Tempo de leitura 9 minutos
Relatório exclusivo da Forrester sobre IA em marketing
Como profissional de marketing ou especialista em retenção, você gasta muito tempo e dinheiro em suas campanhas de retenção de clientes. Este artigo discutirá como medir a eficácia das suas campanhas – em termos monetários – a fim de otimizar campanhas futuras e maximizar as receitas que elas geram. Em outras palavras, vamos explorar como tratar cada campanha como um "experimento de marketing".
Muitos profissionais de marketing usam as taxas de abertura de e-mails e as taxas de cliques como seus principais meios de medir a eficácia da campanha. Essas métricas podem fornecer informações importantes sobre a força da marca e o envolvimento do cliente, bem como sobre aspectos da campanha de e-mail em si (por exemplo, a oferta, a linha de assunto e os recursos visuais do modelo). No entanto, estas métricas não fornecem nenhuma indicação sobre o que os clientes fizeram no seu site depois de clicarem na campanha. Mais importante ainda, as métricas de resposta padrão não dizem nada sobre o aumento monetário gerado pela campanha – e esta deve ser a métrica mais importante que deve observar.
A chave para determinar a eficácia de qualquer campanha de marketing para clientes é o uso adequado de um grupo de controlo. Um grupo de controlo é um subconjunto dos clientes que está a visar com uma campanha específica e que decide que não receberá a campanha.
Os membros do grupo de controlo são selecionados aleatoriamente para representar todo o grupo-alvo de clientes. Por outras palavras, devem ser semelhantes aos membros de todo o grupo e, portanto, estar expostos ao mesmo conjunto de condições, exceto pela campanha de marketing específica que está a ser testada.
Por exemplo, digamos que um profissional de marketing de retalho online tenha realizado uma segmentação de clientes para selecionar 10.000 clientes para receber uma oferta específica. Ele enviará essa campanha apenas para 9.500 deles (o «grupo de teste»), reservando um subgrupo selecionado aleatoriamente de 500 clientes (o «grupo de controlo») que não a receberão. Quando a campanha terminar, o profissional de marketing determinará a eficácia da campanha comparando as receitas adicionais geradas pelo grupo de teste com as geradas pelo grupo de controlo.
É muito importante que o grupo de controlo seja uma amostra representativa da população geral da campanha. Quando o tamanho do grupo de controlo é grande o suficiente, o processo de seleção aleatória sempre resultará num grupo de controlo que representa efetivamente todo o grupo.
O tamanho da amostra necessária depende do tamanho da população geral da campanha. Para 10.000 clientes, como no exemplo acima, 5% é suficiente. Como regra geral, campanhas menores exigem uma porcentagem maior para gerar um grupo de controlo válido. Portanto, para campanhas direcionadas a menos de alguns milhares de clientes, é uma boa ideia usar 10%-20%.
Há um fator adicional a considerar ao decidir o tamanho do seu grupo de controlo: a sua taxa de resposta esperada. Quando espera uma taxa de resposta particularmente baixa para uma campanha específica (por exemplo, ao enviar uma oferta a clientes «inativos» há muito tempo), precisará de um grupo de controlo maior para obter resultados estatisticamente significativos. Por outro lado, se esperares uma taxa de resposta particularmente alta (por exemplo, ao enviar um bónus aos teus melhores clientes), um grupo de controlo menor será suficiente.
Podes usar o Excel para extrair facilmente um grupo de controlo de qualquer lista de clientes. Consulta o Apêndice desta publicação abaixo para obter instruções detalhadas.
Imaginemos que, antes de começar a usar grupos de controlo, enviou uma campanha de marketing para todos os seus 1.000 melhores clientes. Ofereceu a eles um desconto de 10% em todos os produtos da sua loja durante uma semana inteira.
As métricas da campanha podem ter ficado assim:
À primeira vista, os resultados da campanha parecem fantásticos! 20% é uma taxa de resposta elevada e 200 clientes que gastaram em média 200 dólares aparentemente geraram 40 000 dólares adicionais de receita numa semana!
Mas espere: como você não realizou esta campanha como um experimento de marketing, não há como saber quantos desses 1.000 clientes teriam feito uma compra nesta semana de qualquer maneira, ou quanto desses US$ 40.000 teria sido gasto por esses clientes mesmo sem a campanha.
Pode-se pensar que simplesmente comparar as taxas de compra e os valores gastos por um grupo semelhante de clientes de um período anterior (quando nenhuma campanha foi realizada) com o período atual (em que a campanha foi realizada) pode revelar quanto de receita adicional foi gerada pela campanha. A razão pela qual essa comparação não é válida é que sempre há vários outros fatores que afetam o comportamento do cliente de um período para outro. É crucial que a comparação entre os grupos de teste e de controlo seja feita durante o mesmo período de tempo.
