3 Métodos Poco Ortodoxos Para Mejorar Los Programas De Optimización

El final de la optimización, comienza cuando se ha encontrado el máximo local para las páginas más relevantes de tu sitio web. En este punto, descubrir más ganancias, puede convertirse en un desafío mayor.

¿Cómo puedes lidiar con tal escenario?

Lo primero es darte cuenta de que esta no es una situación típica.

La mayoría de las empresas todavía están aprendiendo sobre los fundamentos. A pesar del aumento de popularidad en los últimos años, la optimización del crecimiento es una nueva disciplina en lo que respecta al mercadeo en línea.

 

Incluso las empresas que tienen el conocimiento interno y el poder para ejecutar continuas iniciativas de optimización, pueden llegar a un callejón sin salida y comenzar a tener problemas para seguir creciendo más allá de la ley de rendimientos decrecientes, si se basan únicamente en los enfoques tradicionales.

Este artículo está destinado a ayudarte a expandir tus recursos de optimización, y darte ideas para ir más allá de los límites actuales de tus tácticas de optimización. Compartiré tres métodos con los que obtuve buenos resultados, al buscar incrementos en propiedades digitales altamente optimizadas. Los tres vienen con sus propios modelos para su implementación.

 

Método #1: Optimiza según el valor de vida del cliente

Los expertos sugieren que debes optimizar para una métrica que pueda afectar el resultado final de tu negocio. Un número capaz de señalar el crecimiento, como el recuento absoluto de conversiones, la tasa de conversión, los ingresos totales, los ingresos por visitante, el costo por cliente adquirido, entre otros.

Estas métricas, garantizan que la mayoría de tus esfuerzos se relacionen con los valores monetarios. Los aumentos en tu indicador clave de rendimiento (KPI por sus siglas en inglés), significarían que al final del día, tu empresa tendrá más éxito que antes.

 

Céntrate en los efectos a largo plazo

Sin embargo, incluso con tan buenos indicadores como guía, es posible que pierdas potencial de valor a largo plazo que podría agregarse a la empresa. La desventaja que todas esas métricas tienen en común, es que solo miden los efectos a corto plazo obtenidos con tus pruebas.

La optimización del valor de vida del cliente (LTV por sus siglas en inglés), ofrece una visión más amplia de cuánta utilidad monetaria puede aportar un cliente durante un período de tiempo más prolongado, en comparación con los resultados más inmediatos que esperas observar, con pruebas destinadas a mejorar los beneficios KPIs tradicionales.

Elige un modelo para calcular el valor de vida del cliente (LTV)

El primer paso es decidir sobre un modelo para medir el LTV actual de tus clientes existentes. Existen buenos ejemplos que son sencillos de usar y te proporcionarán todo lo que necesitas para empezar a rastrear esta métrica.

Google Analytics ofrece un informe de valor de por vida, de manera inmediata para quienes deseen realizar esta ruta lo más rápido posible. Viene con limitaciones (por ejemplo, el modelo solo proyecta el LTV hasta 90 días en el futuro), pero sigue siendo una de las formas más accesibles para iniciarse en el mundo LTV.

 

 

Informe de valor de vida incorporado de Google Analytics.

 

Implementa el seguimiento de ID del usuario

Ya que controlarás el comportamiento de las personas durante un período de tiempo más prolongado (toda su vida útil como clientes de tu marca), necesitarás una forma confiable de realizar un seguimiento de estos datos.

Google Analytics es un buen ejemplo para ilustrar por qué esto es una preocupación. La herramienta se basa en los cookies para determinar qué es un “visitante recurrente”: esta es una estructura frágil ya que las personas pueden eliminar los cookies en cualquier momento y, al hacerlo, aparecerán como nuevos visitantes en tus informes.

Imagina que la misma persona visita tu sitio web y te compra repetidas veces. Sin la ayuda de las identificaciones del usuario, Google Analytics verá un nuevo visitante cada vez que esta persona borre sus cookies y luego regrese a tu sitio web nuevamente. Todas las experiencias previas a la eliminación de cookies no se usarán en el cálculo del CLV.

