Varanda Casa Azul

A forma correta de errar

Geralmente, as lições sobre Growth Hacking são internalizadas da maneira mais difícil. É por isso que a máxima dos growth hacker’s, o ‘‘errar rápido’’, é uma das nossas favoritas. A gente adora porque o sucesso dá confiança ao time, enquanto a falha dá competência. Bom, pelo menos enquanto você estiver errando no caminho certo!

Toda vez que um teste falha porque sua hipótese está incorreta, é um ganho. Seu time pode aprender algo e usar essas informações pro bem da sua próxima decisão. Mas se seus testes não estão dando certo porque eles são falhos desde o começo, você não vai chegar a lugar nenhum.

Vamos ver, com estudos de caso, como errar corretamente. Esperamos que, entendendo onde e como o erro foi feito, você seja capaz de aprender conosco.

Você pode errar! Só não cometa os mesmos erros duas vezes.

A chave para experimentos de sucesso é entender que perguntas você precisa se fazer antes de investir recursos. Assim o seu processo organizacional não é predestinado a repetir erros que poderiam ser evitados. Portanto, em cada estudo de caso vamos tirar alguns ensinamentos que você pode usar no seu próprio processo de experimentação.

Estudo de Caso 1: Uma falha da Hipótese

Nome do teste: Botões de compartilhamento para redes sociais na Home Page da TapeACall. (TapeACall é um aplicativo que permite gravar ligações no iPhone)

Hipótese: Adicionar botões de compartilhamento na página inicial da TapeACall vai dar credibilidade, contribuindo para mais assinaturas.

Como começou a dar errado

Olhando para essa hipótese, agora é difícil não se envergonhar, mas um dos perigos do teste de alta velocidade é que, para manter uma alta cadência de testes, você executará testes que não são nem bem concebidos nem estão prontos para serem executados.

Essa hipótese era de natureza exploratória: “mudando X para Y, algo acontecerá”. Entretanto, uma boa hipótese se parece com isso: “Ao mudar X para X, posso obter mais prospects para X e, assim, aumentar X.”

Nossa hipótese foi falha, pois não identificou o sucesso de fato. “Aumentar as assinaturas” como um KPI significa que qualquer melhoria é um sucesso, e isso não é verdade. Existem outros fatores.

Pior que isso, em algum lugar nessa pseudo-hipótese, estava a ideia de que os botões de compartilhamento social adicionam credibilidade ao site. Assim, mesmo que eles estejam distraindo os usuários de nossos CTAs de download e de compra, essa hipótese pressupõe que pode haver um valor subjacente que não é realmente mensurável.

Como tudo piorou

Adicionamos esses botões de compartilhamento aleatórios à página inicial, o que gerou muito poucos compartilhamentos e duas enormes inscrições atribuíveis em dois meses.

Isso deveria ter sido suficiente para saber que isso não funcionaria, mas justificamos manter os botões por mais tempo, supondo que teríamos algum efeito positivo quando os visitantes contornassem nossas próprias CTAs na tela para comprar diretamente da App Store.

Não somos contra os botões de compartilhamento social, mas praticamente, eles fazem muito mais sentido depois que um visitante se torna um usuário e percebe o valor do produto, não antes de ter um ‘‘aha moment’’.

Sem sucesso mensurável, o dono do produto queria que eles desaparecessem, o hacker que criou o teste queria que eles ficassem e a situação esquentou. Na ausência de dados, fiquei do lado do dono do produto e finalmente os tiramos do ar.

O que podemos aprender com isso?

Uma hipótese fraca pode prejudicar uma experiência antes de começar. Isso só garante que você criará um conjunto ainda mais fraco de métricas de sucesso, e se você não tiver uma ideia clara do sucesso e de como isso afetará as metas de crescimento, qualquer resultado poderá ser interpretado de maneira errada.

Quando você planeja testes em suas reuniões, seu time deve fazer as perguntas difíceis sobre as ideias experimentais de cada um. As perguntas difíceis não são, “isso é uma boa idéia?” As perguntas difíceis são mais ou menos assim:

  • Como é o sucesso? Como isso afetará as metas de crescimento mais amplas?
  • Temos as ferramentas para medir o sucesso?
  • Qual é o plano se obtivermos ou não obtivermos os resultados esperados?

Criar uma hipótese clara e sólida e garantir que você esteja discutindo as métricas de sucesso antecipadamente pode ajudá-lo a evitar esses tipos de erros.

No próximo texto, vamos ver mais alguns estudos de caso para aprender mais com os erros alheios. Fiquem ligados! 😉

Texto adaptado de Here’s how you ruin an experiment

Recomendado para você