As marcas que executam testes A / B para cada e-mail enviado relatam um ROI de marketing por e-mail 37% maior do que as marcas que não executam nenhum teste A / B.
Seja uma empresa B2B enviando campanhas de email por gotejamento para seus leads ou uma marca de comércio eletrônico enviando ofertas promocionais, adicionar experimentação na forma de testes A / B a um mix de email marketing é uma maneira de obter mais conversões.
Mas essa experimentação de email é intencional. O que significa que simplesmente pesquisar no Google as ” idéias de teste A / B por e-mail ” e sair da lista não funciona. Você precisa fazer mais. Então, vamos ver algumas maneiras pelas quais você pode começar com os testes A / B de e-mail que o prepararão para o sucesso repetitivo do marketing por e-mail.
Table of Contents
Escolhendo as métricas de desempenho corretas
Quando se trata de e-mails de teste A / B, a maioria dos profissionais de marketing de e-mail começa a pensar em termos do que poderia gerar mais aberturas e cliques. Mas essas métricas de envolvimento de alto nível raramente refletem o real sucesso de uma campanha de e-mail.
Por exemplo, mesmo que um experimento por e-mail (digamos em uma linha de assunto) receba mais aberturas, ele não informa se a campanha por e-mail acabou gerando mais leads, receita ou negócios.
Para entender os negócios reais que uma campanha de email gera, você precisa estudar todo o funil de interação por email. Você precisa monitorar e entender o comportamento no local de seus assinantes de email, uma vez que eles abrem e clicam em seus emails. E, em seguida, relate as métricas de negócios “reais”, como inscrições de teste ou solicitação de demonstração, quando o e-mail abrir e clicar.
Simplesmente parar de monitorar as aberturas e cliques em um experimento por e-mail e declarar os vencedores como os que obtêm mais não é o caminho certo, pois deixa as conversões reais fora da experimentação.
Essencialmente, você precisa dizer como as métricas de engajamento, como as abertas ou os cliques resultantes da experiência, são mapeadas para as métricas de desempenho reais (como a métrica de conversão da página de destino à qual o email de abertura / clique eventualmente leva). Simplesmente parar de monitorar as aberturas e cliques em um experimento por e-mail e declarar os vencedores como os que obtêm mais não é o caminho certo, pois deixa as conversões reais fora da experimentação.
Chad S. White (autor do livro de e-mail marketing mais importante “Regras de Marketing de E-mail”) explica isso muito bem:
“Além disso, quem se importa se a linha de assunto A gerar mais vagas do que a linha de assunto B se esta gerar mais conversões? E quem se importa se o conteúdo de email A gera mais cliques do que o conteúdo de email B, se o último produz mais conversões? Garantimos que seu chefe prefere mais conversões. ”
Então, como você observa o comportamento dos assinantes no email para determinar os vencedores “reais” dos experimentos de teste A / B de email?
Uma maneira simples de fazer isso é através do Google Analytics usando parâmetros UTM . Com os parâmetros UTM, é possível estabelecer razoavelmente se o seu email foi o ponto de contato final antes da conversão ou se ajudou na conversão. Vamos dar um exemplo.
Suponha que você execute um experimento por e-mail no qual testa duas versões do conteúdo (cada uma contendo apenas um link para sua página de destino). Além disso, vamos supor que uma versão (ou versão A) use o medo de perder a abordagem do conteúdo com uma avaliação gratuita por tempo limitado e a outra use a abordagem de prova social (usando depoimentos, distintivos, críticas etc.) )
Portanto, usando os parâmetros UTM para esta experiência, você deve criar dois links distintos para sua frase de chamariz.
Pode-se:
convert.com?utm_source=newsletter&utm_medium=email&utm_campaign=q2&utm_content= fomo
E o outro poderia ser:
convert.com?utm_source=newsletter&utm_medium=email&utm_campaign=q2&utm_content= socialproof
À medida que os assinantes clicam nos seus links e acessam seu site, o Google Analytics captura os dados dos links com tecnologia UTM e pode mostrar qual tema de conteúdo funcionou melhor.
