3 maneiras pelas quais os dados podem direcionar você para o lado errado – e como obter melhores insights

Os profissionais de marketing modernos são obcecados por dados – e por um bom motivo. Ele nos dá direção e informa nossas estratégias, entre muitos outros benefícios. Mas nem todos os dados são igualmente úteis ou úteis. Os conjuntos de dados errados podem ser tão prejudiciais para o seu programa de marketing quanto não ter nenhum.

É essencial saber identificar os dados certos, para que seus insights orientem com precisão sua tomada de decisão. Neste artigo, abordarei três maneiras pelas quais o uso indevido de dados pode prejudicar nossos esforços de marketing e como uma metodologia de teste holística pode ajudar a coletar insights melhores.

No centro das tendências de marketing significativas estão os dados

Veja as tendências que ocuparam a atenção dos profissionais de marketing nos últimos três anos:

• 2021: A ascensão do recurso Mail Privacy Protection da Apple , que mascarava os dados de atividade do usuário. Os profissionais de marketing entraram em pânico com a ideia de perder as taxas de abertura.
• 2022: dados de terceiros e zero, que as pessoas de repente perceberam que precisavam para compensar a perda pendente de informações de cookies de terceiros.
• 2023: A ascensão do ChatGPT e outros modelos de processamento de linguagem natural orientados por IA (ou seja, orientados por dados).

Seja perdendo o acesso aos dados, precisando encontrar novas fontes de dados ou dando a eles o poder de tomar decisões por nós, os dados estão no centro dessas tendências.

Os dados têm definições tecnológicas e filosóficas. Pode ser informação que um computador pode usar para processamento ou, como define o Google, “coisas conhecidas ou assumidas como fatos, fazendo a base do raciocínio ou cálculo” (grifo meu).

Essa parte “ou presumida” é onde podemos errar com os dados. As pessoas sempre dizem: “Os números não mentem”. Os dados podem não mentir, mas também podem não significar o que você pensa.

Vá mais fundo: por que nos preocupamos com o marketing orientado a dados

O lado bom dos dados

Posso dizer coisas que você já sabe sobre dados, mas me escute. Contamos com dados diariamente, tanto nas coisas óbvias quanto nas não óbvias (para usar um termo de Rohit Bhargava).

Para profissionais de marketing por e-mail, o óbvio inclui dados de marketing que usamos ao criar e estruturar campanhas, escolher públicos, medir o sucesso e dar os próximos passos. É por isso que o e-mail marketing é tão útil. Ele gera dados que podemos aplicar em toda a ecosfera do marketing.

Então, há o valor não óbvio. Nossos dados de e-mail podem informar outros canais de marketing e até mesmo ir além da equipe de marketing para oferecer suporte ao atendimento ao cliente, operações comerciais e muito mais em toda a empresa.

Nossas campanhas são como uma fonte contínua de pesquisa de mercado. Como as pessoas para as quais enviamos e-mails são nossos clientes existentes e em potencial, estamos acessando, rastreando e medindo nossa base de clientes diariamente.

Além de tudo isso, a tecnologia de marketing atual facilita a coleta de dados. Encontramos dados em todos os lugares – em nossos ESPs, plataformas de automação, CRMs, mecanismos de comércio eletrônico. Os números estão passando por nós tão rápido que não conseguimos pegar todos.

Mas esse é o meu ponto. Não precisamos de todos os números vindo em nossa direção. Precisamos saber quais são os números certos e o que eles significam – que é onde muitas vezes erramos.

Aprofunde-se: Por que nos preocupamos com marketing por e-mail: um guia do profissional de marketing

'Insights, insights, insights' não 'dados, dados, dados'

Como meu bom amigo Chad S. White, autor de “Email Marketing Rules”, colocou perfeitamente:

“Você fala sobre 'dados-dados-dados'. Não sou fã de dados. Ninguém realmente quer dados. O que eles realmente querem são insights e análises são como você encontra os insights que estão escondidos em seus dados.

Os dados vão te orientar muito errado. Você precisa ter certeza de que está trazendo seu conhecimento sobre seus clientes, seu conhecimento sobre seu negócio e analisar esses dados para espremer toda a porcaria e ficar com o que vale ouro.

Há muita desorientação nos dados. Então insights, insights, insights. É isso que queremos.”

– Chad S. White durante um discurso de abertura na ANA-Email Evolution Conference em Washington, DC.

