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

reter usuários correntes do Pinterest? Esse é um exemplo do chamado
teste multivariado, que, em vez de comparar duas alternativas, testa todas
as combinações possíveis de cada elemento de uma mensagem para
chegar à permutação que dê o melhor resultado. Ou peguemos o
chamado multi-armed bandit, um mecanismo de teste mais sofisticado
usado por empresas para conseguir resultados melhores e mais rápido.
Mais adiante, vamos apresentar outras modalidades de teste e explicar
detalhadamente como funciona cada uma.
EXPERIMENTOS NO PRODUTO
Os testes mais complexos, que exigem considerável tempo do pessoal
de engenharia, em geral são os de mudanças no produto em si. Embora
seja comum em produtos digitais e softwares, essa forma de
experimentação também serve para artigos tangíveis. Elaborar o protótipo
mais simples possível e pedir aos usuários que o testem ou criar uma
versão demo ou um vídeo para mostrar como funcionaria um novo
recurso e ver a reação do público são apenas duas das muitas maneiras
pelas quais uma equipe pode aprender com experimentos.
É preciso priorizar ajustes que, ao longo do tempo, já comprovaram ser
capazes de turbinar resultados e melhorar a experiência do usuário, como
acelerar o tempo de resposta do carrinho de compras de um site ou
aprimorar o processo de sign-up. Já mudanças de efeito pouco
comprovado, como a pesada reformulação do produto ou o acréscimo de
funcionalidades, só devem ser feitas se houver uma forte hipótese fundada
na análise de pesquisas e dados dos usuários. Em outras palavras, no caso
de testes que exigem muito tempo e trabalho, é preciso minimizar o risco
do investimento de todo esse esforço. Como? Partindo de uma lógica
sólida e mesclando iniciativas maiores e mais arriscadas com coisas mais
seguras. Com isso, o time garante um equilíbrio entre apostas grandes,
arriscadíssimas, e ajustes incrementais que produzam um crescimento
garantido.
MERGULHANDO NOS DADOS
Times de crescimento contam com mais dados do que nunca, mas essa
montanha de informações é completamente inútil se não puder ser
analisada e gerar insights úteis. Isso significa que não basta conferir os
dados gerados pelas inúmeras ferramentas e dashboards disponíveis