 

La mayoría de las herramientas no podrán identificar al mismo usuario en diferentes dispositivos o navegadores, lo que diluiría el valor de los clientes que tienen viajes con múltiples dispositivos.

Dadas esas concesiones, la mejor práctica es hacer coincidir los datos del cliente, con los ID de los usuarios para calcular el valor de la vida útil. Los correos electrónicos también se pueden usar como identificadores, en los casos en que tu sitio web no ofrezca a los usuarios, una interfaz a través de la cual pueden iniciar sesión.

Sin embargo, no tener ID del usuario no es un factor decisivo. Aún puedes optimizar para LTV usando datos basados en cookies, pero los números que verás serán menos confiables.

 

Crea segmentos de clientes de acuerdo con el comportamiento de compra

La optimización para los efectos a largo plazo, promueve resultados diferentes si se compara con la optimización centrada en las métricas tradicionales a corto plazo. Con LTV como su KPI, las pruebas crearán ondas que solo verás en el futuro.

Segmentar a tus clientes en cohortes, puede ser útil para rastrear y capitalizar esos efectos. Esto se puede hacer de muchas maneras: una de las más flexibles y fáciles de entender es el análisis de RFM.
RFM es un modelo de análisis creado para agrupar clientes de acuerdo con tres parámetros, evaluados en el lapso de los últimos 12 meses:

• Las actividades recientes (R) de sus últimas conversiones, generalmente medida como meses;

• La frecuencia (F) con la que convierten, también medida como meses;

• El valor monetario (M) que generaron hasta ahora para tu negocio, en su vida útil como clientes.

 

Cómo RFM divide tu base de clientes en cohortes

Tus clientes son evaluados, y reciben puntajes para cada parámetro con los datos de los últimos 12 meses. Cada cliente es asignado a un tercil (un contenedor con el 33% de la población total), de acuerdo con los puntajes numéricos que recibieron en los parámetros.

Los puntajes para cada uno de los tres parámetros varían de 1 a 3, siendo 1 el mejor puntaje (asignado al 33% de los mejores clientes en ese parámetro), y 3 el peor (asignado al 33% inferior).

Los puntajes individuales de los clientes para cada parámetro, se concatenan convirtiéndose en una secuencia de 3 números: el puntaje de recientes, el puntaje de frecuentesy el puntaje monetario (R-F-M). Esta concatenación creará las cohortes.

Ejemplos de cohortes RFM

Ejemplo #1: Un cliente que está en el 33% de los mejores para los tres parámetros, pertenecería a la cohorte “1-1-1”.

 

Ejemplo #2: Otro cliente que se encuentre en el 33% inferior para Recientes y Frecuentes, pero en el 66% de los mejores para el Valor Monetario, pasará luego a la cohorte “3-3-2”.

 

Interpreta las cohortes

Se supone que los clientes de la cohorte 1-1-1 son los mejores. Se encuentran entre el 33% de los mejores de tu base de clientes por la antigüedad de su última compra, la frecuencia con que te compran y también por la cantidad de dinero que gastan en tu empresa.

En el otro extremo del espectro, el 3-3-3 debería representar tu peor cohorte, el 33% inferior en cada parámetro. Esos clientes no se han convertido en mucho tiempo, no se convierten con frecuencia y no gastaron tanto dinero como otros.

 

Decisiones de bloqueo de cohortes

Es una práctica común utilizar quintiles en lugar de terciles para el análisis de RFM. Esto crea cohortes con mayor granularidad, lo que te permite realizar análisis más detallados para cada uno, pero la desventaja es que también tendrás más cohortes en tus manos para analizar. Los terciles son un buen punto de partida porque el resultado final es más sencillo de tratar.

