Growth Hacking está lleno de mitos. Algunos lo consideran una panacea para todos los males, otros, casi una charlatanería. Los casos con increíbles cifras de crecimiento de decenas y cientos de veces que intentan copiar sin pensar y sin obtener el mismo crecimiento declaran que la desconfianza es inválida.
Pero para "piratear el crecimiento" de una empresa, no basta con seleccionar un equipo y establecer la tarea de buscar puntos de crecimiento. Growth Hacking es un proceso muy complejo que requiere una gran experiencia y una metodología clara.
Desde la fundación de Retail Rocket, el crecimiento de la piratería se ha convertido en una parte integral del trabajo de la compañía. Durante más de seis años, hemos desarrollado un sistema único para probar y seleccionar algoritmos. Gracias en parte a esta metodología, podemos proporcionar el ROI más alto del mercado. Y hoy queremos compartir la experiencia de usar Growth Hacking en el comercio electrónico.
¿Qué es Growth Hacking y por qué cualquier negocio lo necesita?
Growth Hacking es un trabajo continuo de un equipo separado en la formulación, organización y análisis de experimentos para garantizar una alta tasa de crecimiento del rendimiento empresarial. Esto significa que el negocio crea un departamento separado, que se dedica a la generación y prueba de hipótesis, lo que debería afectar la conversión, los ingresos, las ganancias y otras métricas.
La aparición y el uso activo de Growth Hacking se asocia con un aumento a gran escala en la cultura de las startups, cuando era necesario una herramienta comprensible y asequible para probar hipótesis que brinden a las empresas un crecimiento múltiple.
Growth Hacking se basa en tres principios:
- Actualización rápida de métricas
- Optimización continua de resultados.
- Proceso abierto
Si representa el proceso esquemáticamente, entonces todo parece bastante simple: necesita generar una hipótesis que supuestamente aumenta una o más métricas, verificarla, por ejemplo, usando pruebas A / B y analizar el resultado. Las hipótesis exitosas pueden escalarse y optimizarse, y si no tienen éxito, el ciclo se repite.
En la práctica, todo es mucho más complicado. Desde la elección de una hipótesis hasta el proceso de prueba y la evaluación de resultados, en cada etapa se necesita una gran experiencia y experiencia. Parcialmente, hablamos de esto en el artículo
"Errores de las pruebas A / B o por qué el 99% de sus pruebas divididas se llevan a cabo incorrectamente". .
En Retail Rocket, tenemos dos equipos de Growth Hacker. Uno participa en el crecimiento de las métricas en el sitio y el otro es responsable de aumentar la efectividad de las letras de activación. Los enfoques de los equipos con respecto a los procesos para romper el crecimiento son similares en algunos puntos, pero difieren en alguna parte, lo cual discutiremos con más detalle durante el transcurso del artículo.
Comencemos con el proceso de selección de hipótesis.
Cómo encontrar y seleccionar una hipótesis para probar
A nivel mundial, hay 2 enfoques para la piratería de crecimiento:
- Generación aleatoria de ideas y su verificación.
- Pruebas sistemáticas de hipótesis recopiladas de antemano.
El primer método es más costoso y consume más recursos, hay más posibilidades de fracaso, pero a veces nacen ideas fuertes y revolucionarias.
El segundo método funciona muy bien si hay repetibilidad de experimentos y puede recopilar un conjunto completo de hipótesis. Da resultados más predecibles, ya que ya hay estadísticas recopiladas de los resultados de las pruebas anteriores.
Para los clientes de Retail Rocket, utilizamos una combinación de estos métodos. Primero, probamos las soluciones que tienen más probabilidades de funcionar en esta tienda.
Realizamos más de 2,000 pruebas en sitios web y más de 5,000 pruebas en letras de activación, pisamos todos los posibles rastrillos durante estas pruebas, tomamos en cuenta la experiencia no solo de las tiendas rusas sino también extranjeras, por lo que podemos recomendar esa opción en particular a cada tienda en línea con gran confianza lo cual será efectivo para él. Mediante una prueba de hipótesis sistemática, aumentamos las expectativas matemáticas y reducimos la probabilidad de error.
Muchas de nuestras hipótesis, no solo las describimos en casos y mostramos los resultados de su implementación, sino que también explicamos por qué estamos probando dicha solución. Algunas hipótesis se basan en postulados e investigaciones psicológicas, otras destruyen los estereotipos comunes.
Después de una verificación sistemática de las hipótesis recomendadas para la tienda, comienza la etapa de trabajo más experimental y arriesgado. Los especialistas de Growth Hacking están buscando nuevas soluciones que traerán a la tienda un aumento en la conversión y un cheque promedio. Para las letras de activación, se crean nuevas hipótesis, por regla general, durante la lluvia de ideas y cada hipótesis debe fundamentarse desde el punto de vista de la psicología. El equipo del sitio prefiere un enfoque más práctico basado en estudios de investigación.
Algunas hipótesis son ofrecidas por nuestros clientes. Evaluamos la conveniencia de probarlos, construimos cálculos aproximados de cómo esto puede funcionar, y si entendemos que el resultado vale la pena, llevamos a cabo una prueba. Por supuesto, los clientes conocen mejor a su audiencia, por lo tanto, en combinación con nuestra experiencia, algunas hipótesis dan excelentes resultados. Las ideas más exitosas incluso se vuelven parte de nuestro grupo de hipótesis. Por ejemplo, el escenario de activación "Notificación de una reducción en el precio de los bienes en la canasta" después de una serie de pruebas exitosas tomó un lugar digno en nuestro mapa de activación.
