info@digitalbrains.es

CURSO GROWTH HACKING – 3. Trabajar con Experimentos de Crecimiento

Una vez que se ha conseguido el PMF y con las principales métricas controladas, el growth hacker busca como hacer crecer su proyecto. Pero el enfoque que sigue es completamente distinto al del marketing tradicional. Un marketer tradicional invertiría grandes cantidades de dinero en planes de medios para dar a conocer su producto.

El Growth Hacker, al contrario, se apalanca en Internet para diseñar acciones de marketing que aprovechen la viralidad inherente de este medio, y le permite conseguir una difusión exponencial de su mensaje sin grandes cantidades invertidas. Recordemos que el GH ha trabajado previamente en conseguir que su producto enamore a los usuarios.

Esto lo hace con un enfoque completamente nuevo. Basa toda su acción en lo que nosotros llamamos experimentos de crecimiento. Realmente no es otra cosa que aplicar el método científico a sus acciones de marketing. El Growth Hacker se parece en esto a un investigador de laboratorio, que diseña cuidadosamente un experimento para comprobar una hipótesis. Busca evidencia en los números que soporten sus premisas y, a partir de ahí, busca la manera de optimizar y hacer crecer la idea original.

Para el Growth Hacking la acción de marketing es un permanente juego de ensayo y error (o acierto) donde se van generando ideas y acciones de crecimiento para impulsar el producto. Esta nueva manera de enfocar el marketing basado en la experimentación encaja a la perfección con el mundo digital, en permanente evolución, en el que no se puede dar nada por sentado, donde las ideas de ayer pueden no ser buenas hoy, o donde la aparición constante de nuevas plataformas ofrece cada día nuevas posibilidades al marketer “espabilado”.

Veremos además, cómo para un GH es tan importante el proceso de encontrar una buena vía de crecimiento, como luego optimizarla y automatizar su explotación para que pueda funcionar “en piloto automático” trayendo nuevos usuarios/clientes a la empresa sin su atención permanente.

Entonces ¿cómo diseña un Growth Hacker estos experimentos? Todo funciona como un proceso iterativo que se repite una y otra vez. Vamos a ver cuáles son las fases de dicho proceso.

1. Definir los objetivos

Una vez definida una hipótesis, debemos concretarla en unos objetivos. Esto es “qué queremos conseguir”.  Esta es una de las partes críticas del proceso. Objetivos mal definidos conducen a menudo a experimentos inútiles. Los objetivos deben ser concretos y medibles. Si pensamos en objetivos demasiado amplios, seguramente no vamos a poder probar si las palancas que estamos “moviendo” en nuestro experimento consiguen o no los resultados deseados.

A menudo resulta complicado saber si un objetivo es lo suficientemente concreto. Neil Patel propone para esto pensar en los objetivos como una jerarquía anidada. Nos dice que tenemos que bajar en la jerarquía hasta que los objetivos que persigamos se puedan organizar en tareas concretas, intrínsecamente relacionadas con dicho objetivo, que podamos marcar como completadas.

No podemos marcar como conseguido un objetivo como: “hacer crecer mi Startup” o “incrementar mis usuarios”, porque son objetivos que nunca se cumplen plenamente. Sin embargo, sí podemos marcar como terminadas tareas/objetivos como: “enviar un email a mis usuarios para enseñarles cómo crear contenidos para su blog”. Ese sería el nivel de concreción que necesitamos para fijar nuestros objetivos.

2. Definir las hipótesis

Todo comienza con una idea. No hemos hablado hasta ahora de la importancia de las ideas, pero la creatividad es otra de las características fundamentales de un Growth Hacker.

El GH busca su inspiración en 3 fuentes

  • Entender a su usuario (dónde y cómo navega, qué busca…).
  • Conocer Internet (conocer las “tripas” de las plataformas, especialmente aquellas que le pueden generar tráfico).
  • Otros hacks que hayan funcionado.

Basándose en esto, y en cuáles son las fuerzas de su producto, el GH propone una hipótesis, que no es más que una sencilla idea: “si hago esto… los usuarios harán esto…”.

Veremos un poco más adelante que un GH trabaja siempre pensando en el funnel de conversión de su empresa/producto. Cada experimento busca optimizar y hacer crecer una sóla etapa de dicho funnel. Esto es importante, porque una de las características fundamentales de un GH es que ataca una cuestión cada vez. No intenta incidir en todo al mismo tiempo, puesto que esto no le permitiría sacar conclusiones de qué acciones están provocando qué resultados.

