Teste A/B no marketing digital

O teste A/B consiste em criar duas versões de um recurso digital para verificar qual delas gera melhor resposta do usuário. Exemplos de recursos incluem páginas de destino, anúncios gráficos, e-mails de marketing e publicações em redes sociais. Em um teste A/B, metade do público recebe automaticamente a versão A e a outra metade recebe a versão B. O desempenho de cada versão é medido com base em metas de taxa de conversão, como a porcentagem de pessoas que clicam em um link, preenchem um formulário ou fazem uma compra.

O teste A/B não surgiu com o marketing digital. No passado, a mala direta já era mestre em "dividir" ou "categorizar" ofertas para ver qual funcionava melhor. Os recursos digitais se baseiam na mesma ideia, mas permitem resultados de teste mais específicos, confiáveis e rápidos.

Se você está tentando expandir sua empresa, pode ser difícil identificar quais materiais de marketing mais ressoam com o seu público. O teste A/B, junto com outras estratégias de otimização de conversão, permite que você experimente diferentes abordagens para melhorar seu conteúdo, proporcionar melhores experiências ao cliente e atingir suas metas de conversão mais rapidamente. Este guia sobre testes A/B ajudará você a entender seus fundamentos.

Definição de teste A/B: O que é teste A/B?

Testes A/B, também conhecidos como testes divididos, permitem que você compare duas versões de algo para descobrir qual é mais eficaz. Em poucas palavras, seus usuários gostam mais da versão A ou da versão B?

O conceito é semelhante ao do método científico. Se você quiser descobrir o que acontece quando muda uma coisa, precisa criar uma situação em que apenas essa coisa seja alterada.

Pense nos experimentos que você realizou na escola primária. Se você colocar duas sementes em duas xícaras com terra e deixar uma no armário e a outra perto da janela, verá resultados diferentes. Esse tipo de configuração experimental é um teste A/B.

Histórico dos testes A/B

Nos anos 1960, os profissionais de marketing começaram a perceber como esse tipo de teste poderia ajudá-los a entender o impacto de sua publicidade. Um anúncio de televisão ou de rádio atrairia mais negócios? Cartas ou cartões-postais seriam melhores para ações de marketing por mala direta?

Quando a internet se tornou parte integrante do mundo dos negócios, nos anos 1990, os testes A/B passaram a ser digitais. Assim que as equipes de marketing digital tiveram recursos técnicos, elas começaram a testar suas estratégias em tempo real e em uma escala muito maior.

O que envolve o teste A/B?

O teste A/B envolve o uso de soluções digitais para testar diferentes elementos de uma campanha de marketing. Para começar um teste A/B, você deve ter:

• Uma campanha para testar . Para realizar um teste A/B de uma campanha de marketing, você precisa de um e-mail, boletim informativo, anúncio, página de destino ou outro material já em uso.
• Elementos a serem testados . Ao analisar os diferentes elementos da sua campanha, considere o que você pode alterar para incentivar os clientes a tomar uma atitude. Certifique-se de testar os elementos individualmente para obter medições precisas.
• Objetivos definidos . Os objetivos do seu teste A/B devem incluir descobrir qual versão da sua campanha gera melhores resultados para o seu negócio. Considere as diferentes métricas que você pode monitorar, como cliques, inscrições ou compras.

Como é o teste A/B na era digital?

Em essência, os testes A/B em marketing continuam os mesmos de sempre. Você escolhe o fator que deseja verificar, como uma postagem de blog com imagens versus a mesma postagem sem imagens. Então, exibe aleatoriamente um estilo de publicação de blog para os visitantes, controlando outros fatores. Também registra o máximo de dados possível, como taxas de rejeição, tempo gasto na página e assim por diante.

Você pode até testar mais de uma variável ao mesmo tempo. Por exemplo, se quiser avaliar a fonte e a presença de imagens, pode criar quatro páginas, cada uma exibindo a postagem do blog com:

1. Arial com imagens
2. Arial sem imagens
3. Times New Roman com imagens
4. Times New Roman sem imagens

O software de teste A/B de marketing retorna os dados de experimentos como este. Em seguida, alguém da sua empresa interpreta os resultados para decidir se faz sentido agir com base neles e, em caso afirmativo, de que forma.