A modo de ilustración: al usar puntos de bloqueos en terciles, terminas con 3*3*3 = 27 cohortes, un número que debería ser manejable para la mayoría de las empresas. Al usar puntos de corte en cuartiles, obtienes 64 cohortes. Quintiles te da 125 cohortes. La mayoría de los equipos no pueden realizar un análisis en profundidad de un número tan grande de grupos.

 

Recuerda que simplemente atribuir puntajes a cada cliente y crear cohortes, no es suficiente. Aún tendrás que profundizar en ellos y descubrir cuáles abordar y cómo hacerlo.

Cuantas más cohortes tengas, más trabajo se requerirá para mantener un proceso de análisis que haga un buen uso de la información que brindan. Esto no significa que nunca debas hacerlo: las empresas con una cantidad significativa de clientes pueden beneficiarse más de un enfoque más microscópico con más cohortes, incluso si se requiere más esfuerzo para hacerlo.

 

Comprende qué cohortes tienen el mayor LTV

 Tus cohortes RFM, serán complementarias a los números LTV que te está dando el modelo que eligiste antes (o Google Analytics). Teóricamente, los clientes con los valores de LTV más altos, también deberían ser los que están en las mejores cohortes de RFM, pero no siempre es así.

Las cohortes pueden explorarse para obtener información diferente, pero algunas pueden ayudarte a ganar dinero más rápido que otras.

Comienza por ordenar tu lista de clientes por valor de vida. Luego, comprueba a qué cohortes pertenece el 10% de tus clientes con el valor de vida más alto. Esas cohortes son un indicador del comportamiento de la actividad de compra que tienen tus clientes más rentables.

 

Encuentra patrones repetibles

Ahora, necesitas encontrar patrones en esas cohortes para cada uno de los parámetros de RFM. Esto generará algunas reglas empíricas que pueden usarse para crear pruebas y campañas futuras, capaces de hacer que los clientes en cohortes diferentes, repliquen los mismos comportamientos de compra de los clientes más rentables.

Con los Recientes, puedes encontrar el intervalo de tiempo óptimo que puede pasar entre las conversiones, para que los clientes logren un alto valor de vida. Utiliza esta información para crear campañas y experimentos de optimización que puedan convencer a las personas, de que vuelvan a realizar conversiones dentro de esta ventana.

Esto puede hacerse de muchas maneras: activación a través de notificaciones por correo electrónico / impulsar notificaciones con contenido relevante (para que las personas visiten tu plataforma y potencialmente se conviertan); promociones limitadas para clientes que están cerca de dejar el límite de tiempo entre las conversiones; ofertas exclusivas con artículos que estos clientes agregaron previamente a sus carritos de compras, entre otros.

 

Duolingo utiliza el correo electrónico y notificaciones, para mantener a los usuarios activos.

 

La Frecuencia muestra las tendencias en la cantidad de veces que los clientes valiosos te compran. Sumérgete en el historial de compras de esos clientes y trata de encontrar patrones en lo que están comprando. ¿Qué hacen que sea diferente de los clientes que no compran tan a menudo? ¿A qué tipo de promociones reaccionan?

Puedes descubrir que la estrategia óptima no es siempre promocionar artículos, sino hacer que las personas realicen transacciones más pequeñas, manteniéndolas activas y convirtiendo repetidamente.

 

Pinterest mejora la frecuencia de compra con controladores motivacionales de oportunidad y urgencia en su comunicación. Fuente de la imagen: Really Good Emails

 

 

Relacionado a eso, el Valor Monetario definirá el tamaño del boleto en la selección de ofertas, que debes presentar a tus clientes. Intenta averiguar cuál es el promedio del boleto en las transacciones de los clientes antiguos que tienen altos puntajes monetarios y un buen valor de vida; esto te ayudará a comprender los patrones de compra que pueden replicarse para otros clientes.

