Cultura de la experimentación: del Marketing-Led Growth al Experimentation-Led Growth

Este programa lo dedicamos al concepto de la cultura de la experimentación. A entender mejor cómo va eso de analizar el negocio y generar hipótesis de mejora,
Cultura de la experimentación Jaime Germá y Jona Jiménez
17 de junio de 2024
Copiar enlace

Hace tiempo que hablamos de CRO, conversion rate optimization, de growth… este programa queremos dedicarlo al concepto de la cultura de la experimentación. A entender mejor cómo va eso de analizar el negocio, generar hipótesis de mejora, priorizar pruebas, testar y, si procede, ejecutar, pero, MUY IMPORTANTE, siendo conscientes de que es normal que la mayor parte de los experimentos salgan mal. eso es experimentar, aprender tanto de las buenas como de las malas.

Vamos a hablar de este tema con Jaime Germá y Jona Jiménez, líderes del área de Growth en la agencia VIVA! Conversion.

Patrocinador del programa: Prueba gratis durante 2 semanas la herramienta multicanal crisp.chat

Entrevista Jaime Germá y Jona Jiménez (VIVA! Conversion)

8:49 [Jaime] Para aquellos que nos están muy familiarizados con el tema, ¿cómo explicarías a qué nos referimos cuando hablamos de growth y la cultura de la experimentación?

Lo que pretendemos en growth es neutralizar la intuición y que las decisiones sean lo más objetivas posible. A través de la experimentación y basado en el método científico, obtenemos un dato real y objetivo en el valor comparativo de sí un camino es mejor que otro y a raíz de eso generamos aprendizajes.

Una de nuestras tareas es la evangelización de que el aprendizaje tiene mucho valor, porque es escalable. Un test o una experimentación produce un aprendizaje que puede extrapolarse a otras partes, tanto de la estrategia de marketing como de la propia empresa.

10:31 [Jona] ¿Qué beneficios concretos aporta a una empresa adoptar la cultura de experimentación?

El primer beneficio es que no trabajamos sobre intuiciones, sino que priorizamos la evidencia científica sobre nuestra propia opinión. Cuando tenemos un programa de experimentación, generamos ideas, hipotetizamos sobre ellas y las validamos, lo que nos permite trabajar sobre certezas contrastadas.

El segundo beneficio, es que la experimentación es la única forma de innovar y adaptarse al futuro. Hace unos años era mucho más sencillo tener un buen eCommerce y vender, porque no había tantos, pero ahora tienes un montón de competidores y muchos de ellos con alto nivel de competencia. Por esto, necesitamos entender muy bien qué necesita y que desea probar nuestro usuario.

Si nos basamos en lo que creemos qué le puede gustar, nos cerraremos a sesgos impuestos, tanto propios como de los directivos. En cambio, la experimentación, se basa en datos reales de la audiencia y nos brinda una ventaja competitiva frente a aquellos que no están experimentando.

–Jaime: añadiría el tema del data driver. En muchos casos se dice que una empresa es data driver, porque se tiene acceso al dato a través de un dashboard y se toman decisiones basadas en ellos. Sin embargo, esa decisión no deja de ser subjetiva, porque parte de una interpretación propia del dato.

Si, por el contrario, sacas una hipótesis basada en ese dato, experimentas con base en la hipótesis y tienes un dato resultado de esa experimentación, si te conviertes en data driver de verdad, porque has refinado el dato.

Por otro lado, otro beneficio es en cómo impacta esto el negocio. Se trata de elegir, por medio de la experimentación, el camino más rentable y en el que vas a tener mejores resultados. Igualmente, experimentar te va a ayudar a minimizar riesgos y reducir costes.

–Jona: Nos gusta decir que la experimentación nos ayuda a reducir la brecha entre la percepción y la realidad. La percepción es lo que yo invento y lo que creo que va a funcionar, la realidad es lo que de verdad funciona. Tampoco hay que ser idealistas y pensar vamos a minimizar 100% los sesgos, pero sí se reduce mucho esa opinión propia.

16:33 [Jaime] Llevémoslo a real, ¿cómo sería una forma de trabajar esto en el día a día?

Independientemente de la disciplina que trabajemos (marketing automation o CRO) intentamos meter todo en una fase de análisis, para hacer una lectura de los datos generados. Luego los metemos en nuestro sistema de priorización ICF (Impacto, confianza y facilidad), con el que escogemos cuáles experimentos priorizar según los que tengan más impacto, confíe más en que vayan a funcionar y sean más fáciles de ejecutar.

Sin embargo, todo esto depende mucho del cliente. Tenemos algunos que experimentamos sólo el CRO, otros solo marketing automation y otros que trabajamos ambas áreas, que esta última es una maravilla, porque la experimentación todavía no tiene un alto grado de madurez.

–Jona: Tenemos análisis y validación. En el saco del análisis metemos la tarea continua de entender bien el comportamiento del usuario, según el caso que estemos analizando, y descubrir ineficiencias, oportunidades de mejora, si la propuesta de valor está bien explicada.

