E os resultados podem ser medidos e claramente comunicados aos clientes. Existem centenas de histórias de sucesso com testes A/B, como uma estratégia de comércio eletrónico que gerou mais 36% de fechos de carrinhos ou um teste de marketing na área da saúde que aumentou os contactos em 638%.
Mas esse nível de resultados não é fácil de alcançar. Ao trabalhar com empresas para otimizar a conversão através de testes A/B, observámos alguns pontos comuns nos desafios enfrentados pelas empresas, quer sejam grandes ou pequenas, B2B ou B2C, comércio eletrónico ou geração de leads.
Desafio 1: Saber o que testar
Não se pode lançar duas versões da mesma peça de comunicação e esperar simplesmente um aumento nas métricas de envolvimento. Os profissionais de marketing aprendem rapidamente que algumas pequenas alterações, que são atractivas porque são fáceis de implementar, não têm impacto suficiente para provocar mudanças. Sabem também que as modificações drásticas podem resultar em perdas.
Para saber o que testar, é preciso primeiro saber onde testar. É aqui que os dados dos seus clientes podem ser muito decisivos. Faça uma análise das métricas no âmbito do ciclo de vida, do funil de vendas ou do tipo de comunicações que faz, para as mover de um estado para outro e identificar onde estão a ser filtradas. Onde caem os potenciais clientes?
Desafio 2: Executar testes válidos
Neste caso, pode cometer-se o erro de acreditar que se descobriu uma fórmula para aumentar a conversão, quando não é esse o caso. Outro erro possível é ignorar um aumento da conversão.
Os testes A/B são uma tática de sucesso devido ao seu poder de previsão. Para que os resultados do teste desempenhem um papel verdadeiramente preditivo, é necessário garantir que reflectem o comportamento do cliente e que foi a alteração efectuada no teste que desencadeou os novos resultados.
Para tal, a experiência deve ser montada e controlada de forma científica e devem ser evitadas ameaças à validade:
- Efeitos de entregabilidade: Por exemplo, 10 000 mensagens não foram entregues devido a uma avaria no servidor.
- Efeitos da história: por exemplo, uma publicidade inesperada em torno do produto na altura exacta em que o teste é realizado, uma campanha de marketing que desvia temporariamente a procura numa direção, a realização de um teste durante apenas 20 horas numa terça-feira, quando o tráfego do fim de semana se comporta de forma muito diferente, ou a realização de um teste no seu sítio de comércio eletrónico com tráfego altamente motivado das férias de dezembro e a expetativa de obter os mesmos resultados em janeiro.
- Efeitos de seleção: por exemplo, uma outra divisão apresenta um anúncio pay-per-click que direcciona o tráfego para uma página de destino na sua campanha ao mesmo tempo que realiza o seu teste, ou os clientes seleccionam automaticamente o tratamento que vêem.
- Amostragem de efeitos de distorção: Trata-se de uma falha na recolha de uma amostra de dimensão suficiente para ultrapassar a possibilidade aleatória. Por exemplo, determinar que um teste é válido com base em 100 respostas.
Desafio 3: Interpretar os resultados dos testes
Vamos supor que cumpre com sucesso os pontos 1 e 2 e obtém um ótimo resultado. Há ainda uma questão fundamental que precisa de ser respondida: Porquê? Porque é que os clientes se comportam da forma como o fazem? O que aprendeu sobre o cliente e como pode utilizar esse conhecimento?
A interpretação dos resultados dos testes não deve limitar-se ao período imediatamente a seguir à sua realização. De facto, a chave para interpretar os resultados está mesmo antes da execução. Trata-se de estabelecer a hipótese com o objetivo de compreender profundamente os processos de pensamento do cliente em pontos de entrega cruciais no seu funil, para que possa aumentar o valor percebido e diminuir o custo percebido.
Ao compreender o que os potenciais clientes estão a pensar em cada fase do processo de compra, será mais fácil corresponder à sua motivação e fazê-los avançar mais rapidamente no funil de vendas.
O objetivo não deve ser simplesmente aumentar um KPI (indicador-chave de desempenho), mas sim compreender como pode servir melhor o cliente com as suas mensagens de marketing, processo de vendas e até produtos. E, através dessa compreensão, irá melhorar os resultados.
Assim, mesmo que o seu tratamento de teste acabe por produzir menos conversões, isso não é realmente uma perda, porque ganhou conhecimentos sobre o cliente. Se os dados são a moeda da era da Internet, a perceção do cliente é o padrão de ouro: a peça central de dados à qual todo o marketing deve estar diretamente ligado.
E, em última análise, é assim que se obtêm ganhos a longo prazo com os testes A/B.