 

Los clientes con puntajes altos en el parámetro monetario, no necesariamente serán los que tengan el valor de vida más alto. Es posible que un cliente te haya comprado un par de veces, haya gastado mucho dinero, y tenga un gran puntaje monetario debido a eso en este momento pero si nunca vuelve a comprar, eso no se traducirá en un nivel de vida alto.

 

Agrega datos de navegación al análisis

 

Ahora sabes:

 

  • La ventana de oportunidad óptima para que un usuario obtenga los LTV más altos;

 

  • Con qué frecuencia los clientes más rentables te compran;

 

  • ¿Cuál es el tamaño óptimo del boleto que debes intentar impulsar para cada cohorte …

 

… pero aún se desconoce el comportamiento que tienen tus visitantes cuando navegan por tus propiedades digitales para activar esos patrones de RFM.

 

Aquí hay una serie de preguntas que puedes intentar responder, después de explorar la segmentación de RFM, para conectar lo que observaste allí con lo que está sucediendo en las páginas de tu sitio web:

 

 

  • ¿Cuáles son los patrones de navegación de los clientes con mayor LTV?

 

  • ¿Cuál es la acción que hacen los usuarios que tiene la mayor correlación con las conversiones repetidas?

 

  • ¿Hay patrones en las acciones de los clientes que están a punto de batirse/pertenecer a cohortes con bajo valor de vida?

 

  • ¿Cuántos puntos de contacto con tu embudo de crecimiento tienen los clientes que se convirtieron dos veces?

 

  • ¿Cuáles fueron esos puntos de contacto?

 

  • ¿Qué pasa con los clientes que se convirtieron tres/cuatro/cinco/N veces?

 

  • ¿Qué clientes tienen más probabilidades de reaccionar a una promoción?

 

  • ¿Qué clientes son más propensos a comprar a granel, dado un cierto factor desencadenante?

 

  • ¿Qué tipos de promociones/ofertas, tienen la mayor probabilidad de hacer que un cliente compre sobre la marcha, independientemente del tamaño del boleto?

 

  • ¿Cuántas veces, en promedio, los clientes más rentables visitan tu plataforma?

 

  • Cuando visitan, ¿cuáles son las páginas más comunes a las que van?

 

Empuja a más clientes hacia las cohortes rentables de RFM

 

Ahora tienes una noción más desarrollada de cómo son los patrones de conversión de tus clientes más rentables. Identificaste los viajes de los usuarios en tus páginas, que te conectan con el más alto valor de vida.

 

Esta información se puede utilizar para crear experimentos a lo largo de todo tu embudo de crecimiento, lo que hará que más clientes repliquen los patrones que aprendiste.

 

Esto se asemeja mucho al concepto de mercadeo de crecimiento del “momento a-ha”, pero en lugar de acelerar a los clientes hasta el punto en el que se dan cuenta del valor de tu producto, encontrarás los factores desencadenantes adecuados que hacen que los usuarios se acerquen, retrocedan, y caigan, en los patrones rentables que el modelo RFM te ayudó a identificar.

 

Rentabilidad a corto plazo vs a largo plazo

Optimizar para LTV podría significar que ganarás menos dinero a corto plazo. Es posible, por ejemplo, que los usuarios que tienen valores monetarios más bajos atribuidos a sus conversiones iniciales, serán los que se convertirán en compradores repetidos en el futuro. Su comportamiento se traduce en menores ingresos ahora, pero gradualmente serán más rentables con el tiempo.

Si esto es algo deseable para tu empresa o no, depende de tus objetivos. Las compensaciones de rentabilidad a corto y a largo plazo deben evaluarse caso por caso.

La optimización de LTV agrega valor a todo tu embudo. Promueve efectos de orden superior. Incluir esto en tus recurso, ampliará las opciones que tienes para iniciativas de optimización a largo plazo.

 

 

Método #2: Rastrea y reduce la caída del incremento

Una vez finalizadas las pruebas, es común que los optimizadores realicen análisis para comprender los resultados, documentar los aprendizajes y proceder a tomar las medidas necesarias para implementar la variante probada en caso de que fuera una ganadora.