Por que os testes A/B são importantes?

Os testes A/B fornecem os dados necessários para aproveitar ao máximo o seu orçamento de marketing. Digamos que seu chefe tenha disponibilizado um valor para direcionar tráfego ao seu site usando o Google AdWords. Você configura um teste A/B que rastreia o número de cliques em três títulos de artigos diferentes. O teste é executado por uma semana, garantindo que, em qualquer dia e horário específicos, o mesmo número de anúncios seja exibido para cada opção.

Os resultados desse teste vão ajudar você a determinar qual título recebe mais cliques. Com esses dados, você pode ajustar sua campanha de marketing em conformidade, melhorando o retorno sobre o investimento (ROI) em vez de simplesmente escolher um título aleatoriamente.

Pequenas alterações, grandes melhorias

Os testes A/B permitem avaliar o impacto de mudanças relativamente baratas de implementar. Executar uma campanha no AdWords pode ser caro, então você quer que cada aspecto seja o mais eficaz possível.

Digamos que você execute testes A/B na fonte, no tamanho do texto, nos títulos dos menus, nos links e no posicionamento do formulário de inscrição personalizado da sua página inicial. Você testa esses elementos dois ou três por vez para evitar muitas variáveis interagindo entre si.

Quando o teste é concluído, você descobre que alterar esses três últimos elementos aumenta sua taxa de conversão em 6% cada. Seu web designer implementa essas mudanças em menos de uma hora e, ao final, você terá a chance de gerar até 18% a mais de receita do que antes.

Riscos baixos, altas recompensas

O teste A/B não é apenas econômico, como também eficiente em termos de tempo. Você testa dois ou três elementos e obtém sua resposta. A partir daí, fica fácil decidir se uma mudança deve ser implementada ou não. E, se os dados reais não corresponderem aos resultados do teste, sempre é possível voltar a uma versão anterior.

Aproveitando o tráfego ao máximo

Se você usar testes A/B para tornar seu site o mais eficaz possível, poderá obter mais conversões por visitante. Quanto maior a taxa de conversão, menos tempo e dinheiro você precisará gastar em marketing, porque, em teoria, todas as pessoas que visitam seu site terão mais probabilidade de agir.

Lembre-se de que, ao melhorar seu site, você pode aumentar a taxa de conversão tanto do tráfego pago quanto do orgânico.

Em que os testes A/B funcionam?

Quando se trata de conteúdo voltado para o cliente, há muito que pode ser avaliado por meio de testes A/B.

Os alvos comuns incluem:

• Campanhas de e-mail
• E-mails individuais
• Estratégias de marketing multimídia
• Publicidade paga na internet
• Boletins informativos
• Design do site

Em cada categoria, você pode realizar testes A/B com qualquer número de variáveis. Se estiver testando o design do seu site, por exemplo, você pode experimentar diferentes opções, como:

• Esquema de cores
• Layout
• Número e tipo de imagens
• Títulos e subtítulos
• Preço dos produtos
• Ofertas especiais
• Design do botão de chamada para ação
• E-mails com vídeo vs. e-mails sem vídeo

Em essência, praticamente qualquer estilo ou elemento de conteúdo em um item voltado para o cliente é testável.

Como você realiza testes A/B?

No fim das contas, o processo de teste A/B nada mais é do que a aplicação do método científico. Se você quer extrair o máximo de resultados, precisa encará-lo de forma científica. Assim como no método científico em laboratório, o teste A/B começa com a escolha do que testar. Todo o processo consiste em várias etapas:

1. Identifique um problema

Certifique-se de identificar um problema específico. “Não há conversões suficientes”, por exemplo, é muito genérico. Muitos fatores determinam se um visitante do site se torna cliente ou se um destinatário de e-mail clica no seu site. Você precisa entender por que seu material não está convertendo.

