Anvendelse af den videnskabelige metode til præstationsforbedring

Der er fortsat meget buzz omkring optimering af marketingpræstation og testing. Berettiget, selvfølgelig. Teknologi er nyttig i denne sammenhæng, men det er den ikke-tekniske ekspertise, der virkelig gør en forskel.

Jeg udfører meget præstationstest med mine kunder, og jeg følger altid den videnskabelige metode. Her er en introduktion til den videnskabelige metode samt en dybdegående forklaring på et af dens grundlæggende elementer: hypoteser.

Den videnskabelige metode

At bruge den videnskabelige metode giver en struktureret tilgang til optimering af præstation. Kritisk set involverer det at udvikle og teste hypoteser om, hvilke strategier eller taktikker der vil forbedre resultaterne, såsom omsætning, konverteringer eller engagement.

Den videnskabelige metode:

• Leverer datadrevne indsigter til at informere dine beslutninger.
• Reducerer risikoen ved at teste ændringer i lille skala, før de implementeres fuldt ud.
• Muliggør kontinuerlig forbedring ved at hjælpe dig med at identificere ikke kun hvad der virker, men også hvorfor det virker.

Denne tilgang giver dig mulighed for at forankre dit arbejde i marketingtesting i beviser, snarere end formodninger.

Der er otte faser i den videnskabelige metode:

At forske i og udvikle din hypotese er en vigtig del af den videnskabelige metode. Her er nogle tips og tricks til at gøre det med succes.

Hvad er en hypotese?

I denne kontekst er “hypotese” et fancy ord for en idé om, hvad der kan forbedre præstationen — men det er også mere end det.

Du kunne sige: “Jeg vil teste farven på vores call-to-action knapper. Lige nu er de røde, lad os prøve at gøre dem grønne og se, om det forbedrer præstationen.”

Det er ikke en hypotese. Der er ingen foreslået forklaring på, hvorfor den ændring kunne være effektiv.

Case study: At opbygge en hypotese

Her er et eksempel fra virkeligheden på, hvordan jeg byggede en hypotese til en test for år tilbage.

Jeg var i min lokale Barnes & Noble boghandel og læste om farvepsykologi i en bog, jeg fandt i rabatten.

Den diskuterede, hvorfor rød var farven på stopskilt — at den underbevidst kunne sende et signal om at stoppe. Jeg indså, at jeg havde en promoverings-e-mail med røde knapper, fordi brandfarverne var mørk lilla (det var næsten sort) og rød.

Produktet var en finansiel rådgivningspublikation (vi gav råd om, hvilke aktier man skulle købe for at forbedre sin finansielle portefølje), hvilket fik mig til at tænke over, hvad rød betød i den finansielle verden. ‘At være i rødt’ er en dårlig ting der — det betyder, at du skylder mere, end du ejer.

Så jeg tænkte, måske depressiver de røde knapper responsen.

Men hvad skulle man teste imod den røde?

Jeg tænkte på trafiklys, hvor rød betyder stop og grøn betyder kør. Så tænkte jeg på den finansielle verden. Grøn er farven på penge, hvilket er, hvad vi lovede, at aktieanbefalingerne ville give dem.

Den hypotese, der kom ud af dette, var: “Ændring af farven på CTA-knapperne fra rød til grøn vil øge responsen og omsætningen af de ovennævnte grunde.”

Ser du forskellen? Tests baseret på hypoteser understøttet af sund ræsonnering er mere tilbøjelige til at præstere godt.

At få inspiration til hypoteser

Inspiration kan komme fra interne eller eksterne kilder. Her er et par ideer til at finde inspiration til dine tests.

Intern inspiration

Case study 1: Fejlede præstationstests

Selv hvis en test fejler, bør du lede efter læringer, som du kan udnytte i fremtiden. For år tilbage satte vi en kontrol-e-mail op mod en version, hvor vi ændrede en række forskellige elementer. Vores KPI var konverteringer; modtagerne skulle udfylde en formular for at konvertere.

Kontrollen vandt klart. Men mens testversionen haltede i konverteringer, var klikfrekvensen (CTR) på dens top CTA-knap næsten dobbelt så høj som på den top CTA-knap i kontrollen. Som et resultat gik vi videre med at teste kun elementerne omkring CTA-knappen — inklusive placering og en besked om, at dette var et eksklusivt tilbud.

Hypotesen her: “Disse ting synes at have øget CTR i den tidligere test; måske hvis vi isolerer dem fra de andre elementer i den test og anvender dem på kontrollen, vil de ikke kun øge CTR, men også konverteringer.”

Denne gang vandt testen.

Case study 2: Kampagnemål

Meget af mit kundearbejde omhandler multi-effort e-mail kampagner, hvor vi sender en serie af to eller flere e-mails til den samme liste over en periode. Jeg får ofte inspiration fra dataene, for eksempel…

I dette eksempel så vi, at indsats 5, den sidste indsats i serien, stadig genererede over $18.000 — så måske kunne vi opnå yderligere $9.000 eller $10.000 ved at tilføje en indsats 6. Hypotesen her var “Da indsats 5 klarede sig godt, burde vi kunne garner yderligere indtægter ved at tilføje en indsats 6.”

Vi så også, at indsats 4 klarede sig godt med $0,45 i omsætning genereret pr. e-mailadresse, sammenlignet med kun $0,32 for indsats 3. Indsatser sendt tidligere i serien har tendens til at præstere bedre. Så vi lavede en test med hypotesen “Da tidligere indsatser har tendens til at præstere bedre, burde vi kunne få en stigning i omsætningen ved at ændre rækkefølgen af indsatser 3 og 4, da indsats 4 genererer en højere omsætning pr. e-mailadresse.”

Grav dybere: Hvorfor vi bekymrer os om præstationsmarketing

Ekstern inspiration

Din indbakke

Din indbakke kan være en skattekiste af inspiration til præstationstests. Får du nogen testidéer fra denne Walgreens e-mail?

Her er hypoteserne, som jeg udledte fra denne e-mail:

• “Inkludering af personliggørelse med fornavn øverst i e-mailen burde få flere til at læse den, øge klikraten og generere mere omsætning.”
• “At sætte tilbuddet bag et ‘skrab’-felt vil øge engagementet og konverteringsraterne.”
• “At vise modtagerne deres belønningsstatus visuelt vil motivere dem til at fortsætte med at optjene belønningspoint, hvilket vil øge omsætningen.”

Artikler, blogindlæg, webinarer, præsentationer og andre ressourcer

Enhver online ressource kan være en great kilde til inspiration; endnu bedre, hvis den præsenterer casestudier om præstationstests, som andre har lavet.

Den sidste på denne liste, Really Good Emails, er en swipe-fil. De har screenshots af mere end 15.000 e-mailbeskeder; du kan søge ud fra en række forskellige variabler. At gennemse swipe-lister som denne er en fantastisk måde at få inspiration til hypoteser.

Nu er det tid til at begynde at lave præstationstests eller forbedre dit testarbejde. Jeg håber, denne introduktion til udvikling af hypoteser hjælper.