Por lo tanto, al combinar la experiencia de los vendedores de la tienda con la experiencia de los especialistas en Retail Rocket, obtenemos un sistema WIN-WIN en el que ambas partes se benefician.
Cómo probar una hipótesis o por qué elegimos las pruebas A / B
Para probar hipótesis en el espacio en línea, el proceso de prueba AB es excelente. Tiene una metodología clara y ofrece resultados transparentes, por supuesto, si realiza una prueba dividida correctamente.
Tenemos una metodología de prueba clara, que incluye varias etapas de verificación y elimina posibles errores. Hay una herramienta para compartir el tráfico. Existe experiencia y experiencia, gracias a lo cual, cuando surgen preguntas, sabemos dónde buscar y dónde buscar problemas.
La prueba A / B se puede dividir en varias etapas:
- Ejecución de prueba. Podría haber muchos errores potenciales. La lista típica contiene errores de diseño y segmentación incorrectos. Nuestra metodología se basa en la verificación cruzada de pruebas y la coordinación cuidadosa de todos los detalles con un minorista, lo que ayuda a minimizar los posibles errores.
- Detén la prueba. ¿Cuánto tiempo debe durar la prueba para que los resultados puedan interpretarse sin ambigüedades? ¿Cómo entender dónde entra el efecto de novedad en un método de trabajo para aumentar la conversión?
- Evaluación de los resultados. Partiendo de la metodología para recopilar y limpiar datos hasta las conclusiones que cualquier analista puede verificar, en los informes de prueba proporcionamos la información más completa y transparente sobre el efecto que produce una solución en particular.
Por lo tanto, de acuerdo con los resultados de las pruebas, la tienda comprende claramente qué hipótesis traerá crecimiento de la tienda en conversión y ventas, y cuál no tiene sentido presentar.
Cómo se ve en la práctica
Aquí hay un ejemplo de un par de casos de cómo funciona Growth Hacking en Retail Rocket.
Caso 1. Usando el principio de evidencia social en letras de activación
Como mencionamos anteriormente, en los escenarios de activación, las hipótesis a menudo se basan en varios postulados de la psicología. Por ejemplo, un buen resultado en la mayoría de los casos muestra la aplicación del principio de prueba social. Su esencia es que las personas confían en las opiniones de otras personas al elegir un producto. La prueba social se puede usar de varias maneras, por ejemplo, revisiones de productos, calificaciones, información sobre cuántos usuarios están viendo el producto al mismo tiempo, etc.
Decidimos probar la hipótesis de aumentar la demanda del producto a través de la implementación del bloque "Comprado hoy", que demostró la cantidad de bienes comprados por otros usuarios.
El trabajo se llevó a cabo mediante pruebas A / B, en las que todos los destinatarios de las cartas se dividen aleatoriamente en dos segmentos. La versión inicial de la carta se envía al segmento A, y una carta con una hipótesis de cambio se envía al segmento B, lo que debería aumentar la eficiencia de los correos.
La hipótesis se probó en el escenario de activación "Carta con productos relacionados después de realizar el pedido" en el club de ventas Mamsy:
De acuerdo con los resultados de la prueba, la conversión de letras con la hipótesis implementada en órdenes
fue 60.5% mayor que la de la versión estándar (la confiabilidad estadística del resultado fue 96.8%).
Caso 2. Elegir la opción más efectiva para mostrar recomendaciones en la página de búsqueda
Ahora pasemos al sitio y veamos la prueba de hipótesis en el ejemplo de la farmacia en línea ZdravCity.
El énfasis principal en las pruebas en los sitios web de las tiendas en línea es probar la efectividad de varios algoritmos para comprender qué tipo de mecánica de recomendación le dará al minorista el máximo resultado. Pero también verificamos cómo los diversos elementos de diseño afectarán las tasas de conversión, recibo promedio e ingresos. Esta puede ser la introducción de un control deslizante en las recomendaciones, la adición de etiquetas de descuento u otras decisiones de diseño.
En este caso, la hipótesis era que si agrega un elemento de CTA a los productos en los bloques de recomendación, será más fácil para el usuario agregar los productos a la cesta y esto aumentará la conversión y la verificación promedio.
Se realizó un estudio de rendimiento utilizando la mecánica de prueba A / B. Todos los visitantes del sitio se dividieron aleatoriamente en 3 segmentos:
- El primer segmento mostró un bloque de recomendaciones sin un elemento CTA (apariencia básica)
- Al segundo segmento se le mostró un bloque de recomendaciones con la adición del elemento CTA "Agregar al carrito" (agrega el producto al carrito)
- No se mostraron recomendaciones al tercer segmento (grupo de control)
Según los resultados de la prueba, la
implementación de la hipótesis "Bloque de recomendaciones con la adición de un botón de CTA" Agregar al carrito "en la página de búsqueda de la tienda en línea Zdravcity.ru aumenta la conversión en un 1,05% (significación estadística del 99,5%). En combinación con un aumento en el cheque promedio en 7.3%, lo que da un aumento proyectado en los ingresos en 8.4%.
Estos son solo algunos ejemplos de cómo puede generar y probar varias hipótesis para el crecimiento métrico. Hablamos regularmente de esto en los casos, por lo que si desea conocer hipótesis más interesantes y los resultados de su verificación, visite nuestro
blog .
Y recuerde, cuantos más experimentos haga, mayor será su resultado en una larga distancia. Por lo tanto, realice pruebas A / B, pruebe hipótesis y encuentre las soluciones que le traerán crecimiento.