Con esa parte hecha, ya comienzan los preparativos para el próximo experimento. Pasar por este ciclo repetidamente, resulta en una pérdida del hecho de que a veces, los incrementos encontrados en las pruebas no son permanentes.

Esto merece atención, ya que consume tus ganancias a largo plazo y podría ser dañino para tu programa de optimización. A modo de ejemplo, así es como se veía el resultado de dos pruebas separadas que ejecuté el año pasado para las páginas de un comercio electrónico (ambas fueron estadísticamente significativas con un nivel de confianza del 95%):

Con tales resultados, ambas variantes se implementaron inmediatamente.

 

Caída del incremento después del despliegue

La página de control se mantuvo en línea durante una pequeña fracción del tráfico, incluso meses después de que los ganadores de la prueba se hubieran desplegado. Esto permitió comparar el rendimiento de las variantes optimizadas con las páginas que habían derrotado meses atrás. Para hacer una comparación similar, vuelve a ejecutar la misma configuración de prueba en la que encontraste al ganador, cuyo rendimiento disminuyó con el tiempo.

Perderás la capacidad de ver la variación del rendimiento a lo largo del tiempo, pero aún tendrás una idea de lo que está sucediendo en este momento. Lo que importa es si la variante ganadora aún puede vencer el control en algún momento después del despliegue.

 

 

Como se muestra en el gráfico, las tasas de conversión ya no se veían tan bien, cinco meses después de los resultados de la prueba inicial. El rendimiento agregado comenzó a desaparecer en los meses 3 y 4. La variante cv-hm-0004 (la línea azul oscuro) nunca se recuperó de la caída.

Ninguna otra variable relevante en los embudos de crecimiento, había cambiado después de que las variantes ganadoras se activaran. No había una razón aparente para que el rendimiento disminuyera.

 

¿Por qué sucedió la disminución del incremento y qué se podría haber hecho para mitigarla?

 

Efectos novedosos

Si sospechas que una variante ganadora no está funcionando como debería, el primer paso es descartar los efectos novedosos.

Promover cambios en las páginas, puede hacer que la experiencia se sienta fresca para tus visitantes, pero este sentimiento se desvanece con el tiempo. Tu audiencia ya podría estar acostumbrada a la versión anterior y su reacción a algunos elementos en una variante, podría estar sucediendo solo porque lo que ven es diferente a lo que estaba allí antes.

Segmenta tus resultados dividiendo a la audiencia entre nuevos visitantes y los recurrentes. Si la novedad está causando el efecto, los nuevos visitantes deben ser inmunes a ella, y se mostrará en los números.

 

Ejemplo de un informe para verificar las tasas de conversión de visitantes nuevos y recurrentes en Google Analytics.

 

Incremento imaginario

Asegúrate de que los parámetros estadísticos y la duración de tu prueba, se hayan calculado correctamente. Al menos sigue las prácticas más comunes: realiza tu prueba en ciclos comerciales completos, manten el nivel de importancia alrededor del 95% si tienes el tráfico para hacerlo, y espera a que se alcance el tamaño de muestra necesario (la significación estadística no es un criterio determinante).

 

Las pruebas que infringen las mejores prácticas pueden generar incrementos imaginarios. Este es un caso en el que las ganancias nunca estuvieron allí para empezar, simplemente lo parecía porque no recolectaste suficientes muestras o no respetaste otras reglas básicas de prueba.

 

Ejecución técnica

Si tu proceso implica la construcción y prueba de tu variante, utilizando un generador de páginas de herramientas como Unbounce, verifica la implementación técnica de la variante cuando se está probando y cuándo se activa.

Cuando utilices tu propia tecnología para reconstruir páginas ganadoras antes de implementarlas de forma permanente, las versiones que crees deben ser idénticas en la interfaz cuando se comparen con las versiones que se probaron. De lo contrario, podrías introducir efectos de confusión que pueden convertirse en la causa de la disminución del rendimiento después del lanzamiento.