Você pode se surpreender ao descobrir que, embora o e-mail de conteúdo baseado no medo tenha inspirado mais cliques, na verdade, foi o e-mail carregado à prova de social que obteve mais inscrições. Você entendeu a ideia, certo?
Alguns provedores de serviços de marketing por email também suportam esse rastreamento pronto para uso, enquanto outros permitem que você crie integrações para que você possa obter uma captura instantânea melhor e acompanhar com precisão a resposta da sua campanha por email.
Formando uma boa hipótese
Como em qualquer experimento, mesmo um experimento por email deve começar com uma forte hipótese. Uma hipótese é sempre guiada por um problema e essencialmente estabelece por que você deseja executar um experimento em primeiro lugar.
Escrever uma hipótese para seu experimento por e-mail obriga a analisar os dados (ou o “problema” com o qual você está enfrentando atualmente), analisar por que você acha que seu experimento terá um impacto positivo na taxa de conversão e também listar as métricas que irá definir o sucesso.
O especialista em otimização de conversão Craig Sullivan compartilha um kit simples de geração de hipóteses em seu post do Medium :
Aqui está outra ferramenta útil de geração de hipóteses on-line . Basta preencher seus detalhes e sua hipótese baseada em dados deve estar pronta.
Como você pode ver, simplesmente escrever uma hipótese ajuda a estabelecer uma base sólida para um experimento por e-mail, impedindo-o de testar alterações aleatórias e, ao mesmo tempo, solicitando que você teste as alterações com base nos objetivos do seu canal de e-mail.
Escolhendo o tipo de teste A / B de email a ser executado
Não quero entrar nos elementos que você pode testar em seu experimento – porque você pode testar tudo, desde o campo e a linha de assunto do remetente até a cópia e o layout. Em vez disso, aqui gostaria de discutir que tipo de elemento você deve testar com base em seus objetivos.
Essencialmente, os testes que testam pequenos ajustes, como uma cor diferente do botão CTA ou uma imagem diferente, apenas ajudam você a passar de uma taxa de conversão de X para X.2.
Porém, se você rotineiramente vê conversões ruins de suas campanhas de email, passar do X para o X.2 não ajuda. Em vez disso, você deve procurar oportunidades de otimização de conversão que levam de X a 2X. Isso acontece apenas quando você executa experiências radicais.
A experiência de conteúdo da seção acima, por exemplo, é uma experiência radical em que você expõe seus assinantes a estilos de mensagens completamente diferentes do que você usa atualmente. Tais experiências radicais o ajudam a descobrir o ” Máximo Global ” no seu caso ou uma abordagem totalmente nova para você, mas que pode gerar conversões massivas.
Com base nas suas metas de conversão de e-mail, você pode optar por realizar uma série de experimentos testando pequenos ajustes ou começar com um experimento radical e desenvolver uma série de experimentos testando pequenos ajustes para melhorar ainda mais a taxa de conversão aprimorada.
Acertando a logística
Depois de colocar a hipótese no teste A / B de e-mail, é hora de determinar o tamanho da amostra, a duração da experiência e como você dividirá sua base de assinantes.
Quando se trata de enviar por email os tipos de divisão A / B, o mais popular é a divisão 50/50. Aqui você envia a versão A para 50% de seus assinantes e a versão B para os 50% restantes.
Como alternativa, você pode enviar a versão A para 25% de seus assinantes, a versão B para outros 25% e a versão vencedora (com base nas aberturas ou cliques gerados) é enviada para os 50% restantes dos assinantes.
