Data Science

Como realizar testes de incrementalidade

  1. Testes de incrementalidade ajudam a determinar se uma ação ou canal específico de Marketing contribuiu diretamente para o aumento de receita
  2. Realizando esse e outros experimentos, você pode avaliar o ROI das campanhas mais precisamente e otimizar a alocação dos seus investimentos em Marketing
  3. Para realizar um teste de incrementalidade, é fundamental mapear quais hipóteses você quer trabalhar e como chegar às respostas que você busca
  4. Mais do que isso, é importante saber o que fazer com o resultados do seu teste de incrementalidade, uma vez realizado

"Show, don't tell" é uma técnica de escrita narrativa que possibilita a experimentação de detalhes expositivos de uma história por meio de descrições de ambientes, ações, detalhes sensoriais, ou a expressão das emoções dos personagens, em oposição à descrição de eventos feita pelo próprio autor.

É uma técnica amplamente utilizada na construção de roteiros cinematográficos e em obras literárias como O Senhor dos Anéis e as novelas criminais de Raymond Chandler e Agatha Christie.

O principal objetivo desta técnica é remover a pessoalidade do autor e fornecer uma visão mais neutra dos acontecimentos de uma história.

Testes de incrementalidade são o "show, don't tell" do Marketing.

Eles servem para mostrar como um canal ou ação se comportou em uma campanha – isto é, qual foi o impacto real gerado por um canal ou ação – demovido de crenças, opiniões, hipóteses ou parcialidade da própria plataforma trabalhada.

Isso porque os testes de incrementalidade medem o aumento adicional nas conversões causado por atividades de marketing comparado ao crescimento orgânico, ou baseline.

Essa comparação é essencial para avaliar o ROI das campanhas com mais precisão e informar uma melhor alocação de investimentos, aprimorando a eficiência das estratégias de Marketing.

A ciência do Marketing orientado a dados

Diante de infindáveis possibilidades, trabalhar estratégias de Marketing data-driven se tornou uma ciência, de fato. Inclusive, em grandes companhias, como a Meta, a cadeira de Marketing Science tende a ser uma das mais importantes para a evolução e integração das áreas de Mídia, Growth e Data Analytics.

E a escolha do termo "cientista" para os profissionais de Marketing que têm se especializado nessa combinação de competências não é leviana: um dos atributos mais importantes para quem trabalha com mídia, hoje, é a experimentação.

Experimentos, em Marketing, ajudam a identificar quais estratégias ou canais entregam valor real ao isolar o impacto incremental de ações específicas.

Eles também reduzem a dependência de suposições, dando insights mais claros sobre o comportamento de clientes potenciais, a eficácia da campanha e a alocação ideal de recursos.

Por meio de testes A/B, testes de incrementalidade ou testes controlados de Growth Hacking, os profissionais de Marketing podem refinar suas táticas e se adaptar mais rapidamente às mudanças no mercado e no comportamento de seus consumidores, levando a resultados mais bem-sucedidos, sem perder de vista métricas-chave como o ROAS e o ROI.

Com isso, os testes de incrementalidade, particularmente, estão se tornando cada vez mais populares, porque são um dos experimentos mais simples e com os resultados mais claros para medir o verdadeiro impacto dos esforços de marketing nos resultados do negócio.

Por que realizar testes de incrementalidade?

Ao isolar e medir o impacto de canais individuais, você é capaz de determinar quais estão gerando vendas incrementais e quais podem ser redundantes ou menos eficazes.

A ideia é estabelecer uma baseline da atividade de vendas e, em seguida, testar como a remoção ou adição de um canal de marketing específico impacta esse resultado basal. Isso permite uma compreensão mais precisa do verdadeiro desempenho de um canal ou campanha.

Por exemplo: uma empresa pode executar um teste de incrementalidade desativando anúncios digitais por um período específico, mas mantendo todas as outras atividades de Marketing constantes.

Comparar as vendas ou conversões durante esse período "off" com a baseline (isto é, os resultados previstos se os anúncios tivessem permanecido ativos) mostra o valor incremental que os anúncios digitais estavam fornecendo para o negócio.

Isso é especialmente útil quando vários canais se sobrepõem e a atribuição se torna complicada, uma vez que o teste ajuda a separar a contribuição incremental real de cada canal em vez de creditar conversões por meio de correlação simples.

Alguns dos principais motivadores para a popularização de testes de incrementalidade são:

1) Necessidade de atribuição mais precisa

Os modelos tradicionais de atribuição, como o last-click ou multi-touch, muito comuns em estratégias de conversão, não refletem o real impacto de estratégias full-funnel ou a contribuição de campanhas de construção de marca, por exemplo, tendenciando a interpretação e a alocação de investimentos em canais de conversão e "comendo a verba" de Marketing para geração de cliques.

Por outro lado, os testes de incrementalidade permitem o isolamento dos efeitos de campanhas, anúncios ou canais individuais, comparando o comportamento de um grupo de teste (exposto a uma ação de marketing específica) com um grupo de controle (não-exposto).

Isso ajuda a determinar se uma campanha está realmente gerando vendas ou se as conversões teriam ocorrido de qualquer forma, independentemente de um investimento específico.

