Data-driven marketing: como usar os dados que você já possui para gerar mais tráfego e Leads

Data-driven, em uma tradução literal, significa “direcionado por dados”. Isso quer dizer que as decisões e ações são feitas em números e dados, e não em “achismo”. Dessa forma, data-driven marketing é direcionar suas ações de marketing por dados.

---

Há alguns anos, quando comecei a trabalhar com Marketing Digital, ficava impressionado com a quantidade e a facilidade de informações possíveis de se obter. Porém, por algum tempo, cometia um erro muito comum: acessava os dados para olhar o que aconteceu, explorava com entusiasmo as ferramentas e tentava fazer relatórios bonitinhos.

E na hora de definir as próximas ações? Basicamente, apostava no feeling. Deixava ativo o que estava dando certo, parava o que não estava e pensava em novas campanhas para melhorar os resultados. Não posso dizer que era uma forma ruim para se trabalhar. Muitas dessas ações deram certo e geraram resultados positivos. Mas muitas entravam no grupo que não deu certo.

Só que toda essa informação não pode servir só para relatórios bonitinhos, concorda? Depois de fazer cursos, ganhar experiência e estudar melhor cada canal e web analytics, entendi tudo que estava abrindo mão. Todos esses dados e informações são sim importantes para olhar para o passado e entender o que aconteceu. Porém, sua grande importância é olhar para o futuro e direcionar as próximas ações.

É preciso usar os dados para reverter o que não está bom, potencializar o que está gerando resultados e embasar novas ações. Assim, você deixa de ter uma atuação baseada em achismo e entra no caminho do data-driven marketing.

Data-driven, em uma tradução literal, significa “direcionado por dados”. Isso quer dizer que as decisões e ações são feitas em números e dados, e não em “achismo”. Dessa forma, data-driven marketing é direcionar suas ações de marketing por dados.

E, para se aprofundar, faça o curso Curso de Análise de Dados e Métricas de Marketing e Vendas da RD University. Ele foi desenvolvido tanto para quem está começando a jornada no mundo dos dados quanto para quem precisa aprimorar os conhecimentos. São 6 horas de aula em vídeo com especialistas da RD Station, com direito a certificado! Clique no banner abaixo para saber mais e começar agora mesmo.

Como surgiu o data-driven marketing?

O data-driven marketing surgiu a partir da necessidade das empresas de tomar decisões baseadas em dados e informações precisas sobre seus clientes e sobre o seu mercado. Assim, deixaram de simplesmente confiar em intuições ou palpites.

Usar dados para tomar decisões de negócios é uma prática desde o início das trocas comerciais, é claro. Porém, o surgimento da tecnologia digital e a facilidade de coletar, armazenar e analisar grandes volumes de dados de maneira eficiente foram fundamentais para o desenvolvimento do data-driven marketing.

O uso de ferramentas de análise de métricas de negócio, assim como a disponibilidade cada vez maior de dados de comportamento do consumidor, permitiu que as empresas compreendessem melhor seus clientes, personalizassem suas campanhas de marketing e melhorassem a eficácia de suas estratégias de marketing.

Assim, o data-driven marketing emergiu como uma abordagem estratégica, na qual as decisões são tomadas com base em análises de dados e insights obtidos a partir de fontes diversas, incluindo dados transacionais, dados comportamentais, dados de redes sociais e outros tipos de informações.

Como funciona a cultura data-driven

Uma cultura data-driven é uma cultura organizacional em que as decisões são tomadas com base em dados e informações precisas e confiáveis. Para alcançá-la, é necessário que as empresas foquem em quatro tópicos principais: pessoas, dados, tecnologia e autonomia.

Pessoas

A primeira etapa para criar uma cultura data-driven é contar com profissionais capacitados e engajados em coletar, analisar e interpretar dados. É necessário que a liderança promova essa cultura, incentivando a curiosidade e a experimentação, para encontrar insights valiosos. Por isso, uma equipe multidisciplinar deve trabalhar em conjunto para identificar soluções com base nos números.

Dados

Os dados são a base para uma cultura data-driven. É preciso ter acesso a uma variedade de dados relevantes para a empresa, coletados de diversas fontes, incluindo vendas, marketing, finanças, recursos humanos e outras áreas. Eles precisam limpos, organizados e seguros ,para que possam ser facilmente acessados e usados ​​por toda a organização.