Alguns profissionais de marketing por email não incluem toda a base de assinantes em seus testes. Nesse caso, por exemplo, se você tiver uma campanha de gotejamento de 10 e-mails e decidir executar um teste A / B com um 11º e-mail adicional, poderá experimentar apenas 90% de seus assinantes e os 10% restantes não seja exposto à sua experiência. Esse teste de validação ajuda a avaliar a eficácia geral do seu experimento. A equipe de otimização do Pinterest geralmente usa um ” grupo de validação de 1% ” para suas experiências.
Além de finalizar a divisão, você também deve pensar no tamanho da amostra que vai testar (esse é um bom recurso sobre os tamanhos de amostra A / B para teste).
[Você] pode experimentar apenas 90% dos seus inscritos e os 10% restantes não serão expostos à sua experiência. Esse teste de validação ajuda a avaliar a eficácia geral do seu experimento.
Em geral, a maioria dos provedores de serviços de marketing por email sugere que você pode executar testes A / B vencedores, mesmo com pequenas bases de assinantes. Por exemplo, de acordo com o MailChimp, se você tiver 5000 assinantes para testar cada uma de suas versões (10.000 no total para as versões A e B), deverá ser bom. O HubSpot, por outro lado, liga para uma base de assinantes com 1.000 contatos decentes o suficiente para realizar experimentos A / B.
No entanto, se você deseja um tamanho de amostra mais preciso para sua experiência, consulte as calculadoras de tamanho de amostra nessas ferramentas de otimização de conversão .
Depois que você souber como dividir sua base de assinantes e quantos contatos usará para executar suas experiências A / B de e-mail, é hora de identificar o ponto de parada do seu teste.
Dependendo dos objetivos do seu teste (abrir ou clicar), seu ponto de parada será diferente. De acordo com o MailChimp , um teste para otimizar a abertura pode encontrar um vencedor em cerca de 2 horas. E para testes de otimização da taxa de cliques, a duração ideal do teste foi de aproximadamente 12 horas.
Observe que seu vencedor com base em cliques ou aberturas pode ou não ser o “vencedor final”, porque, como vimos acima, o vencedor final é aquele que gera mais conversões, e uma versão de email com mais engajamento não garante conversões mais altas. Na maioria dos casos, você precisará de alguns dias para determinar o vencedor final com base na interação do assinante com o seu email e a atividade dele no site.
Construindo uma estrutura robusta de teste de email
Ao iniciar o teste A / B de email, pode ser muito viciante testar a cor do botão ou a eficácia da personalização. Freqüentemente, esses pequenos ajustes movem as métricas por causa do efeito de novidade, com os assinantes respondendo à “novidade” em seus e-mails.
Mas, embora essas vitórias instantâneas ajudem a gerar interesse na experimentação de e-mail , elas pouco contribuem para o sucesso no marketing a longo prazo.
Para isso, é necessário desenvolver uma estrutura de teste de email que permita seguir suas metas específicas de marketing de email e evitar o uso da largura de banda de teste para testar alterações aleatórias.
Freqüentemente, pequenos ajustes movem as métricas por causa do efeito da novidade, com os assinantes respondendo à “novidade” em seus e-mails.
A criação de uma estrutura de experimentação de email também ajuda a documentar todos os testes de email executados e seus resultados. Os resultados de suas experiências anteriores o guiarão no planejamento de futuros testes por email. Por exemplo, se você encontrar em um dos testes A / B de seu e-mail que pressionar o botão CTA de e-mail na área de dobra obtém mais cliques, convém testar outra cor para o botão CTA em uma experiência de acompanhamento para verificar se está fazendo melhora ainda mais a taxa de conversão.
Ao investir em uma estrutura desse tipo, sempre que desejar planejar um teste de e-mail (o que você deve fazer frequentemente para obter maior sucesso), você terá várias idéias que já aprendeu em experiências anteriores.
Pode parecer muito trabalho, mas mesmo uma simples planilha do Google faria o trabalho.
Fechando
Portanto, isso é tudo o que você precisa saber para começar a executar testes A / B significativos de e-mail que realmente afetam os resultados da sua empresa.