Exemplo : você trabalha para um varejista de roupas femininas que tem muitas vendas online, mas poucas vêm de suas campanhas de e-mail. Você acessa seus dados analíticos e descobre que uma alta porcentagem de usuários está abrindo seus e-mails com ofertas especiais e os lendo, mas poucos estão realmente convertendo.

2. Analisar dados do usuário

Tecnicamente, você poderia realizar testes A/B em tudo o que seus clientes veem ao abrir seus e-mails, mas isso levaria muito tempo. Há muitos elementos de design e conteúdo que eles acessam e que não são relevantes, então você precisa descobrir qual elemento deve ser o foco do teste.

Exemplo : as pessoas estão abrindo seus e-mails, então não há nada de errado com a forma como você está escrevendo as linhas de assunto. Elas também estão gastando tempo lendo o conteúdo, então não há nada que as faça sair imediatamente. Como muitos dos usuários que chegam ao seu site por outros canais acabam se tornando clientes, você pode concluir que não há nada de errado com a forma como apresenta seus produtos. Isso sugere que, embora as pessoas considerem seus e-mails atraentes, elas estão se perdendo em algum ponto ao clicar para acessar o seu site.

3. Desenvolva uma hipótese para testar

Agora você está realmente reduzindo as opções. A próxima etapa é decidir exatamente o que você quer testar e como pretende testá-lo. Reduza suas incógnitas a uma ou duas, pelo menos no início. Assim, você poderá determinar como a alteração desses elementos pode resolver o problema que está enfrentando.

Exemplo : você percebe que o botão que leva as pessoas à sua loja online está escondido na parte inferior do e-mail, abaixo da dobra. Você suspeita que, se colocar o link no topo da tela, poderá incentivar as pessoas a visitarem seu site de forma mais eficaz.

4. Realize o teste de hipótese

Desenvolva uma nova versão do item a ser testado que implemente sua ideia. Em seguida, faça um teste A/B entre essa versão e sua página atual com seu público segmentado.

Exemplo : você cria uma versão do e-mail com o botão posicionado acima da dobra, sem alterar o design, apenas o posicionamento. Você decide executar o teste por 24 horas, define esse período como parâmetro e inicia o teste.

5. Analise os dados

Assim que o teste terminar, confira os resultados e analise se o novo design do seu e-mail gerou alterações perceptíveis. Caso contrário, tente testar um novo elemento.

Exemplo : seu novo e-mail aumentou ligeiramente as conversões, mas seu chefe quer saber se algo mais poderia funcionar melhor. Como a variável era o posicionamento do botão, você decide colocá-lo em dois outros locais.

6. Encontre novos desafiantes para o seu campeão

O mundo dos testes A/B às vezes usa "vencedor" e "desafiante" para se referir à melhor opção atual e às novas possibilidades. Quando duas ou mais opções competem e uma é significativamente mais bem-sucedida, ela é chamada de campeã. Em seguida, você pode testar esse vencedor contra outras opções, chamadas de desafiantes. Esse teste pode dar a você um novo campeão ou revelar que o campeão original era o melhor.

Exemplo : você fez um teste A/B com duas versões de uma página de destino e encontrou a campeã entre elas, mas também há uma terceira versão da página que você gostaria de comparar com a vencedora do primeiro teste. A terceira versão torna-se o novo desafiante a ser testado com relação ao vencedor anterior.

Depois de concluir as 6 etapas, você pode decidir se a melhoria foi significativa o suficiente para encerrar o teste e implementar as alterações necessárias. Ou pode realizar outro teste A/B para avaliar o impacto de outro elemento, como o tamanho do botão ou o esquema de cores.

Dicas para testes A/B

Aqui vão algumas dicas para tornar seus testes A/B o mais úteis possível.

Use amostras representativas de seus usuários

Qualquer cientista dirá que, ao realizar um experimento, é preciso garantir que os grupos de participantes sejam o mais semelhantes possível. Se você estiver testando um site, pode usar diversas ferramentas de teste automatizado para garantir que uma seleção aleatória de pessoas veja cada versão.