Tecnologia

A tecnologia é crucial para uma cultura data-driven. Ferramentas de análise de dados, como o RD Station Marketing, podem ajudar a identificar padrões e insights importantes. A tecnologia também ajuda na coleta, armazenamento e análise de dados de forma eficiente e segura.

Autonomia

Por fim, a autonomia é fundamental para uma cultura data-driven. As equipes devem ter liberdade para explorar os dados e tomar decisões com base neles, sem depender de hierarquias ou burocracias que possam impedir a tomada de decisões ágeis e assertivas.

O que é ser data-driven

Ser data-driven é muito mais do que utilizar números nos argumentos: envolve pensar de forma específica para todo o processo de tomada de decisão. No fundo, um processo de decisão visa resolver um problema de forma a encontrar, dentro de um contexto, a melhor saída para otimizar o objetivo previamente definido.

Por exemplo, ao avaliar se devo contratar um novo funcionário ou não, tenho que resolver o problema de detectar qual das opções me entrega o melhor retorno para a empresa. Isso levando em consideração o custo do funcionário, custo de treinamento, custo de gestão e aumento do tempo das reuniões, por exemplo. Assim, posso verificar se o gasto é compensado pelo trabalho que o funcionário vai realizar.

Talvez essa decisão não seja tão discreta, como ter que escolher entre a opção A ou a opção B. Uma decisão pode ser encontrar um meio termo entre um ou mais elementos, como definir o percentual do seu dia que você deve dedicar a uma área do seu trabalho.

A primeira etapa para esse tipo de comportamento é entender e organizar corretamente a decisão que será tomada. Isso também se aplica ao marketing, como veremos a seguir. Procure também fazer cursos de capacitação, como os da RD University (deixe seu email abaixo para saber mais).

Por que fazer um marketing data-driven?

De acordo com a Certain, empresas que implementaram data-driven marketing tiveram em média, um aumento entre 10 e 20% no ROI. Como mencionado no título, os exemplos de análise de dados para alavancar seus resultados são com dados que você já possui. Para isso, vamos usar o Google Analytics.

O Google Analytics pode ser considerado o cérebro do seu site, contabilizando informações de acessos e usuários. Poderia passar o dia inteiro aqui falando sobre a ferramenta, mas temos um post que explica um pouco mais: Google Analytics: o que é e como fazer a configuração inicial.

5 vantagens do data-driven marketing

A seguir, separei 5 vantagens que o data-driven marketing traz para quem decide usá-lo nos negócios. Eles podem ser diferenciais importantes em um cenário digital cada vez mais competitivo. Dá uma olhada:

1. Personalização

O marketing orientado por dados possibilita que a empresa crie as mensagens adequadas para a audiência certa, no tempo correto.

O entendimento profundo sobre o perfil dos consumidores ajuda a criar campanhas customizadas que, por sua vez, são fundamentais para alcançar o público de uma maneira mais relevante do que por meio de mensagens de abordagens genéricas.

2. Melhoria da experiência do cliente

As campanhas orientadas por dados permitem que você observe seu cliente mais de perto. Pesquisas de satisfação do consumidor, por exemplo, podem ajudar a entender o que é preciso aperfeiçoar para proporcionar sempre o melhor e realmente atender as demandas.

Ou seja, em vez de desperdiçar tempo e esforços em experiências para todos, você passa mais tempo melhorando aspectos específicos que são essenciais para o seu público.

3. Melhoria no desenvolvimento das ações

Quando você entende o seu público, suas ações se tornam mais adequados para o seu mercado específico. O data-driven marketing ajuda a minimizar as falhas e a rejeição ao fornecer subsídios para que você ofereça o que o cliente deseja, da maneira que ele quer, onde e quando é mais conveniente para ele.

4. Campanhas mais eficientes e melhor direcionamento de conteúdo

Com o uso de algoritmos e machine learning, os profissionais de marketing podem aperfeiçoar o planejamento, uso e compra de mídia, sem precisar mais ficar “adivinhando” onde o público quer receber o seu conteúdo.

As campanhas se tornam mais eficientes porque são mais focadas no que o seu consumidor espera e gosta. Você pode identificar qual conteúdo efetivamente ajuda a mover os consumidores ao longo da sua jornada de compra e, assim, otimizar suas campanhas de acordo com os dados. Além disso, é possível chegar a taxas de conversão melhores e a um ROI mais alto.

