O Hacking de crescimento está cheio de mitos. Alguns o consideram uma panacéia para todos os males, outros - quase um charlatanismo. Casos com números de crescimento incríveis de dezenas e centenas de vezes que tentam copiar sem pensar e sem obter o mesmo crescimento declaram que a desconfiança é inválida.
Mas, para "cortar o crescimento" de uma empresa, não basta apenas destacar uma equipe e definir a tarefa de procurar pontos de crescimento. O Growth Hacking é um processo muito complexo que requer alta experiência e uma metodologia clara.
Desde a fundação do Retail Rocket, o crescimento dos hackers se tornou parte integrante do trabalho da empresa. Por mais de seis anos, desenvolvemos um sistema exclusivo para testar e selecionar algoritmos. Graças em parte a essa metodologia, podemos fornecer o maior ROI do mercado. E hoje queremos compartilhar a experiência de usar o Growth Hacking no comércio eletrônico.
O que é o Growth Hacking e por que qualquer empresa precisa
O Growth Hacking é um trabalho contínuo de uma equipe separada na formulação, organização e análise de experimentos para garantir uma alta taxa de crescimento do desempenho dos negócios. Isso significa que a empresa cria um departamento separado, que se dedica à geração e teste de hipóteses, o que deve afetar a conversão, receita, lucro e outras métricas.
O surgimento e o uso ativo do Growth Hacking estão associados a um aumento em larga escala na cultura das startups, quando havia a necessidade de uma ferramenta compreensível e acessível para testar hipóteses que proporcionam crescimento múltiplo às empresas.
O Growth Hacking é baseado em três princípios:
- Atualização rápida de métricas
- Otimização contínua de resultados
- Processo aberto
Se você descreve o processo esquematicamente, tudo parece bastante simples: você precisa gerar uma hipótese que supostamente aumenta uma ou mais métricas, verifique-a, por exemplo, usando o teste A / B e analise o resultado. As hipóteses de sucesso podem ser dimensionadas e otimizadas e, se malsucedidas, o ciclo se repete.
Na prática, tudo é muito mais complicado. Desde a escolha de uma hipótese até o processo de teste e avaliação dos resultados - em cada estágio é necessário um grande conhecimento e experiência. Parcialmente, falamos sobre isso no artigo
"Armadilhas do teste A / B ou por que 99% dos seus testes divididos são realizados incorretamente?" .
No Retail Rocket, temos duas equipes de Growth Hacker. Uma está envolvida no crescimento das métricas no site e a outra é responsável por aumentar a eficácia dos emails de acionamento. As abordagens das equipes aos processos de interrupção do crescimento são semelhantes em alguns momentos, mas diferem em algum lugar, que discutiremos em mais detalhes ao longo do artigo.
Vamos começar com o processo de seleção de hipóteses.
Como encontrar e selecionar uma hipótese para testar
Globalmente, existem 2 abordagens para o Growth Hacking:
- Geração aleatória de idéias e sua verificação
- Teste sistemático de hipóteses coletadas previamente
O primeiro método é mais caro e consome recursos, há mais chances de falha, mas às vezes surgem idéias fortes e inovadoras.
O segundo método funciona muito bem se houver repetibilidade de experimentos e você pode coletar todo um conjunto de hipóteses. Ele fornece resultados mais previsíveis, já que já são coletadas estatísticas dos resultados dos testes anteriores.
Para clientes do Retail Rocket, usamos uma combinação desses métodos. Primeiro, testamos as soluções com maior probabilidade de funcionar nesta loja.
Realizamos mais de 2.000 testes em sites e mais de 5.000 testes em cartas-gatilho, pisamos em todos os possíveis levantamentos durante esses testes, levamos em conta a experiência não apenas das lojas russas, mas também estrangeiras, para que possamos recomendar essa opção a todas as lojas online com grande confiança o que será eficaz para ele. Usando um teste sistemático de hipóteses, aumentamos as expectativas matemáticas e reduzimos a probabilidade de erro.
Muitas de nossas hipóteses, não apenas descrevemos os casos e mostramos os resultados de sua implementação, mas também informamos por que estamos testando essa solução específica. Algumas hipóteses são baseadas em postulados psicológicos e pesquisas, outras destroem estereótipos comuns.
Após uma verificação sistemática das hipóteses recomendadas para a loja, começa a etapa de um trabalho mais experimental e arriscado. Os especialistas em Growth Hacking estão procurando novas soluções que trarão à loja um aumento na conversão e uma verificação média. Para cartas-gatilho, novas hipóteses, em regra, são criadas durante o brainstorm e cada hipótese deve ser substanciada do ponto de vista da psicologia. A equipe do site prefere uma abordagem mais prática com base em estudos de pesquisa.
Algumas hipóteses são oferecidas por nossos clientes. Avaliamos a adequação de testá-los, construímos cálculos aproximados de como isso pode funcionar e, se entendermos que o resultado vale o esforço, realizamos um teste. Obviamente, os clientes conhecem melhor seu público, portanto, em combinação com a nossa experiência, algumas hipóteses fornecem excelentes resultados. As idéias de maior sucesso tornam-se parte de nosso conjunto de hipóteses. Por exemplo, o cenário do acionador “Notificação de uma redução no preço dos produtos na cesta” após uma série de testes bem-sucedidos ocupou um lugar digno em nosso mapa de acionadores.
