comportamento em si. Por exemplo, um visitante “entediado” quer ser entretido, logo, mais tempo no site indica satisfação dessa necessidade. Em contrapartida, um visitante “repetitivo” pode ter uma alta taxa de bounce, pequeno tempo no site e baixo número de páginas por visita, mas ainda é uma interação bem sucedida. Conversão: este grupo de métricas refere-se a taxa de conversão e média por ordem de tamanho. Estas métricas monitoram as conversões do usuário e o valor de cada uma dessas conversões. Esses números mostram como os visitantes contribuem no todo para um site de e-commerce. A taxa de conversão se refere a quantos visitantes dão o próximo passo, seja para comprar, se registrar ou solicitar mais informações. A média por ordem de tamanho avalia, para conversões de e-commerce, qual o valor médio do pedido.

A maioria dos sites vê nos visitantes via desktop uma conversão mais alta do que via mobile. Isso é esperado, já que a compra no ambiente mobile é relativamente nova e hábitos levam tempo par se estabelecerem. Porém, os usuários mobile podem executar um grande papel no processo de compra, mesmo que a transação não seja de fato feita no ambiente móvel. Um estudo recente do Google (2012), mostrou que 79% dos compradores usam seus DM para comprar e 70% deles usam mobile in store. Além disso, a velocidade das compras é significativamente mais rápida quando um consumidor é auxiliado por um DM. Segundo pesquisa da Microsoft [STERLING 2010], clientes que pesquisam produtos em seus aparelhos estão prontos para comprar, 70% agem dentro de 1 hora, mas pessoas em desktops fazem o mesmo em uma semana. Segundo o Google (2012), existem três tipos de categoria de interação do usuário com um determinado site: Repetitivo agora: essas pessoas rastreiam informações sensíveis ao tempo de resposta em uma base contínua como cotas de ações (bolsa de valores) ou placares de esportes; Entediado agora: essas pessoas buscam distração ou entretenimento enquanto esperam na fila do banco ou trânsito, por exemplo; Urgente agora: essas pessoas precisam de informações sensíveis à localização sobre uma situação específica como por exemplo “a pizzaria mais próxima” ou a “próxima sessão de cinema”.

Algunas análises são consideradas como fundamentais para a Análise Geral: Análise do Funil de Conversão e Análise Coorte. Os estudos de Coorte são frequentemente utilizados em medicina, de forma a possibilitar comparações entre uma coorte que esta exposta a uma situação ou que possui uma característica e um grupo de controle. No entanto, o termo tem origem militar e não médica [GRIMES & SCHULZ 2002]. De acordo com a acepção etmológica, cada coorte é representada por cada uma das dez unidades de uma legião do exército romano [HOCHMAN et al 2005]. Conforme sua definição original, uma coorte é uma unidade do exército romano que possuía de 300 a 600 homens. Sendo assim, pode-se compreender que uma coorte refere-se a bandas ou grupos de pessoas que estão expostas a alguma situação (GRIMES & SCHULZ, 2002).

Verifica-se que o termo é utilizado em um sentido mais geral como qualquer quantidade de indivíduos que possuem alguma característica em comum. No entanto, é mais frequente encontrar na literatura, referências que utilizam o termo como grupo de indivíduos (pessoas ou não) que vivenciaram um determinado evento durante um período específico de tempo [GLENN 2005].

A popularidade do conceito é crescente, pois o mesmo é extremamente útil para o estudo de questões relativas à idade e à mudança social e cultural [GLENN 2005]. A área de marketing vem fazendo bastante uso deste contexto. No marketing, as coortes são utilizadas tanto para estimação de demanda quanto para definição de grupos ou segmentos com valores e comportamentos de consumo similares. Dessa forma, coortes são grupos de pessoas que compartilham experiências de eventos externos que afetaram profundamente suas atitudes e preferências [KOTLER 2000]. O Funil de Conversão refere-se ao passo a passo do cliente dentro do site, considerando a compra de um dado produto. A análise do funil leva a empresa a saber se as interações do cliente com o site foram convertidas em compras. Pode-se construir um funil selecionando alguns eventos que o usuário pode fazer e, com base neles é feita uma análise dos dados avaliando o comportamento dos usuários em relação aos eventos.