5. Tornar mais certeiras as vendas

Com as informações valiosas angariadas pelo data-driven marketing, torna-se mais fácil identificar os melhores locais para vender mais, além de perceber quais segmentos do seu público seriam beneficiados com campanhas especiais.

Essas ações especiais e segmentadas são criadas a partir do seu conhecimento profundo a respeito das preferências e dos produtos que seus clientes mais gostam.

Por que investir em uma solução data-driven?

Investir em uma solução data-driven é uma estratégia fundamental para empresas que buscam se manter competitivas e obter vantagem em um mercado em constante transformação. A utilização de dados pode fornecer insights valiosos para a tomada de decisões mais precisas e assertivas. Veja a seguir 4 motivos para investir em uma solução data-driven:

Decisões mais confiáveis

A tomada de decisões é uma das atividades mais importantes em uma empresa. Ela pode ser influenciada por diversos fatores, como intuição, opiniões pessoais e até mesmo a pressão do ambiente corporativo. O uso de dados, por outro lado, permite que as decisões sejam baseadas em informações concretas e confiáveis.

Com uma solução data-driven, é possível coletar e analisar dados em tempo real, o que proporciona uma visão mais clara e precisa do cenário atual.

Maior capacidade de predição

Uma das principais vantagens de uma solução data-driven é a capacidade de predição. Com a análise de dados, é possível identificar tendências e padrões, o que permite fazer previsões mais precisas sobre o comportamento dos clientes e do mercado.

Essas informações podem ser utilizadas para antecipar mudanças e desenvolver estratégias mais eficientes.

Mais autonomia para os colaboradores

Uma solução data-driven pode fornecer aos colaboradores acesso a informações relevantes em tempo real. Isso significa que eles terão mais autonomia para tomar decisões e resolver problemas sem depender da aprovação de seus superiores.

Além disso, a análise de dados pode fornecer insights para o desenvolvimento de novos produtos ou serviços, permitindo que os colaboradores sejam mais criativos e inovadores em suas atividades.

Mais facilidade para determinar o ROI

Uma solução data-driven permite que a empresa mensure o Retorno sobre o Investimento (ROI) com mais facilidade e precisão. Com a análise de dados, é possível identificar as ações mais efetivas e as áreas que precisam de melhorias.

Isso permite que a empresa ajuste suas estratégias de forma mais assertiva, já que terá mais clareza para tomar decisões e traçar metas e objetivos. Uma ótima ferramenta data-driven é o RD Station Marketing. Além de controlar todo o seu processo de gestão de Leads, ele ainda tem funcionalidades incríveis ligadas a dados, como:

• Análise de canais
• Relatórios diários e semanais exportáveis (abaixo)

• Páginas mais acessadas
• Análise de Marketing e Vendas
• Organizador de campanhas
• Análise de funil (abaixo)

• APIs de análise
• Dashboards personalizados

Você pode fazer um teste gratuito de 10 dias do RD Station Marketing, experimentando as suas funcionalidade e vendo tudo o que ele pode fazer pela sua empresa. Deixe seu email abaixo para começar e levar suas análises de Marketing e Vendas a um novo patamar.

Como gerar mais tráfego e conversões com os dados que você já possui

Antes de sair buscando pela solução de todos os problemas, é importante entender onde eles estão. Avalie a situação do funil do marketing da sua empresa. Como está sua geração de tráfego, conversão de Leads, classificação de oportunidades e fechamento de vendas? Onde você precisa alavancar seus resultados?

Para isso, indico muito a ferramenta Benchmarking de Funil de Vendas. Com ela você compara a situação atual do seu funil de Marketing com a média das empresas do seu segmento. Você pode clicar no banner abaixo para começar a usá-la.

Você pode até pensar: “não preciso olhar o funil, preciso de mais Leads!” Mas sem olhar a situação do seu funil e comparar com métricas de outras empresas, fica difícil saber onde realmente é necessário uma atuação mais forte.

Se você já possui um bom tráfego, mas uma taxa de conversão baixa para Leads, é preciso atuar na otimização de conversão. Já se você possui uma ótima taxa de conversão, mas pouco tráfego, não será muito produtivo melhorar sua geração de Leads.

E se possui tráfego positivo e ótimas métricas por todo o funil? Aumentando o tráfego em uma ponta, a tendência é gerar mais vendas na outra. Se chegamos a um limite de tráfego (o que é bem difícil), vamos “alargar” o funil, melhorando as taxas de conversão, qualificação e vendas.