Você pode coletar todos os dados que quiser, mas também deve separar os dados necessários dos estranhos, os relevantes dos irrelevantes e os reais dos falsos para saber o que isso realmente significa.

Coletamos dados não para preencher silos, lagos e armazéns de dados, mas para usá-los para entender nossos clientes e medir o desempenho de nossos programas de marketing. Tudo o mais que fazemos como profissionais de marketing depende desses esforços.

Assim, pode ser prejudicial quando coletamos dados incorretos ou procuramos significados que os dados não têm o poder de fornecer porque, como diz White, isso nos leva ao erro. Os dados errados são tão ruins quanto nenhum dado – talvez pior porque pode dar a você uma falsa sensação de segurança e realização.

Se você usa dados de e-mail para informar a compreensão de sua marca sobre seu público e direcionar a tomada de decisões além do departamento de marketing, imagine o caos se basear suas percepções em análises defeituosas.

Quando bons dados vão mal: 3 cenários a serem observados

Deixe-me corrigir: os dados não vão mal. É como usamos e interpretamos que cria problemas. Quando você faz uso indevido de seus dados – deliberadamente ou acidentalmente – você pode levar sua equipe e até mesmo sua empresa por um caminho longo e errado. É fácil de fazer, especialmente se você estiver tentando otimizar seu programa de e-mail testando várias partes e não apenas operando por instinto.

Não consigo contar quantas vezes os clientes começaram com boas intenções de teste e desviaram do caminho porque os testes foram configurados incorretamente ou porque a equipe chegou a conclusões erradas. Aqui estão três cenários em que os dados podem orientar você no teste A/B errado.

1. Otimizando para a métrica de sucesso errada

O e-mail é famoso por ser tão fácil de medir. Com muita frequência, a métrica que escolhemos não captura o verdadeiro sucesso ou fracasso de nossas campanhas. Mas não vamos ser muito duros com o e-mail. Os profissionais de marketing em todos os canais, das mídias sociais ao marketing de influenciadores, cometem o mesmo erro.

A taxa de abertura é o culpado óbvio. Essa métrica resolve um problema que aflige tanto os profissionais de marketing digital quanto os tradicionais - saber se alguém realmente visualizou nossas campanhas ou apenas passou por elas, virou a página, jogou fora o catálogo ou se levantou para fazer um lanche durante o comercial. Não é de admirar que tenhamos alcançado taxas de abertura consideráveis ​​como medida de sucesso.

Mas essas grandes taxas de abertura geralmente não se traduzem nas métricas importantes, como receita de campanha, pedidos, tamanhos de cestas, recompras e outros números relacionados à campanha. Se você usar uma linha de assunto intrigante para otimizar uma taxa de abertura mais alta, muitas pessoas podem abrir esse e-mail por curiosidade e não clicar. Então você obtém uma taxa de abertura extraordinária, mas sua campanha falhou.

Muitos profissionais de marketing entraram em pânico quando o recurso MPP da Apple foi lançado em 2021 porque mascarava dados de atividade de e-mail, como aberturas, horários e locais. Eles temiam perder uma métrica de desempenho importante. Foi um lembrete oportuno para o restante de nós de que a taxa de abertura nem sempre corresponde aos objetivos de nossa campanha.

No entanto, a solução alternativa do MPP sugerida por muitos - focar na taxa de cliques - é apenas um conselho um pouco melhor. Os cliques são uma prova mais tangível do interesse do cliente do que as aberturas. Mas eles também podem ser manipulados e nem sempre se correlacionam com as conversões.

2. Mudança de direção com base em testes pontuais

Esse erro anda de mãos dadas com a otimização para a métrica de sucesso errada. Isso acontece quando você executa um único teste A/B em um único recurso, como uma linha de assunto, call to action, oferta, imagem, texto do corpo ou hora do dia.

Esses testes são fáceis de fazer. Muitos ESPs permitem que você os configure com apenas alguns cliques. Você pode até obter resultados que parecem claros e inatacáveis.

“A linha de assunto A obteve uma taxa de abertura de 54% e uma taxa de cliques de 25%. A linha de assunto B obteve uma taxa de abertura de 24% e uma taxa de cliques de 12%. A linha de assunto A é a vencedora! Vamos fazer todas as nossas linhas de assunto como a linha de assunto A de agora em diante!”

Isso pressupõe dois fatos que os dados não fornecem:

• A obteve mais aberturas do que B e também converteu melhor.
• Seu público sempre responderá melhor a linhas de assunto como A.