 

Factores ambientales

Busca cambios en el ambiente que podrían ser responsables de la disminución. Algunos elementos para verificar:

 

  • ¿Hay algún indicio de cambios en el comportamiento del cliente?

 

  • ¿Adquiriste nuevas audiencias después del lanzamiento de la prueba?

 

  • ¿Es posible que algo no esté funcionando correctamente desde una perspectiva técnica?

 

  • ¿Han ingresado nuevos competidores al mercado o iniciado campañas?

 

  • ¿Las páginas anterior y siguiente del viaje siguen siendo las mismas que cuando ejecutaste inicialmente la prueba?

 

  • ¿Hubo otras pruebas ejecutándose al mismo tiempo? ¿Podrían haber influido en los resultados?

 

 

Prueba y análisis de disminución del seguimiento 

Si ya te aseguraste de que estos factores no son la causa, clasifica los casos en los que observaste la disminución del incremento. Deberás construir una estructura que te permita detectar y aprender de los patrones.

Responder todos los puntos de la lista a continuación, para cada variante en la que se produzca la disminución, te ayudará a pensar críticamente sobre las posibles razones detrás del efecto:

 

 

  • Investigación de la disminución

 

  • ¿Cuánto rendimiento (en%) se perdió desde el momento en que la variante ganadora entró en vigencia, hasta el momento en que finalizó la prueba de seguimiento?

 

  • ¿Cuál fue el intervalo de tiempo entre la prueba original y la prueba de seguimiento?

 

  • ¿El declive es más pronunciado para las pruebas en páginas específicas/puntos de contacto del embudo?

 

  • ¿Hubo alguna microconversión/otros pasos también afectados en el embudo?

 

  • ¿El tiempo promedio empleado en la página cambió drásticamente?

 

 

  • Investigación de características de prueba

 

  • ¿Qué página fue afectada por la variante ganadora?

 

  • ¿Qué elementos se vieron afectados por la variante ganadora?

 

  • ¿Otras pruebas ganadoras para páginas/elementos similares también muestran tal disminución?

 

  • ¿Qué parte del viaje de conversión afectó la prueba?

 

 

  • ¿Otras pruebas que afectan a la misma parte tienen una disminución similar?

 

  • ¿El viaje a una conversión es el mismo que cuando ganó la prueba?

 

  • ¿Qué factores emocionales se vieron afectados por la prueba (si corresponde)?

 

  • ¿Puedes detectar tendencias de disminución para otras pruebas en las que se vieron afectados factores similares?

 

  • Investigación (demográfica y de comportamiento) de la audiencia

 

  • ¿Se introdujeron nuevos canales de comercialización en las iniciativas de adquisición después del lanzamiento de la prueba?

 

  • ¿La disminución es la misma para diferentes segmentos de usuarios? Comprobar:

 

  • Región

 

  • Navegador

 

  • Dispositivo (más viajes que comienzan en el móvil después de la implementación de la prueba, es un responsable común)

 

  • Hora del día

 

  • Fuentes del tráfico

 

  • Cohortes RFM (si las tienes)

 

Tu enfoque del análisis de la disminución, dependerá en gran medida del contexto en el que se está produciendo el declive.

 

No siempre obtendrás una respuesta clara para explicar por qué el rendimiento de una variante ganadora disminuyó con el tiempo, pero documentar los hallazgos de esas preguntas, puede traer patrones a la superficie que puedes tener en cuenta al diseñar pruebas en el futuro, con el fin de hacerlos más resistentes a la disminución.

 

Método #3: Optimiza competitivamente

Tu marca es comparada con la de tus competidores todo el tiempo. Es inevitable que los clientes que te compran a ti, también compren otras marcas de vez en cuando.

Analizar páginas en los sitios web de la competencia, es una forma poderosa de arrojar algo de luz sobre los problemas que estos competidores están tratando de resolver. Existe la posibilidad de que encuentren soluciones en las que no hayas pensado, para partes específicas de sus embudos de conversión.