A abordagem tradicional do Funil de Conversão foca no passo a passo linear do processo de compra, porém novas abordagens estão sendo estudadas, dentre elas o Funil de Conversão 2.0 [ATCHINSON 2006]. Esta será a abordagem de Funil de Conversão a ser adotada neste projeto. O Funil de Conversão 2.0 é um modelo que trata menos do passo a passo linear do processo de compra que foi adotado até hoje e foca na natureza dinâmica dos clientes. Este modelo cobre os múltiplos pontos de conversão (conversão de compra e conversão de não compra) que existem em vários sites de varejo e marcas on line. Com base nestes fundamentos, as análises disponibilizadas pela ferramenta foram estabelecidas.

3. A Ferramenta Desenvolvida

À fim de estabelecer quais as análises seriam mais interessantes para serem disponibilizadas na ferremanta, a equipe de desenvolvimento se baseou nos preceitos de marketing digital apresentados por Gabriel (2010) e por Faletski (2012). Segundo o autor, embora a web mobile tenha se tornado mainstream, nem todos os sites conseguiram acompanhar o ritmo dos àvidos clientes so ambiente móvel. A projeção é de que o tráfego mobile ultrapasse o de desktop em 2015. As empresas precisão compreender que disponibilizar seus aplicativos para o ambiente mobile não é necessariamente disponibilizar em outro ambiente a aplicação web, ou seja, as empresas devem entender que, não necessariamente um site tradicional renderiza bem em telas de DM. Uma oportunidade perdida pode fazer com que marcas percam oportunidades e relacionamentos cruciais [FALETSKI 2012]. Sendo assim, é necessário considerar as análises específicas para mobile, considerando três grupos de métricas: Aquisição, Comportamento e Conversão [FALETSKI 2012]. Dentro deste contexto, um ambiente analítico para aplicativos mobile, que contemple as necessidades à seguir, é uma contribuição relevante para a área. Dentro deste contexto, a ferramenta contempla as seguintes funções: Acompanhamento do desempenho da aplicação, considerando criação de funil, coleta de informações dentro da aplicação, armazenamento de informações do usuário, e análise de Coorte; Gerenciamento de banner próprio (House

Ads) e redes de anúncio (Ad Networks), considerando o suporte básico em termos de estatísticas: impressões, cliques, CTR (taxa de cliques).

Para a criação do funil de conversão, o modelo utilizado o Funil de Conversão 2.0, baseado em hub-and-spokes [KAUSHIK 2012]. Neste modelo, a página do produto é fundamental para o sucesso da visita do cliente. No modelo tradicinal de Funil de Conversão, uma página de um produto tem que ser bem definida, como se fosse uma sequência de sete passos que conduz o processo de conversão da visita em compra, assumindo que os visitantes chegam a primeira vez na home page da empresa, seguem para a página de categorias de produtos, antes de atingir a página de degalhamento do produto. Porém, o movimento dos usuários não é simples e linear, sendo assim, o modelo de Conversão 2.0 considera que existem várias motivações que definem o nível de interesse em um produto, e portanto, os visitantes podem ter vários objetivos de conversão, ou seja, comprar/adquirir não é o único objetivo dos visitantes. O modelo hub and spoke coloca a página de produtos em um hub ou ponto focal, com múltiplas saídas, criando os caminhos de conversão desejados. Quando se usa este modelo, é possível ter uma visão mais completa da interaçao dos clientes com o negócio online.

A Figura 1 apresenta a visão geral do sistema, que é composto por quadro módulos distintos. A Figura 2 apresenta a página principal do sistema denominado M Analytics.

Conforme apresentado na Fiferramena e as opções de logim, cadastro de contas, conhecer as novidades da ferramenta e uma visão geral da ferramenta (usuário fazer download do Androidé possível o usuário conhecer os objetivos da ferramenta e o que ele pode ganhar com o uso da mesma.

Para criar uma conta, o usuário acessa a tela da Figura 4, e para cadastrar suas aplicações, após ter uma conta, o usuário faz o login e tem acesso a tela 5ferramenta, o usuário deve fazer o login no sistema, importar o arquivo .jar para seu projeto e utilizar a API denominada Reference para ter as funções de análise e publicidade. Depois, à medida que os usuários vão utilizando a aplicação, o usuário pode entrar na Manalytics e ter acesso as estatísticas de acesso da mesma, como por

A Figura 1 apresenta a visão geral do sistema, que é composto por quadro módulos distintos. A Figura 2 apresenta a página principal do sistema denominado M