Una vez que decide sobre qué trabajar, investiga sobre ese problema en concreto, analiza qué han hecho otras empresas/growth hackers en situaciones similares a través de blogs, foros… Esto le sirve para establecer una hipótesis de trabajo, que será la guía del experimento.

Algunos ejemplos de cosas que pueden ser experimentos:

  • Optimizar los títulos de un emailing.
  • Probar un nuevo proceso de “onboarding” cuando un usuario se registra.
  • Optimizar el proceso de “checkout” en una compra online.
  • Probar distintas imágenes de portada y su efecto sobre la conversión.

3. Definir las métricas y organizar la analítica

Una vez que hemos definido nuestro objetivo debemos montar todo el sistema de analítica. Como ya hemos dicho, un growth hacker sin métricas es como un piloto sin visibilidad.

Cada experimento normalmente usará las métricas que tenemos organizadas en nuestro sistema, pero dependiendo de qué sea lo que estamos probando seguramente queramos medir unas cosas u otras.

Por ejemplo, si estamos probando Títulos de un Email seguramente queramos ver su impacto sobre ratios de apertura. Mientras que si estamos haciendo pruebas de contenido de un emailing probablemente nos interese más el Click Through.

4. Recogida de los datos y análisis comparativo

Una vez comenzado el experimento empezamos a recoger datos. Para poder validar los resultados de un experimento normalmente necesitamos contrastar los datos de comportamiento de dos grupos llamados grupo de muestra y grupo de control.

El grupo de muestra es aquel sobre el que hacemos el experimento. El grupo de control, por el contrario, es aquel que no recibe el experimento; es decir, que ve todo como antes de hacer el experimento. Para que el contraste entre ambos sea válido deben ser grupos homogéneos y aleatorios. Si no, podríamos estar sesgando los resultados.

A veces la comparación se hace mediante Test A/B. Dos grupos A y B que son estadísticamente homogéneos y podemos comparar su comportamiento. Hablaremos sobre esto más adelante.

5. Optimización

Cuando estamos haciendo el experimento y vamos viendo resultados podemos introducir variaciones y analizar si tienen un efecto adicional de mejora sobre lo que intentamos medir.

Normalmente hacemos varios intentos de mejora, pero si durante 2 o 3 de estos no conseguimos ninguna mejora adicional decimos que hemos llegado al “punto de agotamiento”. En este punto lo ideal es dejar el experimento en la versión que ha conseguido un valor mejor en la métrica que queremos mejorar y ver cómo hacer para automatizar este comportamiento.

6. Automatización y escalado

Automatizar un experimento significa dejar la versión que hemos probado y ha sido exitosa, funcionando sola o con la mínima interacción humana.

En algunos casos es tan sencillo como dejar la versión de imagen, texto y título que ha resultado vencedora. En otros, en cambio, tenemos que establecer un proceso para automatizar el experimento que hemos hecho, por ejemplo si hemos probado una nueva secuencia de emails de bienvenida a nuestros usuarios, o si hemos hecho pruebas con un nuevo carrito de la compra.

Por escalar nos referimos al proceso de intentar hacer más grande la prueba que hemos hecho. Por ejemplo, si hemos hecho un test con una campaña a bloggers con 10 bloggers y ha funcionado, ¿cómo lo extendemos ahora a 100 o 1000 bloggers?. Lo mismo con una campaña de adwords, o facebook; o también, si hicimos una prueba sólo con un pequeño grupo de nuestros usuarios, ¿cómo lo trasladamos a la totalidad de nuestra base de usuarios?

Estos dos procesos, automatización y escalado, son críticos para el éxito de las campañas de Growth Hacking.

7. Vuelta a empezar

Y sí; cuando se ha terminado un experimento hay que volver a empezar con el siguiente de inmediato. Un Growth Hacker está en permanente búsqueda de nuevas oportunidades de crecimiento.

Habrá que buscar entonces en qué etapa del funnel se puede tener un impacto mayor y dirigir hacia ella nuestro siguiente experimento.

Leave a Reply

Este sitio emplea cookies propias y de terceros para mejorar su calidad. Si continúa navegando o utiliza el scroll de navegación vertical, aceptará implícitamente el uso de Cookies. Puede consultar más datos en nuestro Aviso Legal y de Cookies

Los ajustes de cookies de esta web están configurados para "permitir cookies" y así ofrecerte la mejor experiencia de navegación posible. Si sigues utilizando esta web sin cambiar tus ajustes de cookies o haces clic en "Aceptar" estarás dando tu consentimiento a esto.

Cerrar