Se você estiver enviando material diretamente para seus clientes ou clientes em potencial, precisará criar manualmente listas comparáveis. Torne os grupos o mais semelhantes possível em tamanho e, se tiver acesso aos dados, distribua igualmente os destinatários de acordo com gênero, idade e localização geográfica. Dessa forma, as variações nesses fatores terão impacto mínimo nos resultados.

Maximize o tamanho da amostra

Quanto mais pessoas você testar, mais confiáveis serão seus resultados. Isso se relaciona a um conceito que os estatísticos chamam de "significância estatística".

Se o resultado for estatisticamente significativo, é improvável que tenha ocorrido por acaso. Por exemplo, se você enviar uma nova versão de um e-mail para 50 pessoas e uma versão de controle para outras 50, um aumento de 5% na taxa de cliques significa apenas que cinco pessoas responderam melhor à nova versão. A diferença é tão pequena que pode ser explicada pelo acaso, então, se o mesmo teste for realizado novamente, há uma boa chance de os resultados serem diferentes. Em outras palavras, seus resultados não foram estatisticamente significativos.

Se você conseguir enviar o mesmo conjunto de e-mails para grupos de 500 pessoas, um aumento de 5% significa que 50 responderam melhor ao seu novo estilo, o que torna esse resultado muito mais provável de ser significativo.

Evite erros comuns

É tentador criar um pop-up com uma nova fonte, novo tamanho de texto, novos tamanhos e cores de botão. Porém, quanto mais elementos novos você adicionar, mais confusos serão os resultados.

Seguindo o exemplo acima, se o seu novo pop-up tiver um design completamente diferente do original, você provavelmente verá correlações que são mera coincidência. Talvez pareça que o grande botão roxo de “pagamento”, com a imagem do sinal de dólar, esteja tendo um desempenho melhor do que o pequeno botão azul que ele substituiu, mas é possível que apenas um desses elementos de design seja realmente significativo, como o tamanho, por exemplo.

Lembre-se de que você sempre pode executar um novo teste com elementos diferentes mais tarde. Analisar esse teste de acompanhamento será muito mais fácil do que tentar interpretar um único teste com 18 variáveis distintas.

Aguarde a conclusão do teste antes de fazer alterações

Como os testes A/B permitem ver os efeitos de uma alteração em tempo real, é tentador encerrar o teste assim que você observa os resultados para implementar uma nova versão imediatamente. No entanto, se fizer isso, há mais chances de que seus resultados sejam incompletos e menos significativos do ponto de vista estatístico. Fatores sensíveis ao tempo podem afetar esses resultados, portanto é preciso aguardar até o final do período de teste para se beneficiar da randomização.

Realize testes mais de uma vez

Mesmo os melhores softwares de teste A/B apresentam falsos positivos, pois o comportamento do usuário é altamente variável. A única maneira de garantir que seus resultados sejam precisos é executar o mesmo teste novamente com os mesmos parâmetros.

A repetição do teste é especialmente importante se a nova versão apresentar apenas uma pequena margem de melhoria. Um único falso positivo pesa mais quando há poucos resultados positivos.

Além disso, se você fizer muitos testes A/B, é mais provável que encontre um falso positivo. Você pode não conseguir se dar ao luxo de repetir todos os testes, mas, se retestar de vez em quando, terá mais chances de detectar erros.

Simplifique o teste A/B com o Mailchimp

O teste A/B é uma forma eficiente e eficaz de avaliar como o seu público reage a uma ideia de design ou conteúdo, sem perturbar a experiência dos usuários nem exigir pesquisas de feedback intrusivas. Tente algo novo e deixe os resultados falarem por si mesmos.

Nunca fez testes A/B? Teste facilmente suas campanhas com o Mailchimp para determinar quais cabeçalhos de e-mail, elementos visuais, assuntos e textos repercutem mais entre seus clientes.