Implementas a análise de comportamento. Recolhes dados. Otimizas páginas. Fazes testes. Fazes alterações. Mas será que alguma coisa disto importa? A análise de comportamento realmente gera receita? Muitas equipas nunca medem isto. Otimizam páginas. Melhoram as taxas de conversão em um por cento. Sentem-se bem. Mas não ligam a melhoria aos resultados do negócio. Não calculam o impacto. Não sabem se a análise de comportamento justifica o custo. Medir o impacto é crítico. Prova o valor. Justifica o investimento continuado. Orienta a alocação de recursos. Onde deves focar-te a seguir? Nas alterações que geram o maior impacto no negócio. Medir o impacto transforma a análise de comportamento: deixa de ser interessante e passa a ser essencial. Uma melhoria que parece pequena pode ser enorme em termos de receita. Uma melhoria de um por cento na conversão num site que gera um milhão de visitas por mês significa dez mil clientes a mais. Com um valor de cem dólares por cliente ao longo do tempo, isso são um milhão de dólares de receita adicional. Uma melhoria de um por cento. Um impacto de um milhão de dólares. A maioria dos esforços de análise de comportamento paga-se muitas vezes a si própria. Mas só sabes isso se medires. Ligar o comportamento aos resultados do negócio é o último passo. Completa o ciclo. Os dados levam a conclusões. As conclusões levam à ação. A ação leva a resultados. Os resultados validam a abordagem. Medir o impacto fecha o ciclo.
Este artigo explica como medir o impacto da análise de comportamento nas métricas do negócio.
Define as métricas de negócio que importam
Começa pelas métricas de negócio. Não pelas métricas de análise. Receita. Clientes adquiridos. Valor do cliente ao longo do tempo. Taxa de abandono. Margem de lucro. Retenção. Estas são as métricas que importam.
Métricas diferentes importam para negócios diferentes. As lojas online preocupam-se com a receita por visitante. O SaaS preocupa-se com a taxa de abandono. Os sites de subscrição preocupam-se com a retenção. A publicação preocupa-se com o tempo de envolvimento. Define o que importa para o teu negócio.
A análise de comportamento deve ter impacto nestas métricas. Se não tem, para que serve? O objetivo é gerar resultados de negócio. Mede as que importam para ti.
Acompanha as métricas antes e depois
Estabelece bases de comparação antes de implementares alterações baseadas no comportamento. A taxa de conversão do mês passado. A taxa de abandono do trimestre passado. A receita por visitante do ano passado. Estas tornam-se as tuas referências.
Depois de implementares alterações, acompanha as mesmas métricas. A taxa de conversão do segundo mês. O abandono do segundo trimestre. A receita do segundo ano. Compara o antes e o depois.
O acompanhamento mês a mês mostra tendências. A métrica está a melhorar? Está a piorar? As tendências ao longo do tempo revelam se a análise de comportamento está a funcionar. A variação sazonal pode criar ruído. Acompanha vários meses para ver além do ruído.
Calcula o impacto na receita
Liga as melhorias das métricas à receita. Uma melhoria de um por cento na conversão num site com um milhão de visitantes significa dez mil conversões a mais. Com um valor médio de encomenda de cem dólares, isso são um milhão de dólares de receita adicional.
Calcula isto para cada alteração. A alteração A melhorou a conversão em zero vírgula cinco por cento. Isso são quinhentos mil dólares de receita adicional. A alteração B melhorou a retenção em um por cento. Isso são cem mil dólares de receita adicional com base no valor do cliente ao longo do tempo. Calcula o impacto.
O cálculo da receita justifica o investimento em análise de comportamento. Se as tuas ferramentas custam cem mil dólares por ano e as melhorias de comportamento geram um milhão de dólares de receita adicional, o retorno é de dez para um. Um bom retorno.
Compara com grupos de controlo
Algumas alterações têm um impacto claro. Outras não. Compara os grupos de tratamento com os grupos de controlo. Os utilizadores que viram a alteração contra os que não viram. O grupo de tratamento teve melhores métricas?
Os testes A/B criam grupos de controlo naturais. O grupo A vê o original. O grupo B vê a alteração. Compara as métricas entre os grupos. A diferença é o efeito do tratamento.
Sem grupos de controlo, não consegues isolar o impacto. Talvez a conversão tenha melhorado por fatores externos. Talvez o mercado tenha melhorado. Talvez uma empresa concorrente tenha fechado. Os grupos de controlo isolam o impacto da tua alteração.
