Marketing Analytics Livro gratuito e interativo, de Eduardo Ogawa

Um livro gratuito de Marketing Analytics, em português, para ler online e sem cadastro. Os capítulos tratam de métricas, mensuração, segmentação, valor do cliente, modelos preditivos, testes A/B, inferência causal e marketing-mix modeling. Cada conceito vem acompanhado de um laboratório em que você altera parâmetros, arrasta pontos e gera novas amostras para ver como cada escolha analítica muda o resultado.

Começar a ler Ver os capítulos

14 capítulos publicados · 144 laboratórios interativos · acesso livre e sem cadastro

Como o livro funciona

ConceitoCada seção explica uma ideia em linguagem direta, sem matemática pesada, com a pergunta de negócio que ela ajuda a responder.

LaboratórioUm gráfico interativo em que você muda as hipóteses e observa o efeito. Os dados são simulados, para que a lógica fique visível.

Caso e aplicaçãoUm caso de mercado, a forma de usar o método no dia a dia e os erros mais comuns ao interpretar os resultados.

Gratuito e aberto

Todo o conteúdo é de acesso livre e vai continuar assim. Ele foi escrito para estudantes, profissionais de marketing e analistas que querem tomar decisões com mais evidência e menos intuição. Se o material for útil para você, é possível apoiar o projeto com uma contribuição de qualquer valor. A contribuição é opcional e não muda nada no acesso.

Um projeto colaborativo

Este livro é construído em aberto e está sempre em revisão. Se você encontrou um erro, tem um caso de mercado para compartilhar, quer sugerir um tema, escrever uma seção ou revisar um capítulo, sua contribuição é muito bem-vinda. Professores, estudantes e profissionais podem participar enviando feedback, correções ou propostas de colaboração.

Enviar feedback ou proposta

Contato direto: ogawae@veritas.uno

Eduardo Ogawa

Autor do livro

Eduardo Ogawa é considerado um dos maiores especialistas em Marketing Science e Analytics do Brasil.

Doutorando e mestre em Marketing pela Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo (FEA-USP). Graduado em Marketing pela Fundação Getulio Vargas (FGV) e em Ciências Biológicas pela Universidade Estadual Paulista (UNESP). É professor nos programas de pós-graduação da ESPM e de MBA da USP, além de pesquisador em Inteligência Artificial e Métodos Quantitativos.

No setor corporativo, ocupa a posição de Head de Marketing Science, com trajetória e liderança técnica em grandes empresas, incluindo Meta, Google, Mercado Livre, Vivo e UOL. É também editor técnico da O’Reilly, divulgador científico e consultor de Marketing Analytics e Inteligência Artificial.

ESPM LinkedIn Currículo Lattes Instagram E-mail

Capítulos

Perguntas frequentes

O livro Marketing Analytics é gratuito?

Sim. O acesso a todo o conteúdo é livre e gratuito, sem cadastro e sem pagamento. Quem quiser apoiar o projeto pode fazer uma contribuição opcional via Pix, que não altera o acesso.

Em que formato e idioma o livro está disponível?

O livro está em português e é publicado exclusivamente na versão web. A leitura é feita no navegador do computador, do tablet ou do celular, sem download e sem instalação de programas.

Quem escreveu o livro?

O livro foi escrito por Eduardo Ogawa, Head de Marketing Science, professor nos programas de pós-graduação da ESPM e de MBA da USP, doutorando e mestre em Marketing pela FEA-USP.

Quais temas o livro aborda?

Os 14 capítulos publicados tratam de fundamentos e métricas de marketing, mensuração e estatística, preparação de dados, segmentação e posicionamento, valor do cliente (CLV), regressão, classificação e churn, experimentação e testes A/B, inferência causal, marketing-mix modeling e atribuição, preços e promoções, texto e redes sociais, personalização e recomendação e variáveis latentes. Os capítulos sobre machine learning e o projeto integrador estão em construção.

Preciso saber programar para ler o livro?

Não. Os conceitos são explicados em linguagem direta e os laboratórios funcionam no próprio navegador, sem código. O capítulo 2 apresenta os fundamentos estatísticos utilizados nos capítulos seguintes.

Para quem o livro foi escrito?

O livro foi escrito para estudantes de graduação, pós-graduação e MBA, profissionais de marketing e analistas que precisam tomar decisões com base em evidências.

O que são os laboratórios interativos?

São 144 gráficos interativos, um por seção, em que o leitor altera hipóteses, desloca pontos e gera novas amostras para observar o efeito de cada escolha analítica. Os dados são simulados, para que a lógica de cada método fique visível.

Professores podem indicar o livro em disciplinas?

Sim. O livro e cada capítulo podem ser indicados como leitura, com link para o site. Para outros usos do conteúdo, o contato é ogawae@veritas.uno.

Como citar o livro

Cada capítulo também traz, ao final, a referência específica para citação.

APA

Ogawa, E. (2026). Marketing Analytics: Livro interativo e gratuito. https://marketing-analytics.academy/

ABNT

OGAWA, Eduardo. Marketing Analytics: livro interativo e gratuito. [S. l.]: Eduardo Ogawa, 2026. Disponível em: https://marketing-analytics.academy/. Acesso em: dia mês ano.