Assim, combinando a experiência dos profissionais de marketing de lojas com a experiência dos especialistas do Retail Rocket, obtemos um sistema WIN-WIN no qual ambas as partes se beneficiam.
Como testar uma hipótese ou por que escolhemos testes A / B
Para testar hipóteses no espaço online, o processo de teste AB é excelente. Ele tem uma metodologia clara e fornece resultados transparentes, é claro, se você realizar um teste de divisão corretamente.
Temos uma metodologia de teste clara, que inclui várias etapas de verificações e elimina possíveis erros. Existe uma ferramenta para compartilhar tráfego. Existe conhecimento e experiência, graças aos quais, quando surgem dúvidas, sabemos onde procurar e onde procurar problemas.
O teste A / B pode ser dividido em várias etapas:
- Teste de corrida. Pode haver muitos erros em potencial. A lista típica contém erros de layout e segmentação incorretos. Nossa metodologia é baseada na verificação cruzada de testes e na coordenação cuidadosa de todos os detalhes com um varejista, o que ajuda a minimizar possíveis erros.
- Pare o teste. Quanto tempo demora o teste para que os resultados possam ser interpretados sem ambiguidade? Como entender onde o efeito da novidade entra em um método de trabalho para aumentar a conversão?
- Avaliação dos resultados. Desde a metodologia de coleta e limpeza de dados até as conclusões que qualquer analista pode verificar, nos relatórios de teste, fornecemos as informações mais completas e transparentes sobre o efeito que uma solução específica oferece.
Assim, de acordo com os resultados dos testes, a loja compreende claramente que hipótese trará crescimento de vendas e conversão e qual não faz sentido introduzir.
Como é na prática
Aqui está um exemplo de alguns casos de como o Growth Hacking funciona no Retail Rocket.
Caso 1. Usando o princípio da evidência social em cartas-gatilho
Como mencionamos acima, em cenários de gatilho, as hipóteses são frequentemente baseadas em vários postulados da psicologia. Por exemplo, um bom resultado na maioria dos casos mostra a aplicação do princípio da prova social. Sua essência é que as pessoas confiam nas opiniões de outras pessoas ao escolher um produto. A prova social pode ser usada de várias maneiras, por exemplo, análises de produtos, classificações, informações sobre quantos usuários estão visualizando o produto ao mesmo tempo, etc.
Decidimos testar a hipótese de aumentar a demanda pelo produto por meio da implementação do bloco “Comprado hoje”, que demonstrava a quantidade de mercadorias compradas por outros usuários.
O trabalho foi realizado através do teste A / B, no qual todos os destinatários das cartas são divididos aleatoriamente em dois segmentos. A versão inicial da carta é enviada ao segmento A e uma carta com uma hipótese de alteração é enviada ao segmento B, o que deve aumentar a eficiência das correspondências.
A hipótese foi testada no cenário de gatilho “Carta com produtos relacionados após o pedido” no clube de vendas Mamsy:
De acordo com os resultados do teste, a conversão de letras com a hipótese implementada em ordens
foi 60,5% maior que a da versão padrão (a confiabilidade estatística do resultado foi de 96,8%).
Caso 2. Escolhendo a opção mais eficaz para exibir recomendações na página de pesquisa
Agora, vamos para o site e vejamos o teste de hipótese no exemplo da farmácia on-line do ZdravCity.
A principal ênfase dos testes nos sites das lojas on-line é testar a eficácia de vários algoritmos, a fim de entender quais mecanismos de recomendação trarão ao varejista o máximo resultado. Mas também verificamos como vários elementos de design afetam as taxas de conversão, o recebimento e a receita médios. Isso pode ser a introdução de um controle deslizante nas recomendações, a adição de etiquetas de desconto ou outras decisões de design.
Nesse caso, a hipótese era que, se você adicionar um elemento de CTA às mercadorias nos blocos de recomendação, será mais fácil para o usuário adicionar as mercadorias à cesta e isso aumentará a conversão e a verificação média.
Um estudo de desempenho foi realizado usando a mecânica de teste A / B. Todos os visitantes do site foram divididos aleatoriamente em 3 segmentos:
- O primeiro segmento mostrou um bloco de recomendações sem um elemento CTA (aparência básica)
- O segundo segmento recebeu um bloco de recomendações com a adição do elemento CTA "Add to Cart" (adiciona o produto ao carrinho)
- Nenhuma recomendação foi mostrada para o terceiro segmento (grupo controle)
De acordo com os resultados do teste, a
implementação da hipótese “Bloco de recomendações com a adição do botão CTA“ Adicionar ao carrinho ”na página de pesquisa da loja online Zdravcity.ru aumenta a conversão em 1,05% (significância estatística 99,5%). Em combinação com um aumento no cheque médio em 7,3%, o que dá um aumento projetado na receita em 8,4%.
Estes são apenas alguns exemplos de como você pode gerar e testar várias hipóteses para o crescimento de métricas. Conversamos regularmente sobre isso nos casos; portanto, se você quiser descobrir hipóteses mais interessantes e os resultados de sua verificação, acesse o nosso
blog .
E lembre-se, quanto mais experimentos você fizer, maior será o resultado em uma longa distância. Portanto, realize testes A / B, teste hipóteses e encontre as soluções que trarão crescimento para você.