Este es un terreno fértil para obtener los conceptos de prueba. Quizás puedas reproducir con éxito algunas de las soluciones implementadas por tus competidores en sus páginas, alimentando tu acumulación de ideas con material nuevo y ahorrando potencialmente tiempo de investigación.

Si consideras que una marca es un competidor, esto probablemente signifique que tus audiencias se superponen en cierto punto. Esta superposición se puede utilizar para ayudarte a determinar qué competidores debes analizar con más detalle: quieres asegurarte de que las soluciones que estás viendo, también tengan un gran potencial para tu audiencia cuando se utilizan como inspiración para crear pruebas en tus páginas.

 

Medición de la superposición de la audiencia

Comencemos con la superposición de la audiencia. Lo usaremos como criterio para elegir qué competidor o grupo de competidores analizar. Para tener una idea de la cantidad de audiencia que se comparte con un competidor, una táctica que puedes emplear es utilizar la herramienta de superposición de público de Facebook. Ten en cuenta que esto solo funcionará si los competidores que estás analizando, también tienen una página pública de Facebook.

 

Así es como lo haces:

  1. Ve a tu cuenta de Facebook para empresas y a la interfaz de Audiencias.

  1. Importa las listas de contactos que reuniste antes, en Facebook como audiencias. Las listas de objetivos de remercadeo o suscriptores de boletines, son buenos ejemplos para usar aquí. Si tu empresa tiene un perfil activo en Facebook o Instagram, puedes crear una Audiencia Personalizada de Compromiso con los seguidores, y usar eso también en tu evaluación.

 

  1. Ahora crea un nuevo anuncio. El anuncio no se ejecutará, solo necesitarás las opciones disponibles en la pantalla de creación de anuncios.

 

  1. Omite todas las configuraciones y ve directamente a “Orientación Detallada”. Escribe el nombre de tu competidor y selecciona su nombre del menú desplegable (no selecciones ninguno de los intereses específicos como “Propietario: iPhone 6” en la captura de pantalla).

 

  1. El número en “Alcance Potencial” se actualizará. Este es el tamaño de la audiencia del competidor en Facebook.

Número de personas que son parte de tu audiencia y la de tu competidor.

 

  1. Ahora, divide el tamaño de la superposición que encontraste en el paso 7, por el tamaño de tus audiencias personalizadas.

 

En nuestro ejemplo, esto significaría dividir 1.3 M / 5.2 M. La proporción que encontrarás, es el porcentaje estimado de superposición entre el público de tu marca y el de este competidor específico. En nuestro caso, 1.3 M / 5.2M = ~ 25% de superposición de la audiencia.

 

 

Este método viene con algunas advertencias. Una de las más importantes es que no puedes usarla a menos que tus competidores tengan presencia en Facebook. Aún así, es una forma barata y rápida de, al menos, darte un escenario que puedas usar para decidir qué competidores valen la pena.

Alexa lanzó recientemente una herramienta que también puede evaluar la cantidad de superposición con tus competidores. Tiene una prueba de 7 días que puedes usar, en caso de que la táctica de Facebook no funcione.

La nueva herramienta de Alexa ofrece una prueba gratuita. Fuente: Alexa.com

¿Por qué calcular la superposición de la audiencia?

Cuanto más se superponga tu audiencia con la de tus competidores, más probable es que las ideas que implementan también funcionen para ti. Mi regla de oro es que si la superposición con la audiencia de un competidor es de al menos 10%, echaré un vistazo a su sitio web y veré si puedo obtener ideas para probar.

Si este proceso incluye una variante que funciona para aproximadamente 1 de cada 10 visitantes del sitio web, existe al menos el potencial de que esa idea se explore de forma diferente. Los aprendizajes podrían adaptarse y transformarse en cambios globales capaces de elevar el resto del tráfico.

