Tens 50 métricas no teu painel de análise. Consultas-as todos os dias. Não fazes ideia de quais importam. É a armadilha em que cai a maioria dos donos de sites: medir tudo, perceber nada. Este artigo explica como separar as métricas que revelam a verdade das que só parecem impressionantes.
O que faz uma métrica valer a pena?
Vale a pena acompanhar uma métrica se ela te diz se o teu negócio está a ir na direção certa. Não se estás ocupado, mas se o teu trabalho está a resultar.
A maioria das métricas falha neste teste. Medem atividade, não impacto. Mostram que algo aconteceu, não se isso importou.
Uma métrica tem qualidade se cumprir três condições: é relevante para os teus objetivos, é acionável (podes fazer algo a respeito) e leva a melhores decisões.
O problema de medir demasiadas coisas
Medir tudo parece progresso. Tens tantos dados. Mas dados sem foco são ruído. Quantas mais métricas acompanhas, maior a probabilidade de agires com base em coincidências e não na verdade.
Se acompanhas 50 métricas e fazes 10 experiências por mês, vais ver 10 por cento das tuas métricas mexerem-se por puro acaso. Umas sobem, outras descem. Se só olhares para as que se moveram a teu favor, convences-te de que a experiência funcionou quando foi só aleatoriedade.
É por isso que os melhores sistemas de medição são mínimos. Escolhe poucas métricas que importam. Acompanha-as com obsessão. Ignora o resto.
Métricas relevantes vs. métricas de vaidade
Uma métrica relevante diz-te se estás a avançar para o teu objetivo. Se o teu objetivo é aumentar os subscritores de email, a taxa de inscrição por email é relevante. O tráfego não é. Podes ter o triplo do tráfego, mas as mesmas inscrições. O tráfego sozinho é vaidade.
Uma métrica de vaidade parece boa, mas não prevê o sucesso do negócio. Visualizações de página, tempo no site, seguidores nas redes sociais. Tudo isto pode subir enquanto as conversões ficam paradas. Estás ocupado, mas não estás a ganhar.
O teste é simples: esta métrica diria-te algo que precisas de saber? Se a resposta for não, é vaidade.
Métricas acionáveis vs. descritivas
Uma métrica descritiva diz-te o que aconteceu. A taxa de envolvimento é de 35 por cento. É um facto. Mas o que fazes com isso?
Uma métrica acionável diz-te o que mudar. Aponta para uma ação ou decisão específica. "A taxa de envolvimento no telemóvel é de 18%, mas no computador é de 52%" é acionável. Agora sabes que deves focar-te na experiência móvel.
As melhores métricas são ao mesmo tempo descritivas e acionáveis. Dizem-te o estado atual e apontam para soluções.
Como construir um quadro de medição
Começa pelo teu objetivo de negócio. O que precisas mesmo que aconteça? Mais vendas? Mais subscritores de email? Mais utilizadores envolvidos?
Faz o mapa do fim para o princípio, a partir desse objetivo. Que comportamentos levam a esse resultado? Que métricas acompanham esses comportamentos?
No nível mais alto, tens a tua métrica north star. Uma métrica que representa o sucesso. Para uma loja online, pode ser a receita. Para um SaaS, pode ser a receita recorrente mensal ou a retenção de clientes.
Abaixo dela, tens as métricas facilitadoras. São comportamentos que prevêem a north star. Numa loja online, a taxa de conversão, o valor médio da encomenda, a taxa de clientes recorrentes. Estas facilitam a receita.
Abaixo destas, tens as métricas de diagnóstico. Ajudam-te a perceber porque se movem as métricas facilitadoras. Para a taxa de conversão, podes acompanhar a taxa de conclusão de formulários, a velocidade da página e a taxa de rejeição.
Esta hierarquia mantém-te focado. Cada métrica liga-se à que está acima e, no fim, à tua north star.
Perguntas frequentes
Acompanho 30 métricas, mas o meu chefe continua a perguntar 'estamos a ganhar?' O que me falta?
Falta-te uma métrica north star. Uma métrica que defina o que é ganhar. Se o teu chefe não sabe a que número deve olhar primeiro, tens demasiadas métricas. Escolhe uma métrica que responda a 'O negócio está a crescer?' Tudo o resto apoia essa resposta. Com o criador de websites da WEMASY, podes configurar isto diretamente no teu website.
O tráfego triplicou, mas as conversões ficaram iguais. Em que métrica confio?
Confia na taxa de conversão, não no tráfego. A taxa de conversão diz-te a qualidade. Se as conversões ficaram estáveis com o triplo do tráfego, algo está avariado. A qualidade do teu tráfego caiu, a experiência da tua página de destino piorou ou a tua oferta não corresponde ao tráfego. O tráfego é fácil de fabricar. As conversões são difíceis de fabricar.
Mudei a minha estratégia de conteúdo e três métricas moveram-se em direções diferentes. Como sei se funcionou?
Procura coerência. Se a tua métrica north star se moveu na direção certa, a estratégia funcionou, mesmo que as outras métricas se tenham movido de forma diferente. Se as páginas por sessão desceram, mas o tempo de envolvimento subiu, os leitores estão a aprofundar menos páginas. Isso continua a ser progresso no envolvimento.
As minhas métricas parecem boas de mês para mês, mas o meu instinto diz que algo está errado. Devo confiar nas métricas ou no instinto?
O teu instinto está a detetar ruído. A comparação de mês para mês é demasiado curta. Olha para tendências a 90 dias. As tuas métricas podem estar em alta este mês, mas em queda ao longo de três meses. Verifica também se um único cliente ou campanha está a distorcer os números. O instinto muitas vezes deteta anomalias nos dados antes da análise.
Cumprimos todos os nossos KPI de envolvimento, mas a receita caiu. As métricas estão a mentir-nos.
As métricas não estão a mentir. São as métricas erradas. O envolvimento não prevê a receita no teu caso. Tens de ligar as tuas métricas a resultados reais. Acompanha os teus KPI de envolvimento a partir do valor do cliente ao longo do tempo. Se o envolvimento não se correlaciona com o LTV, é o indicador antecipado errado.
Como provo à minha equipa que uma métrica importa sem esperar meses por resultados?
Correlaciona-a com o desempenho passado. Volta seis meses atrás. Mostra que, quando a métrica estava alta, os resultados eram bons. Quando estava baixa, os resultados eram fracos. Essa correlação histórica é a prova de que a métrica importa. Não tens de esperar meses, só tens de analisar os dados que já tens.