Figura 1. Visão Geral do sistema

Figura 2. Página inicial

Conforme apresentado na Figura 2, a página inicial sistemaferramena e as opções de logim, cadastro de contas, conhecer as novidades da ferramenta e uma visão geral da ferramenta (overview). Bem como oferece a opção do usuário fazer download do Android. A Figura 3 apresenta a tela de overview

é possível o usuário conhecer os objetivos da ferramenta e o que ele pode ganhar com o

Para criar uma conta, o usuário acessa a tela da Figura 4, e para cadastrar suas r uma conta, o usuário faz o login e tem acesso a tela 5

ferramenta, o usuário deve fazer o login no sistema, importar o arquivo .jar para seu projeto e utilizar a API denominada Reference para ter as funções de análise e

medida que os usuários vão utilizando a aplicação, o usuário pode entrar na Manalytics e ter acesso as estatísticas de acesso da mesma, como por

A Figura 1 apresenta a visão geral do sistema, que é composto por quadro módulos distintos. A Figura 2 apresenta a página principal do sistema denominado M

sistema apresenta a ferramena e as opções de logim, cadastro de contas, conhecer as novidades da

). Bem como oferece a opção do overview. Nesta tela

é possível o usuário conhecer os objetivos da ferramenta e o que ele pode ganhar com o

Para criar uma conta, o usuário acessa a tela da Figura 4, e para cadastrar suas r uma conta, o usuário faz o login e tem acesso a tela 5. Para usar a

ferramenta, o usuário deve fazer o login no sistema, importar o arquivo .jar para seu projeto e utilizar a API denominada Reference para ter as funções de análise e

medida que os usuários vão utilizando a aplicação, o usuário pode entrar na Manalytics e ter acesso as estatísticas de acesso da mesma, como por

exemplo, a quantidade de visita diária por semana e tipo de plataforma dos usuários que acessam seu aplicativo (Figura 6).

Figura 3. Tela de instruções de uso

Figura 4. Cadastro de usuários

Figura 5. Painel de controle das aplicações de um usuário

A Figura 7 apresenta a tela de um aplicativo que foi cadastrado Manalytics e como ele é visto nas plataformas onde foi executado.a interface do servidor Manalytics, apresentando o menu de controle, o log de eventos, os dispositivos que estão conectados a uma dada aplicação.

(a)

Figura

Figura 6. Tela de gráficos estatísticos

A Figura 7 apresenta a tela de um aplicativo que foi cadastrado Manalytics e como ele é visto nas plataformas onde foi executado. A Figura 8 apresenta a interface do servidor Manalytics, apresentando o menu de controle, o log de eventos, os dispositivos que estão conectados a uma dada aplicação.

(b) (c)

Figura 7 Uso de um aplicativo em várias plataformas

Figura 8. Interface do Servidor

A Figura 7 apresenta a tela de um aplicativo que foi cadastrado para usar o A Figura 8 apresenta

a interface do servidor Manalytics, apresentando o menu de controle, o log de eventos,

6. Conclusões

A ferramenta Manalytics foi implementada em Android e tem se apresentado bastante estável. A ferramenta foi colocada em utilização no ambiente de produção da empresa Palmsoft em junho para que a referida empresa pudesse trabalhar com a ferramenta em seu novo game. O desempenho da ferramenta em ambiente de produção obteve um desempenho de 82% no ambiente de produção, apresentando algumas distorções na análise de coorte.

O cálculo da análise estava apresentando um viés de 3,45% e isto gerava um erro na análise. O funil de conversão utilizado também teve que ser ajustado pois alguns spokes não estavam respondendo adequadamente. Somente uma única vez em 30 dias o servidor teve problemas de desempenho, porém foi devido a uma falha no nobreak, o que já foi sanado.

A ferramenta ainda esta em testes na Palmsoft e começou a ser utilizada no começo de julho pela empresa parceira Gameloop e no segundo semestre espera-se que a ferramenta seja aplicada em ambiente real em um jogo da empresa Palmsoft.

Referências

Adfonic (2012). Global Mobile Advertising. Disponível em http://adfonic.com/. Acessado em 19 de maio de 2012.

AdMob (2012). AdMob – mobile advertising with AdMob. Disponível em http://www.google.com/ads/admob/. Acessado em 19 de maio de 2012.

Aquino, J.F.S.(2007) Plataformas de Desenvolvimento para Dispositivos Móveis. Monografia (Especialização). Pós Graduação em Informática. Pontifícia Universidade Católica do Rio de Janeiro.