Um único teste A/B fornece resultados apenas para aquela campanha, naquele momento, com aquele público. Mas seu público está mudando constantemente. As pessoas que abriram e clicaram na chamada versão vencedora desta vez podem não ser as mesmas que verão sua próxima campanha. Ou eles verão, mas não responderão da mesma maneira.

Alterar sua abordagem de e-mail com base em um único teste pode levar ao desastre. Você precisa continuar testando e testando diferentes componentes e certificando-se de que suas métricas de sucesso reflitam seus objetivos de campanha.

Se você deseja que as pessoas vejam sua mensagem, uma taxa de abertura ou clique pode funcionar. Mas se você deseja que eles comprem, registrem, atualizem, baixem, criem uma conta ou façam alguma outra ação relacionada aos negócios, continue testando para ver o que funciona ao longo do tempo.

Aprofunde-se: como os testes podem aumentar as conversões do seu marketing por e-mail

3. Confiar em testes ad hoc em vez de métodos científicos

“Ad hoc” é um termo chique para “adivinhação”. Você está essencialmente jogando coisas contra a parede para ver o que funciona - testando um único componente em vez de adotar uma abordagem holística e baseada em hipóteses que considera todos os aspectos de uma campanha.

Ao testar em tempo real, você se abre para os problemas que as pessoas encontram quando testam um único componente e depois mudam de direção com base nesses dados. Novamente, os dados não estão errados, mas as conclusões que você tira com base nesses dados podem estar.

O teste científico usando uma hipótese é mais provável de fornecer dados significativos porque fornece uma estrutura para derivar insights viáveis. A duração do teste é um exemplo. Muitas vezes, muitas decisões são tomadas muito cedo no teste A/B. Digamos que o recurso de teste A/B da sua plataforma de e-mail permita que você envie a versão A para um público de amostra composto por 10% de sua lista e a versão B para outros 10% de sua lista, aguarde algumas horas e envie o vencedor para o restante 80%.

Esse método pode fornecer resultados úteis se você testar aberturas ou cliques. Mas quando as conversões são o que importa, não funciona. Um teste 50/50 é mais adequado para calcular o sucesso com base na conversão. Ele permite que você espere de três dias a uma semana antes de declarar o vencedor e declarar a conclusão.

Métricas significativas, como conversões, nem sempre acontecem nas primeiras 2 horas, e otimizar para esses resultados rápidos pode significar otimizar para o resultado errado. O teste 50/50 também oferece um tamanho de amostra maior, tornando o teste mais robusto.

A combinação de métodos científicos com metodologia de teste holística oferece uma compreensão mais ampla de seu público e o que os motiva. Leia mais sobre problemas de teste e minha abordagem holística de teste nesta coluna da MarTech, “7 problemas comuns que prejudicam o sucesso do teste de e-mail A/B/n”.

Seus dados estão contando a história certa? Tente este teste decisivo

Novos clientes muitas vezes ficam céticos quando aponto (de forma diplomática, é claro!) Por que o e-mail não gera dinheiro, mesmo com ótimas taxas de abertura ou cliques?

Se você está se perguntando a mesma coisa, meu teste decisivo pode revelar o que acontece quando você usa as métricas erradas para declarar sucesso ou fracasso.

Crie três listas:

• As 10 principais campanhas com a maior taxa de abertura.
• As 10 principais campanhas com a maior taxa de cliques.
• As 10 principais campanhas com as conversões mais altas ou outras metas de campanha.

Supondo que seu cálculo de conversão não esteja vinculado à sua taxa de abertura, mas com base nos e-mails entregues, você verá pouca sobreposição entre os três conjuntos de campanhas. Agora, veja as campanhas em cada categoria. Como são suas campanhas de maior conversão em comparação com as que obtiveram mais aberturas ou cliques?

Você usou linhas de assunto mais longas que agiam como classificadores de caixa de entrada, atraindo seus clientes mais motivados? O conteúdo da mensagem usou uma cópia mais longa ou mais curta, chamadas à ação específicas ou gerais? Um tipo de campanha, como uma venda rápida, converteu melhor do que uma campanha de novas coleções?

Quando você estuda os dados dessa maneira, com os olhos nos resultados que importam em vez dos dados mais fáceis de coletar, você será capaz de atingir o objetivo de White de “analisar os dados para espremer toda a porcaria e ficar com o coisas que são ouro.”