Se tivesse realizado esta campanha como uma experiência de marketing, utilizando 10% dos clientes-alvo como grupo de controlo (que não receberam a campanha), os resultados da campanha poderiam ter sido os seguintes:
Vamos dar uma olhada no grupo de controlo. Mesmo sem receber nenhuma oferta, 14% dos seus melhores clientes fizeram uma compra na sua loja durante a semana em questão! Eles gastaram em média US$ 150 cada. Como o grupo de controlo representa todo o grupo-alvo, podemos estender o comportamento de compra do grupo de controlo para representar o cenário em que nenhuma campanha teria sido realizada. Assim, poderíamos esperar que, na ausência de qualquer campanha, todo o grupo-alvo teria feito compras no valor total de $21.000 (1.000 clientes x 14% x $150).
Portanto, a pergunta que precisamos responder é: quanto de receita adicional resultou da campanha de marketing? (Para simplificar, não estamos a considerar quaisquer custos para a empresa com a oferta do desconto de 10%, embora incluir isso nos cálculos fosse simples.)
Na realidade, o conjunto de todos os seus 1.000 melhores clientes gastou $38.100 esta semana: os 180 clientes que receberam a campanha gastaram um total de $36.000, mais os 14 clientes que não receberam a campanha gastaram $2.100 adicionais.
Assim, o ganho real gerado por esta campanha de marketing é de $17.100 ($38.100–$21.000), muito diferente do ganho aparente de $40.000 que concluímos antes de usar um grupo de controlo.
Em conclusão, tratar esta campanha como uma experiência de marketing permitiu-nos obter uma compreensão precisa do sucesso real da campanha.
Usando grupos de controlo, pode determinar o aumento monetário real de cada campanha de marketing. Ao testar muitas campanhas e acompanhar de perto a verdadeira eficácia de cada uma, poderá otimizar gradualmente todas as suas campanhas de marketing para obter os melhores resultados financeiros (além de melhorar a retenção e o envolvimento dos clientes).
Para manter a integridade dos resultados, é importante garantir que nenhum fator adicional sob o seu controlo esteja a influenciar o comportamento do cliente. Em outras palavras, durante o período de medição de uma campanha específica (geralmente alguns dias), os grupos de teste e de controlo não devem ser expostos a nenhuma outra oferta ou incentivo direcionado. Se os clientes estiverem a receber várias campanhas simultâneas, torna-se impossível medir a eficácia de qualquer uma delas. Em nossa experiência, muitos profissionais de marketing não percebem a importância de isolar as suas experiências de marketing.
Portanto, acompanhar quais clientes estão dentro do período de duração de outras campanhas e excluí-los de quaisquer campanhas simultâneas adicionais é um aspeto crucial da seleção de grupos de clientes-alvo para qualquer campanha de marketing.
Selecionar grupos-alvo para campanhas, extrair grupos de controlo válidos e analisar todos os resultados não é um processo fácil de realizar manualmente (por exemplo, usando o Excel). Isso é especialmente verdadeiro para empresas que realizam dezenas de campanhas de marketing todos os meses, incluindo campanhas recorrentes para grupos-alvo específicos (por exemplo, novos clientes, VIPs, clientes em risco de cancelamento).
É muito mais aconselhável usar um software que possa automatizar esse processo. O nosso sistema de modelagem de clientes e gestão de campanhas Optimove pode fazer isso por si. O Optimove seleciona automaticamente listas de IDs de clientes com base em critérios de segmentação definidos e, em seguida, pode selecionar automaticamente um grupo de controlo aleatório válido do tamanho ideal. Após o término do período de medição da campanha, o software calculará o aumento financeiro gerado por cada campanha (bem como outras métricas importantes). Em última análise, o Optimove transforma cada campanha numa experiência de marketing mensurável que alimenta o motor de recomendações de autoaprendizagem do software.
A metodologia de análise discutida neste artigo é a base de toda boa análise de campanha. No meu próximo artigo, aprofundarei outras abordagens para analisar e otimizar o desempenho da campanha. Fique atento...
Pode usar o Excel para extrair facilmente um grupo de controlo da seguinte forma (clique aqui para abrir um ficheiro Excel que demonstra esta abordagem):
Relatório exclusivo da Forrester sobre IA em marketing
Neste relatório exclusivo da Forrester, saiba como os profissionais de marketing globais utilizam IA e Positionless Marketing para otimizar fluxos de trabalho e aumentar a relevância.
Pini cofundou a Optimove em 2012 e lidera a empresa como CEO desde a sua criação. Com duas décadas de experiência em marketing de clientes orientado por análises, consultoria empresarial e vendas, ele é a força motriz por trás da Optimove. A sua paixão por tecnologias inovadoras e capacitadoras é o que mantém a Optimove à frente da concorrência. Ele possui um mestrado em Engenharia Industrial e Gestão pela Universidade de Tel Aviv.