Segmenta o impacto por tipo de utilizador
Tipos de utilizador diferentes podem reagir de forma diferente às alterações. Os utilizadores de telemóvel podem beneficiar mais do que os de computador. Os utilizadores novos podem beneficiar mais do que os que regressam. Os utilizadores de pesquisa paga podem beneficiar mais do que os orgânicos.
Segmenta a tua análise de impacto. A alteração melhorou a conversão no telemóvel? No computador? Melhorou o envolvimento dos utilizadores novos? Dos que regressam? O impacto específico de cada segmento orienta as prioridades. Se uma alteração só ajuda o telemóvel, foca-te no telemóvel. Se ajuda todos os segmentos por igual, é uma vitória universal.
Calcula o impacto a longo prazo
Algumas alterações têm impacto imediato. Outras têm impacto a longo prazo. As melhorias de retenção criam valor recorrente. As reduções do abandono criam receita contínua. Calcula o valor ao longo do tempo das melhorias.
Uma alteração que reduz o abandono em um por cento tem um impacto que se acumula. No primeiro ano, evitas que clientes cancelem. No segundo ano, manténs-los por mais tempo. No terceiro ano, ainda mais. O impacto a longo prazo é muitas vezes muito maior do que o impacto do primeiro ano.
Calcula a receita de vários anos de uma única melhoria. Uma redução do abandono pode gerar milhões ao longo de três anos. Isto justifica um investimento significativo em otimização.
Reporta o impacto com regularidade
Partilha os resultados com a equipa. Relatórios mensais de impacto. Revisões trimestrais. Resumos anuais. Relatórios regulares mantêm as equipas motivadas. Mostram que a análise de comportamento está a funcionar. Justificam o investimento continuado.
Reporta em termos de negócio. Não "a conversão melhorou zero vírgula cinco por cento", mas "receita adicional de quinhentos mil dólares". Os termos de negócio têm eco. Mostram um impacto que importa.
Perguntas frequentes
Durante quanto tempo devo acompanhar as métricas antes de concluir que a análise de comportamento está a funcionar?
Pelo menos três meses. As métricas de curto prazo têm muito ruído. Variação sazonal. Fatores externos. Um mês não chega. Três meses mostram uma tendência. Seis meses é melhor. Doze meses é o ideal. Um acompanhamento mais longo dá-te confiança nos resultados. O curto prazo pode mostrar ruído. O longo prazo mostra o verdadeiro impacto. Com o criador de websites da WEMASY, podes configurar isto diretamente no teu website.
E se eu implementar várias alterações de uma vez e não conseguir isolar qual impulsionou as melhorias?
É por isso que os testes A/B importam. Testa uma alteração de cada vez sempre que possível. Se implementares várias alterações, não consegues isolar o impacto. Se tiveres mesmo de implementar várias alterações, tenta implementá-las em sequência. Implementa a alteração A. Mede o impacto. Implementa a alteração B. Mede o impacto. A implementação em sequência permite-te isolar a contribuição de cada alteração.
Devo focar-me na melhoria absoluta ou na melhoria percentual?
Foca-te no impacto na receita. O absoluto ou o percentual importam menos. O que importa são os dólares. Uma melhoria de zero vírgula cinco por cento num site com muito tráfego é enorme em dólares. Uma melhoria de cinco por cento num site com pouco tráfego pode ser pequena em dólares. Foca-te nas alterações com maior impacto em dólares. É isso que importa para o negócio.
Como tenho em conta a sazonalidade ao medir o impacto da análise de comportamento?
Compara períodos iguais. Não compares janeiro com junho. Compara janeiro com janeiro. Compara o primeiro trimestre com o primeiro trimestre. A comparação ano a ano tem em conta a sazonalidade. Mesmo mês, ano diferente. Mesmo trimestre, ano diferente. Isto isola o impacto da tua alteração da variação sazonal.
E se as melhorias de comportamento não mostrarem impacto imediato na receita?
Algumas melhorias têm um impacto atrasado. Uma melhor integração não gera receita imediata. Gera receita meses depois, quando os utilizadores ficam. Uma melhor retenção não aparece no primeiro mês. Aparece ao longo do tempo. Algumas melhorias são investimentos em receita futura. Acompanha-as durante períodos mais longos.
Como sei se o dinheiro que gasto em ferramentas de análise de comportamento compensa?
Calcula o retorno do investimento. O custo das ferramentas dividido pela melhoria da receita. Se as ferramentas custam cem mil e as melhorias de comportamento geram um milhão, o retorno é de dez para um. Se as melhorias gerarem duzentos mil, o retorno é de dois para um. Qualquer retorno positivo compensa. Um bom retorno compensa muito.