Como a i-Cherry tem construído uma parceria de aprendizado com seus clientes, a partir da cultura de experimentação.

Como a i-Cherry tem construído uma parceria de aprendizado com seus clientes, a partir da cultura de experimentação.

Por Amauri Lima

Atuando como parceiro estratégico, estamos em constante movimento, buscando contribuir efetivamente com as metas de negócio dos nossos anunciantes, indo sempre além da entrega operacional.

Entendemos que um importante caminho é manter a cultura de experimentação e aprendizagem em evolução, para entregar soluções que nem sempre são tão óbvias e investigar, pautados em dados, aquilo que sempre foi considerado prioridade através dos vieses individuais.

Partindo desse princípio, desenvolvemos uma metodologia própria de testes, empoderando nossos times a construir essa jornada, em qualquer ambiente onde o experimento possa ser feito e não dependendo de soluções que, muitas vezes, estão ligadas à altos volumes de investimento em mídia nas plataformas.

Além de uma jornada de treinamentos e mentorias constantes sobre o universo estatístico, nós construímos um framework  que serve como planejador de experimentos e, durante o processo de ideação, permite que os times potencializem suas hipóteses, além de gerar a documentação necessária para a construção de estudos de caso e análises de resultados.

Nosso método

 

Processo sem fricção + implementação ágil

 Todo teste é conduzido por uma hipótese significativa.

Como temos expertise técnica, todos os testes são priorizados conforme tempo de implementação e impacto nos resultados.

E nossos clientes demonstram cada vez mais interesse em testar, aprender e seguir próximos passos. Desde o início dos projetos e parcerias já estabelecemos inúmeras iniciativas que visam ganhos efetivos de resultados.

 

Continuidade

Com nosso método, os testes não são isolados e seus resultados serão a base para o levantamento de novas hipóteses que possam conduzir um novo salto de crescimento.

 

Time capacitado

Time exposto a treinamentos teóricos sobre metodologia científica de testes, conceitos e padrões, além de workshops para aplicação e reciclagem sobre a metodologia que é   colocada à prova diante de diversas                  situações de mercado.

Estudos de caso

Seguindo esse método, sugerimos para um dos nossos anunciantes do segmento de varejo e uma das maiores lojas de departamento do país, a seguinte hipótese: É possível gerar maior taxa de abertura dos anúncios de Gmail atribuindo mais visitas ao site, apenas mudando a abordagem do assunto? E qual seria esse ganho?

 

Como resultados, observamos que a versão experimental apresentou taxa de abertura 21pp acima do conteúdo original e crescimento de 6% nas visitas ao site.
Desta forma, assegurados pela significância estatística estabelecida como critério do experimento, foi possível entender que a comunicação mais personalizada, que fala diretamente com o leitor do anúncio, tende a gerar maior interesse na abertura do e-mail e, consequentemente, mais tráfego para o site. A partir de então, os anúncios desse varejista seguem essa prática de redação.

______

Numa outra campanha, dessa vez em Facebook, a fim de entender qual tipo de otimização proporciona melhor volume de visitas ao site, configuramos um teste comparando o desempenho da campanha quando seus algoritmos estão orientados a levar o usuário até a adição de um produto no carrinho versus a otimização com foco na visualização de página, no site do anunciante.

Após separar a campanha em públicos que respeitassem os critérios estatísticos do teste A/B, uma parcela dos anúncios passaram a ser otimizados pelo pixel de visualização de conteúdo, e essa proposta de flexibilidade dada ao machine learning fez com que a versão experimental tenha performado melhor, trazendo 24% a mais de sessões qualificadas e +28% de vendas.

A taxa de visitas foi 18pp. acima da otimização para o pixel de adicionar ao carrinho que, a princípio, está mais próximo da compra no funil de conversão.

“Acreditamos que o exercício de desconstruir paradigmas e suposições sem embasamento estatístico evita perda de tempo com ações que não são prioritárias ou que, em conclusão, não       são eficientes.” conta Amauri Lima, Account       Manager na i-Cherry.

Esses aprendizados são frutos de uma cultura de testes presente nas trocas diárias entre o nosso cliente, a i-Cherry e os parceiros de mídia, possibilitando um valioso ambiente de descobertas significativas para alavancar cada vez mais os resultados de negócio do anunciante.” Bruna Dea, Digital Strategy Coordinator na i-Cherry.

Em tempos de escala e automação, são nas nuances dessas rápidas descobertas que construímos uma jornada contínua de crescimento e performance.

A nossa metodologia é aplicável não apenas em testes de campanhas de mídia, podendo ser expandida para uso em  otimizações de landing page, estratégias de comunicação e demais áreas onde a CRO (conversion rate optmization) possa ser aplicada.

Quer saber mais? Entre em contato com a gente.