Ten en cuenta que no todo está destinado a ser copiado. Tu competencia comete errores también. Haz tu tarea en el análisis competitivo para evitar obtener inspiración de malas fuentes.

 

Seleccionar competidores para obtener ideas de pruebas

Con base en los datos de superposición que acabas de calcular, elige un competidor de tu lista, el que creas que está haciendo el mejor trabajo con su sitio web. Busca una página que tengan en común (por ejemplo, la página de inicio, páginas de productos para e-commerces, páginas “acerca de” para blogs, etc.)

Da preferencia a páginas con muchas diferencias entre tu versión y la versión del competidor. Estas te darán más ideas para las pruebas en las que cambies muchos elementos al mismo tiempo, con una mayor probabilidad de generar un mayor impacto en tus métricas objetivo.

 

Encuentra elementos útiles para inspiración de pruebas 

Para aprender de la competencia, tendrás que evaluar una serie de características cuantitativas y cualitativas en sus páginas. Verifica elementos como:

 

  • Recuento y características de los botones
  • Otros interactables
  • Cuenta y elección de palabras
  • Formularios y campos de formulario
  • Imágenes y videos
  • Bloques de contenido, su estructura y cómo están organizados
  • Llamados a la acción
  • Conductores emocionales
  • Temas y estilos

 

El modelo descargable al final de esta sección, te ayudará con esta evaluación.

Después de haber decidido utilizar un conjunto de elementos de la página del competidor para inspirarte, crea un nuevo diseño (variante) de la página que deseas probar, implementando todas las ideas que te dio tu competidor. Luego configura las variables en tu herramienta de elección y ejecuta la prueba.

 

Análisis de prueba

Cuando finalice la prueba, evalúa y segmenta los resultados para buscar más detalles. Es posible que debas planear esto antes de realizar la prueba, ya que hay muchas dificultades que deben evitarse.

Pregúntate por qué el enfoque de tus competidores funciona o no funciona para la audiencia que estás analizando. Esto generará aprendizajes sobre cómo comunicarte con diferentes grupos de usuarios; también puedes usar las cohortes de RFM para esa evaluación.

De forma similar al método de análisis de la disminución de incremento, puede ser difícil decir algo sobre los “por qué” detrás de los resultados, con solo una prueba basada en las ideas de los competidores. Cuantas más pruebas inspiradas en la competencia ejecutes, más fácil será descubrir los patrones de incremento que pueden generalizar a toda tu audiencia.

Este procedimiento se puede repetir para todas tus secciones más importantes. No te limites a un solo competidor: analiza todos los jugadores que consideres competencia directa.

 

 

El modelo de optimización competitiva

Selecciona las páginas que deseas analizar con más detalle, pega una captura de pantalla de ellas y completa los espacios en blanco que se encuentran debajo de la captura de pantalla. El archivo de modelo contiene una hoja con instrucciones sobre cómo llenarlo.

En el análisis cuantitativo, principalmente separarás los elementos que existen en la página que estás observando y contarás cuántos de esos elementos están presentes. Esto puede ser muy útil para exponer las diferencias que son difíciles de notar sin ninguna estructura para hacerlo.

El análisis cualitativo te ayuda a pensar sobre los motivadores emocionales, la elección de palabras y cualquier otro mecanismo que se utilicen en la página, para lograr que los visitantes completen con éxito las tareas que la página debe habilitar. Escribe todo lo que creas conveniente para cada uno de los criterios evaluados.

 

Conclusión

No importa qué tan lejos avances con la optimización del crecimiento, siempre hay algo nuevo por hacer. Mi objetivo con esta publicación fue ilustrar algunas formas no ortodoxas para ir más allá de los límites de tu actual programa de optimización y encontrar crecimiento a través de diferentes medios.

Leave a Reply

Your email address will not be published. Required fields are marked *

50% Complete

Suscribete al blog y no te pierdas ninguna actualizacion

Solo el mejor contenido, cero spam

Recibe estrategias de marketing digital