2) Políticas de privacidade mais rígidas

Regulamentações recentes de privacidade de dados (como a GDPR, CCPA e a LGPD), bem como atualizações de plataformas decorrentes (como o iOS 14.5, que limita o rastreamento de usuários) dificultaram a dependência de dados em nível de usuário para mensuração dos resultados das campanhas de Marketing.

E, à medida que a indústria se afasta do rastreamento de dados granulares individuais, soluções mais amigáveis, como o Marketing Mix Modeling e os testes possibilitados pela ferramenta – inclusive os de incrementalidade – ganham protagonismo.

3) Otimização precisa e escalável

Os testes de incrementalidade permite identificar quais elementos de uma campanha — seja um criativo específico, um segmento de público-alvo ou um canal — estão gerando valor incremental.

Com esse conhecimento, é possível ajustar as campanhas para obter maior eficiência, explorando aquilo que de fato traz receita para o negócio e evitando investimentos desnecessários.

4) Evitar dependência excessiva de correlação

Correlação nem sempre significa causalidade.

Embora possa parecer que uma ação, canal ou campanha está gerando resultados, isso pode ser apenas coincidência ou ter a ver com algum fator não-relacionado aos esforços de Marketing.

Os testes de incrementalidade ajudam a evitar esses falsos positivos ao focar em relações causais, garantindo maior veracidade no impacto sobre o negócio e direcionado os esforços ao que, de fato, depende do Marketing.

Passo a passo: como realizar um teste de incrementalidade

Antes de tudo, tenha em mente que a mensuração visa fornecer informações para uma tomada de decisão mais precisa. Se você não tem uma pergunta clara a ser respondida, volte dois passos e se questione:

  • Quais decisões estou tentando tomar?
  • Quais informações preciso para isso?
  • Quais ações posso tomar após a decisão?

Agora, vamos ao teste:

  1. Defina objetivos claros: ou seja, o que você quer testar. Por exemplo: você está avaliando o valor incremental de anúncios de display no Google para justificar uma alocação de verba para campanhas digitais no próximo quarter? Estabeleça uma hipótese específica, como “anúncios de display no Google geram 10% de vendas incrementais em relação a outros canais”
  2. Colete dados históricos: o que incluir dados históricos detalhados sobre investimentos em mídia, número de vendas e outros fatores (sazonalidade, promoções, etc.) para todos os canais de Marketing já trabalhados. Certifique-se de que os dados estejam limpos e abranjam tempo suficiente para refletir diversas atividades de Marketing
  3. Construa um modelo de MMM: utilize um modelo de Marketing Mix Modeling para estimar como diferentes variáveis ​​(Marketing e "não-Marketing") impactam as vendas gerais. O modelo ajudará você a estabelecer uma baseline de vendas sem nenhum peso na balança específico de um canal. A Uncover pode te ajudar a construir esse modelo
  4. Desenhe o seu experimento: identificado o canal que você quer testar (por exemplo, display no Google), certifique-se de isolar essa variável mantendo outros fatores constantes, para que o teste se concentre somente no canal em questão. Para minimizar o risco, você pode executar testes regionais ou parciais (para um segmento específico)
  5. Ative o teste: ajuste seus investimentos no canal selecionado (reduzindo ou removendo completamente o investimento em display, por exemplo) por um período predeterminado. Durante esse período, monitore as vendas e outras métricas detalhadamente
  6. Compare os resultados com a baseline: após a conclusão do teste, compare as vendas reais durante o período do experimento com as vendas basais previstas pelo MMM. A diferença entre esses valores dirá a você com quanto de receita incremental o canal testado contribui, podendo ser um valor percentual positivo (aumento de receita) ou negativo (comprometimento de receita)
  7. Analise e adapte seus investimentos: se o canal testado apresentar um valor incremental positivo, significa que ele está contribuindo para o crescimento do negócio e justificando seu investimento. Se os resultados mostrarem pouca ou nenhuma contribuição, considere realocar recursos para canais com maior contribuição

E depois?

Muitas marcas realizam testes de incrementalidade sem uma meta clara, apenas para validar ações. Ou, após receber resultados positivos, como um retorno incremental sobre o gasto com anúncios de 300%, elas não conseguem ajustar seu orçamento adequadamente, seja por não saber como otimizar ou por não conseguir defender o investimento junto à Diretoria.

Algumas ações que você pode realizar para ter maior consistência nos testes:

  • Aumente o seu orçamento moderadamente no canal testado que gerou retorno positivo (por exemplo: 5% sobre o valor investido no mês anterior (pré-teste) ou estabeleça um valor seguro para otimização, como R$ 10.000 (saindo de R$ 30.000 para R$ 40.000 após o teste)
  • Mantenha as demais ações estáveis, sem grandes mudanças de investimento, para que o share desse canal específico aumente
  • Monitore a receita total em relação às baselines históricas

Se a receita não aumentar ou apresentar inconsistências, considere executar outro teste de incrementalidade após um período de estabilização ou em um novo grupo de teste (i.e., um novo canal).

Tem interesse em saber mais sobre o Marketing Mix Modeling e otimização de mídia?

Assine a newsletter da Uncover e nos siga nas redes sociais – estamos no LinkedIn, no Instagram, no YouTube e no Spotify.

Tags

marketing mix modeling / ROI / data driven / mídia

Subscribe for more of the best articles on the internetI Promise

Office

São Paulo - Brasil
R. Antônio Carlos, 582
Conj. 11 - 1º Andar

Todos os direitos reservados © Uncover 2022