Hacking growth_ A estratégia de marketing inovadora das empresas de crescimento mais rápido

relevantes a consultar e como criar o relatório mesmo que os dados
estejam dispersos (outro motivo para incluir um analista de dados no time
de crescimento!).
Ao sentar para analisar os dados, a equipe faz um punhado de
constatações curiosas. Descobre, por exemplo, que um grande número de
usuários está colocando itens no carrinho de compras, mas saindo do
aplicativo antes de fornecer os dados do cartão de crédito. Vê, também,
que um número importante de pessoas não está buscando muitos itens e
que os clientes mais ativos na primeira semana depois de baixar o
aplicativo conferiram um volume considerável de itens na primeira visita.
Por último, observa que uma grande parcela de usuários que colocam
produtos na lista acaba efetivando a compra e que muitos deles voltam a
comprar posteriormente.
Esses dados deixam claro que um dos principais obstáculos é a
experiência do checkout. Logo, seria bom considerar experimentos para
facilitar esse processo, talvez testando um novo formulário de pagamento,
mais fácil ou mais rápido de preencher. Já que novos usuários não estão
buscando muita coisa no aplicativo, o time também deveria considerar
testes para incentivar os primeiros visitantes a navegar mais – por exemplo,
facilitando a busca de itens na tela inicial do aplicativo, dando destaque a
produtos em promoção ou alardeando mais certas seções do aplicativo
(uma tela com os “produtos mais populares”, digamos).
Opção não falta para a equipe. No entanto, antes de começar a testar
essas ideias, há mais um passo no levantamento de dados: sair a campo, ou
seja, fazer um punhado de pesquisas e entrevistas para tentar descobrir as
razões do comportamento revelado pelos dados. Isso vai ajudar o time a
fechar o foco e a bolar e testar os hacks de maior potencial.
A equipe de crescimento da Qualaroo, empresa de pesquisa online
criada por Sean, seguiu esse processo na busca de ideias de hacks para
aumentar a ativação. Ao analisar a fundo os dados de usuários – para
detectar diferenças na experiência de quem usava a versão grátis e depois
assinava o serviço e na de quem testava o produto, mas, no final, não
comprava –, vimos que a maioria dos usuários que acabavam comprando
tinha obtido pelo menos 50 respostas em pesquisas feitas no período de
teste do serviço. Como sabíamos que o momento aha para o cliente era
conseguir um feedback acionável com as pesquisas, determinamos que 50
respostas era o ponto após o qual o valor do serviço ficava patente.