BibTeX

@book{ogawa2026marketing,
  author   = {Ogawa, Eduardo},
  title    = {Marketing Analytics: livro interativo e gratuito},
  year     = {2026},
  url      = {https://marketing-analytics.academy/},
  language = {portuguese},
  note     = {Livro web interativo e gratuito}
}

Referências recomendadas

Uma seleção de livros e artigos para aprofundar os temas do livro, em formato APA.

Análise multivariada

Fávero, L. P., & Belfiore, P. (2017). Manual de análise de dados: Estatística e modelagem multivariada com Excel®, SPSS® e Stata®. Elsevier.
Hair, J. F., Jr., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning: With applications in R (2nd ed.). Springer. https://doi.org/10.1007/978-1-0716-1418-1
Johnson, R. A., & Wichern, D. W. (2007). Applied multivariate statistical analysis (6th ed.). Pearson Prentice Hall.

Marketing analytics e métodos

Angrist, J. D., & Pischke, J.-S. (2009). Mostly harmless econometrics: An empiricist’s companion. Princeton University Press.
Chapman, C., & Feit, E. M. (2019). R for marketing research and analytics (2nd ed.). Springer. https://doi.org/10.1007/978-3-030-14316-9
Farris, P. W., Bendle, N. T., Pfeifer, P. E., & Reibstein, D. J. (2010). Marketing metrics: The definitive guide to measuring marketing performance (2nd ed.). Pearson Education.
Hanssens, D. M., Parsons, L. J., & Schultz, R. L. (2001). Market response models: Econometric and time series analysis (2nd ed.). Kluwer Academic.
Kohavi, R., Tang, D., & Xu, Y. (2020). Trustworthy online controlled experiments: A practical guide to A/B testing. Cambridge University Press. https://doi.org/10.1017/9781108653985
Lilien, G. L., Rangaswamy, A., & De Bruyn, A. (2017). Principles of marketing engineering and analytics (3rd ed.). DecisionPro.
Wedel, M., & Kamakura, W. A. (2000). Market segmentation: Conceptual and methodological foundations (2nd ed.). Kluwer Academic.
Winston, W. L. (2014). Marketing analytics: Data-driven techniques with Microsoft Excel. Wiley.

Artigos científicos em marketing science

Ascarza, E. (2018). Retention futility: Targeting high-risk customers might be ineffective. Journal of Marketing Research, 55(1), 80–98. https://doi.org/10.1509/jmr.16.0163
Berger, J., Humphreys, A., Ludwig, S., Moe, W. W., Netzer, O., & Schweidel, D. A. (2020). Uniting the tribes: Using text for marketing insight. Journal of Marketing, 84(1), 1–25. https://doi.org/10.1177/0022242919873106
Fader, P. S., Hardie, B. G. S., & Lee, K. L. (2005). “Counting your customers” the easy way: An alternative to the Pareto/NBD model. Marketing Science, 24(2), 275–284. https://doi.org/10.1287/mksc.1040.0098
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
Gordon, B. R., Zettelmeyer, F., Bhargava, N., & Chapsky, D. (2019). A comparison of approaches to advertising measurement: Evidence from big field experiments at Facebook. Marketing Science, 38(2), 193–225. https://doi.org/10.1287/mksc.2018.1135
Gupta, S., Lehmann, D. R., & Stuart, J. A. (2004). Valuing customers. Journal of Marketing Research, 41(1), 7–18. https://doi.org/10.1509/jmkr.41.1.7.25084
Hanssens, D. M., & Pauwels, K. H. (2016). Demonstrating the value of marketing. Journal of Marketing, 80(6), 173–190. https://doi.org/10.1509/jm.15.0417
Lewis, R. A., & Rao, J. M. (2015). The unfavorable economics of measuring the returns to advertising. The Quarterly Journal of Economics, 130(4), 1941–1973. https://doi.org/10.1093/qje/qjv023
Neslin, S. A., Gupta, S., Kamakura, W., Lu, J., & Mason, C. H. (2006). Defection detection: Measuring and understanding the predictive accuracy of customer churn models. Journal of Marketing Research, 43(2), 204–211. https://doi.org/10.1509/jmkr.43.2.204
Netzer, O., Feldman, R., Goldenberg, J., & Fresko, M. (2012). Mine your own business: Market-structure surveillance through text mining. Marketing Science, 31(3), 521–543. https://doi.org/10.1287/mksc.1120.0713
Rust, R. T., Lemon, K. N., & Zeithaml, V. A. (2004). Return on marketing: Using customer equity to focus marketing strategy. Journal of Marketing, 68(1), 109–127. https://doi.org/10.1509/jmkg.68.1.109.24030
Varian, H. R. (2016). Causal inference in economics and marketing. Proceedings of the National Academy of Sciences, 113(27), 7310–7315. https://doi.org/10.1073/pnas.1510479113
Wedel, M., & Kannan, P. K. (2016). Marketing analytics for data-rich environments. Journal of Marketing, 80(6), 97–121. https://doi.org/10.1509/jm.15.0413