Lo más importante en esta fase previa es entender bien el negocio, conocer cómo hace dinero el negocio, qué palancas se pueden tocar para mejorarlo y su competencia. Tenemos que tener en cuenta cuáles son los KPIs queremos impactar y mejorar. Además, hay que enfocarse en objetivos concretos durante periodos concretos, porque no se puede optimizar toda la ves y no tiene sentido.

La segunda parte de la fase de análisis es más de caverna, que revisamos los datos cualitativos (grabación de sesiones, encuestas previas e información del departamento de atención al cliente) y cuantitativos (a través de Google Analytics y datos de la web). En un proyecto de optimización bien ejecutado, el análisis es prácticamente un 80% del trabajo.

Una vez tenemos este análisis, hipotetizamos, desarrollamos ideas que pueden ayudarnos a mejorar o solucionar estos problemas, matriz de priorización. Luego entra la parte técnica. Pensar en experimentos que ayuden a validar esa hipótesis, desarrollarlos (en conjunto con el equipo de desarrollo) y lanzarlos para obtener resultados. Con estos resultados y validación, vuelve al loop infinito de análisis, porque nos sirven para abrir nuevos posibles experimentos e ideas.

27:14 Luego de que tienen toda la lista de posibles hipótesis priorizadas bajo su sistema ICF ¿cómo suele ser el volumen de trabajo?

–Jona: lo normal es que, en función de dónde se vaya a probar (un activo digital o una página web), estimamos el tiempo que puede tardar por el volumen de usuarios que tenemos. Un experimento es plantear una variante (la forma en la que mostramos la propuesta de valor, el copy, visibilizar más algún elemento) sobre el original.

Con la variante planteada dividimos el tráfico, dirigiendo la mitad a la original y la otra mitad a la variante. Con esto podemos hacer una estimación en función de lo que esperamos que aumente la conversión. La conversión entendida como la consecución de un objetivo, que no necesariamente tiene que ser compra, sino añadir al carrito o cualquier otro tipo de objetivo digital.

30:34 ¿Qué herramientas podéis usar en el día a día para aplicar este tipo de experimentos?

En el caso de CRO, solemos usar diferentes herramientas de A-B testing, como VWO y Convert, que funcionan de forma muy similar. Nos permiten inyectar y modificar el código del frontend de forma más o menos sencilla y generar 2 versiones de una página web o de alguno de los elementos que aparezcan en el sitio. Incluso permite generar un camino alternativo dentro de un proceso, como un checkout alternativo.

Por otro lado, nos permiten segmentar audiencias muy concretas y elegir a personas que entran desde un país concreto, desde una campaña concreta o que cumplen cierta serie de características.

También va a haber test que estén localizados en una parte concreta de la página, por ejemplo, en PC Componentes quiero experimentar solo con los usuarios que caen en la categoría de cámaras o los que vengan de la campaña de SEM o demás.

33:55 [Jaime] ¿Qué tipo de cosas suelen ser las que más os dejan experimentar?

Nos dejan experimentar con cosas principalmente orientadas a marketing digital, explorar con los canales tradicionales, aunque la cultura de la experimentación puede ir mucho más allá. Por ejemplo, en Debuy experimentamos mucho sobre cómo reducir las devoluciones por medio de un try and buy y por medio de muestras.

Lo que pasa es que hay una brecha muy grande entre, «quiero experimentar sobre la web, hacer CRO o quiero mejorar el rendimiento de mis acciones de email marketing» hacia «tengo una cultura de experimentación abierta dentro de mi empresa».

36:44 ¿Cuáles suelen ser las barreras que os encontráis para aplicar la cultura de la experimentación?

–Jaime: Es un tema de confianza y de velocidad de resultados. Muchas veces vienen a experimentar, porque tienen bloqueo en los canales tradicionales y se les dificulta escalar en el canal tradicional, ya sea metiendo mayor inversión en paid, más recursos en SEO, así que tienen esa necesidad de capitalizar lo que ya tienen, pero con la mentalidad rendimiento y resultados rápido.

La mayor barrera que nos encontramos, sobre todo al arranque de un servicio, es si encadenas dos test con resultado negativo, para nosotros es positivo, pero los clientes se ponen nerviosos, porque le damos el tratamiento del canal tradicional de resultados positivos. Partimos de que ese aprendizaje con un resultado negativo, nos va a ayudar a mejorar en el siguiente y nos va a ayudar a aplicarlo incluso a otras acciones.

–Jona: si solo buscas un retorno, la experimentación lo va a traer, pero no de una forma tan medible como otro tipo de acciones. Muchas veces se nos acercan los departamentos de marketing bloqueados, porque los canales están saturados y si bien CRO tiene algo de experimentación, no hay una mentalidad real de que las cosas que hagamos tengan un sentido o que las cosas que probemos se validen.