Appoxee (2012). Smart Push Notification Services. Disponível em http://www.appoxee.com/. Acessado em 19 de maio de 2012.

Atchinson, S. (2006) Funil de Conversão 2.0. Seminário Internacional de Marketing Web. In: Anais do Seminário Internacional de Marketing. São Paulo, junho de 2006.

Brightrool(2012). The world's largest digital video advertising network makes global

local. Disponível em http://www.brightroll.com/. Acessado em 19 de maio de 2012.

DDA (2012). Digital Analytics Association. Disponível em http://www.digitalanalyticsassociation.org/. Acessado em 19 de maio de 2012.

Eve Badge (2012). Disponível em http://everbadge.com/. Acessado em 19 de maio de 2012.

Faletski, I (2012). Três métricas-chave para avaliar seu site de e-commerce mobile. Disponível em http://www.ecommercebrasil.com.br/artigos/tres-metricas-chave-para-avaliar-seu-site-de-e-commerce-mobile/. Acessado em 19 de maio de 2012.

Farris, P.W.; BendlE, N.T. Pfeifer,P.E. Reibstein, D.J. (2006). Marketing Metrics: 50+

Metrics Every Executive Should Master. Philadelphia: Wharton School Publishing.

Flurry (2012). Flurry Analytics. Disponível em http://www.flurry.com/product/analytics/index.html. Acessado em 19 de maio de 2012.

Gabriel, M. (2010) Marketing na era digital: conceitos, plataformas e estratégias. São Paulo: Novatec.

Glenn, N. D. (2005) Cohort Analysis. 2ª ed. Thousand Oaks: SAGE.

Google. (2012). The Mobile Movement: Understanding Smartphone Consumers. Disponível em http://www.youtube.com/watch?v=CjUcq_E4I-s. Acessado em 19 de maio de 2012.

Grimes, D. A.; Schulz, K. F. (2002) Cohort studies: marching toward outcomes. The Lancet. Epidemiology Series, n. 359, p. 341-345, 26 de jan. de 2002.

Hochman, B.; Nahas, F. X.; Oliveira Filho, R. S.; FerreirA, L. M. (2005) Desenhos de

pesquisa. Acta Cirúrgica Brasileira, v. 20, n. 2, p. 2-9.

Inmobi. (2012). The largest independent mobile ad network. Disponível em http://www.inmobi.com/. Acessado em 19 de maio de 2012.

Inneractive. (2012) Disponível em http://inner-active.com/content/179. Acessado em 19 de maio de 2012.

Jump Tap. (2012) Disponível em http://www.jumptap.com/. Acessado em 19 de maio de 2012.

Kaushik, A. (2012) Excellent Analytics Tips #20: Measuring Digital "Brand Strength". Disponível em http://www.kaushik.net/avinash/. Acessado em 19 de maio de 2012.

Kotler, P. (2000). Administração de Marketing. A Edição do Novo Milênio. 10ª ed. São Paulo, Prentice Hall: 2000.

Mixpanel. (2012) Mixpanel: mobile and web analytics. Disponível em https://mixpanel.com/. Acessado em 19 de maio de 2012.

Okada, S.I; Souza, E.M.S. (2011). Estratégias de Marketing digital na Era da Busca. Revista Brasileira de Marketing, v.10. p. 46-72.

Peterson, E. T. (2005) The Big Book of Key Performance Indicators – E-Book in the

Web analyticsDemystified Series. First Edition. Acessado em 15 de abril, 2012. Disponível em http://www.webanalyticsdemystified.com

Ribeiro, M. B. (2012) Compartilhamento de conteúdo como estratégia de marketing

junto as mídias sociais. Acessado em 18 de maio de 2012. Disponível em http://2getmarketing.com.br/%20/category/metricas-e-mensuracao/

Stern, J. (2012) Web Metrics – Proven methods for measuring web site success, John Wiley & Sons, Inc, 2002.

Sterling, G. (2010) Microsoft: 53 Percent Of Mobile Searches Have Local Intent. Disponível em http://searchengineland.com/microsoft-53-percent-of-mobile-searches-have-local-intent-55556. Acessado em 19 de maio de 2012.

Turchi, S. (2009) Estratégias e métricas digitais. Acessado em 19 de maio de 2012. Disponível em http://www.slideshare.net/sandraturchi/mkt-digital-parte-6-metricas-ago-09.

Urban Airship. (2012) Disponível em http://urbanairship.com/. Acessado em 19 de maio de 2012.