O desafio:
Um cliente realizou uma migração de plataforma para um ecossistema mais robusto que
permitisse o crescimento ainda mais acelerado da loja virtual.
Houve uma migração de URL fazendo com que o e-commerce se tornasse o principal
domínio on-line desta marca que é uma gigante da indústria brasileira.
Ao migrar, notamos um expressivo aumento de tráfego, já esperado por conta do domínio, e
uma enorme queda nas conversões da loja.
O que foi encontrado:
Para entender os principais motivos da queda na conversão, a equipe de CRO e
experimentação da Driven buscou entender o comportamento de funil no GA4 da loja e
notamos que mais de 94% dos usuários que chegavam à página de produto não
adicionavam ao carrinho.
Entendendo o que acontece e quanto acontece, fomos atrás do ‘por que acontece’, e
utilizamos pesquisas no site questionando o que impede os usuários de adicionarem
produtos ao carrinho e pesquisas via-email para entender se os usuários compradores
pensaram em desistir da transação em algum momento.
As respostas foram unânimes: o preço da loja oficial da marca era maior que os
concorrentes em alguns (muitos) produtos!
A solução:
Tendo isso em vista, nos questionamos:
- O preço é de fato maior, o que fica muito claro quando somos impactados por
campanhas de Google Shopping. Contudo, os usuários ainda clicam e preferem a
loja oficial da marca, por que será que isso acontece? - Se mesmo vendo que é mais caro, ainda entram na loja oficial, isso pode ser um
sinal de que estão muito motivados!
Se estão motivados ao entrar no site e a ação de adicionar o produto ao carrinho é
teoricamente ‘fácil’.
Então, segundo BJ Fogg, só falta um gatilho! Que funcionará perfeitamente nas páginas de
produto, pois a motivação e a habilidade são altas.
Ainda sim, esse gatilho precisa ser rápido e eficiente, pois a motivação está em queda, uma
vez que o usuário entrou na loja oficial buscando comparar e encontrar motivos que o façam
adquirir no site da marca e não em locais mais baratos.
Além disso, teríamos outro problema, trata-se de uma das maiores indústrias do país,
portanto aquele gatilho de estoque “restam x produtos em estoque”, falharia
miseravelmente, uma vez que o estoque da marca é gigantesco.
Dessa forma, fomos por outros caminhos: gatilhos de prova social, que se somados, se
tornam um gatilho de escassez, como assim?
Se eu digo que X pessoas estão olhando e Y itens já foram vendidos, inconscientemente os
usuários podem entender que esse item está sendo procurado e se não comprarem logo
podem ficar sem. Ninguém quer perder uma ótima oportunidade ou parecer diferente de um
grupo.
Portanto, temos gatilhos de prova social, que juntos são um gatilho de escassez; Temos
motivação e temos habilidade.
O resultado:
Porém, nem tudo é tão simples assim hahaha. O desenvolvimento da feature ficou pronto
há poucos dias do congelamento do código para a Black Friday.
Gerenciando riscos e entendendo que não haveria nada a perder com essa implementação,
sugerimos que fosse implementado direto no site, mas em CRO e experimentação,
ficaremos refém do resultado atribuído aos esforços de mídia e ao comportamento de
predisposição à compra dos usuários nesse período do ano. Ou seja, o aumento não seria
atribuído ao gatilho e sim ao período e às campanhas de marketing.
Só teria uma forma de dizer que os gatilhos foram responsáveis pelos aumentos nas
conversões: experimento controlado randomizado, o teste AB.
Não teríamos tempo de realizar um teste AB passando por 2 ciclos de negócio (2 semanas)
e precisávamos de resultados rápidos. Tendo isso em vista, fizemos um teste unicaudal à
esquerda com alfa de 0.1. No qual o tratamento foi remover os gatilhos da página de
produto. O que isso quer dizer:
Seria um teste AB no qual buscamos observar o quanto B é pior que A e apenas isso.
Brincando um pouco com estatística, aumentamos a chance de falso positivo para 10%
para conseguirmos resultados mais rápido e com uma amostra menor, além disso, não
buscamos entender qual versão era melhor ou pior e quanto, buscamos apenas entender o
quanto B, sem os gatilhos, seria pior que A.
Ou seja, ao invés de termos pequenas áreas na distribuição normal para ter um resultado
estatisticamente válido, alfa/2:
Jogamos todo probabilidade de falso positivo para uma única cauda e nosso alfa, que era
de 5% para direita e 5% para esquerda, se torna 10% para a esquerda. Aumentando a área
que B tem para ser pior que A.
Com isso, conseguimos rejeitar a hipótese nula corretamente e entender que sem os
gatilhos, tínhamos 18,08% menos adições ao carrinho no período do teste.
Tendo um p-valor de 0,0804, o que garante um resultado estatisticamente válido e indica
relação causal, ou seja, o resultado é consequência dos gatilhos e não obra do acaso.
“Os gatilhos na página de produto trazem 18,08% mais adições ao carrinho em relação à
página sem os gatilhos”. Importante relacionarmos isso ao KR de aumentar as transações,
uma vez que a métrica de adicionar produtos ao carrinho está correlacionada de forma
causal com as transações, como visto em:
Referências:
https://goodui.org/blog/do-adds-to-cart-or-progression-metrics-correlate-with-sales-in-a-b-tes
ts/
Gostou do case? Foi criado e compartilhado por um dos membros da nossa comunidade.Conheça-o através do Linkedin: https://www.linkedin.com/in/marcoaragon/
Hey,
o que você achou deste conteúdo? Conte nos comentários.