Muchos de esos programas de CRO están gente de marketing muy obcecada en sus campañas y su retorno y a veces es difícil, porque las expectativas no se acaban de cumplir. En la experimentación es normal y habitual tener varios tests negativos o no concluyentes, de hecho, entre el 70% y 80% de los test de un programa de experimentación bien planteado deberían ser no concluyentes.

Esto genera una presión sobre los departamentos de Growth, que en muchos casos te puede llevar a proponerte test que son más ganadores, pero son ideas menos importantes a largo plazo.

Un ejemplo, Booking, una referencia a nivel de experimentación, corre unos 25.000 tests al año y tiene un 10% de tasa de éxito en sus tests. Es decir, un 90% de los tests que prueban salen negativo o no concluyente, pero ellos son conscientes de que ese 10% supone mucho, porque cuando se encuentran pequeñas ganancias en ese 10% de 25.000, genera una mejora muy grande en su negocio.

45:39 Siendo data-driven ¿cuál es el ratio que usáis normalmente de experimentos positivos?

–Jona: no es un dato tan sencillo de tener. Estamos intentando generar cierta información interna para también evaluar y contrastar mejor programas de optimización, pero hay tanta diferencia de madurez digital entre unos proyectos y otros que a veces tampoco es tan sencillo.

En proyectos que no están muy optimizados tenemos fácilmente en torno al 50-60% de test exitosos, pero cuando trabajas con proyectos que están muy optimizados, lo normal es encontrar una fase de meseta en la que ya no es tan sencillo obtener resultados tan exitosos.

Pero también hay que aprovechar y empezar a tocar otras áreas en ese tipo de negocios muy optimizados. Hace un tiempo se pasó del marketing led growth (marketing dirigido al crecimiento de las empresas con campañas y con presupuestos) al product led growth (el producto, diseño y valor del producto es lo que está en el centro del crecimiento de la empresa). Ahora mismo, está en tendencia el experimentation led growth, es decir, que toque todas las áreas de negocio, como ventas, customer care, operaciones y otro tipo de áreas, que permita experimentar, generando mayor rentabilidad, impactar a otros clientes con nuevos productos o demás.

52:54 ¿Algún caso de éxito que podáis contar?

–Jaime: un ejemplo de marketing automation. Tenemos Unimar, líder en Costa Rica y con un volumen de negocio muy grande allí, que quería que le gestionemos marketing automation, pero es el típico cliente que lleva años trabajandolo y no tienes un espacio sin cubrir para atacar.

En este caso, empezamos experimentando en el embudo integral de recuperación de carrito abandonado, en la que trabajamos desde mejora de apertura, el ratio de clic, también en la web, con mejora de la conversión de los usuarios que llegaban y experimentamos mucho sobre timings.

Una conclusión con un aprendizaje muy interesante que llegamos fue que el típico copy de «tu carrito te espera» o «te estoy guardando tu carrito» no aportan valor. Partimos de la hipótesis de que el nexo de unión entre que has dejado una ficha vacía y poder clicar, está en el producto.

Experimentamos sobre la variable de traer el nombre del producto al asunto y eso nos generó un incremento en ratio de apertura en torno al 20%. Además, hicimos diferentes iteraciones sobre la reestructuración del propio mail, sobre qué información mostrar, y mejoramos progresivamente la tasa de clic.

–Jona: me gusta hablar más de fracasos de éxito, es decir, lo que evitas perder por experimentar. Recientemente, trabajamos con un cliente español muy conocido a nivel internacional, que en su proceso de compra no tenían página intermedia de carrito, sino que llevaban directamente al checkout.

Tomaron la decisión, porque a nivel interno querían promocionar un producto de cross-sell, volver a un carrito intermedio en el que el usuario viera el producto que encaja con el producto que ha añadido al carrito. Desde el primer día cae un 30% la conversión, lo que significa mucho dinero para este tipo de cliente.

A veces es difícil calcular el retorno que produce un programa de experimentación, pero es que también habría que tener en cuenta lo que te evita perder, especialmente con empresas con determinada entidad, tamaño, número de transacciones y tickets medios.

1:01:49 [Jaime] Hablando de IA ¿La han incorporado para ser más productivos a la hora de experimentar? ¿Han ayudado a clientes a implementarla?

La IA nos hace ser mucho más eficientes, tanto en el análisis, como en la ideación y en el desarrollo. En el análisis, en acciones de research, donde teníamos insights muy cualitativos y requería de mucho tiempo de estudio, la IA nos ayuda a sacar la información más importante de las encuestas. En la ideación, la IA nos da ideas para meter en el sistema de priorización y en el desarrollo, le podemos pedir un código que podamos pegar.

Otros artículos de

Publicado por

Director de Marketing4eCommerce
Fundador y director global de Marketing4eCommerce, enfocado en ayudar a que el eCommerce crezca.

Suscríbete a M4C

Únete a nuestro canal de Telegram

¡Todo lo que necesitas saber!

Apúntate a nuestra newsletter y recibe gratis en tu correo nuestros mejores artículos sobre eCommerce y marketing digital.