Aqui chegamos a uma regra básica de análise de dados em uma empresa data-driven marketing: comece de uma visão macro para chegar no micro. Olhe os dados maiores e vá se aprofundando até encontrar o ponto de melhoria necessário para alavancar seus resultados.

E como encontrar os pontos de melhoria nos dados que você já tem? Como no funil, vamos por etapas. Já que as empresas que estão iniciando data-driven marketing precisam de mais atenção em geração de tráfego e conversão de Leads, vamos focar nessas etapas do funil.

Aquisição de tráfego com data-driven marketing

Sem mais delongas, vamos para dentro da sua conta no Google Analytics. Lembrando que todos os exemplos usados aqui foram obtidos da conta demo que o Google oferece. Acesse a tela de relatórios e o menu Aquisição, onde vamos avaliar como está a geração de tráfego de cada canal. Acesse o relatório “Visão Geral” para ter uma visão mais ampla da performance dos canais.

Recomendo colocar um comparativo entre períodos, para avaliar qual canal está perdendo participação na geração total de tráfego. No exemplo abaixo, comparando um mês com o outro, tivemos uma queda de quase 10% no volume de usuários gerados via tráfego orgânico e queda de 15% no tráfego obtido por mídias sociais.

Já encontramos dois canais que precisam ser avaliados de forma isolada para entender os motivos da queda de um mês para o outro.

No exemplo também temos aumento significativo na geração de tráfego via Mídia Paga, através de Busca Paga e Display. Aqui também vale avaliar isoladamente as campanhas e entender o que aconteceu de diferente para ser replicado.

Agora vamos começar a nos aprofundar nas análises, levantando as ações que vão alavancar os canais que estão em queda e potencializar os que estão indo bem.

Tráfego orgânico

Em Aquisição, acesse o relatório Canais, em Todo o tráfego. Em seguida, clique em Organic Search, para isolarmos apenas o tráfego orgânico.

No caso, a dimensão principal exibida será Palavra-chave, mas podemos trocar para Página de destino, que é a página que os usuários iniciaram sua sessão no site. Dessa forma, vamos olhar quais páginas tivemos queda de um mês para o outro e identificar onde precisamos melhorar:

É importante aqui identificar as páginas com quedas mais acentuadas, para uma análise mais aprofundada no Google Search Console, onde conseguimos dados mais completos sobre a busca orgânica.

Eu sei que falei que usaria só dados apresentados pelo Google Analytics, porém a maioria das empresas também possuem o Search Console (antigo Google Webmaster Tools). Se você não possui cadastro, ele é simples e gratuito. Saiba mais em: Google Search Console: o guia completo de como usá-lo na prática.

No Search Console, é possível usar o relatório de Desempenho (antigo Search Analytics) para filtrar os resultados por cada página. Os dados apresentados pela ferramenta são: cliques, impressões, CTR média e posição média. Em caso de queda de cliques e CTR, você pode otimizar title, description e URL das páginas para reverter a situação.

Se a queda for de impressões, pode ser por sazonalidade. Nesse caso você pode usar o Google Trends para confirmar a teoria. Se a queda for de posicionamento, provavelmente o Google não considera seu conteúdo mais tão interessante quanto antes, ou a concorrência apresentou melhora. Nesse caso vale atualizar o conteúdo, deixar mais atrativo e republicá-lo.

Faça isso com todas as páginas relevantes que estão apresentando queda. O eBook 27 dicas de SEO pode ajudar nas otimizações apresentadas. E se o cenário de tráfego orgânico fosse positivo? Como torná-lo ainda melhor?

Se o tráfego orgânico já é positivo e cresce de forma consistente, você também pode usar os dados oferecidos pelo Search Console para otimizar páginas que estão bem para algumas keywords, mas podem melhorar para outras.

Um exemplo aqui da RD é nossa página sobre redes sociais. Ela é muito bem posicionada para essa palavra-chave (e para várias outras). Porém entre elas, existia o termo “redes sociais mais usadas”, com um alto volume de pesquisas (nesse caso, constatado pelo número de impressões), porém mesmo com um trecho da página abordando o assunto, ela não se destacava no ranking para essa busca.

Sendo assim, desenvolvemos um novo post, falando especificamente das redes sociais mais usadas no Brasil, que atualmente está nas primeiras posições para sua palavra-chave principal (e termos secundários também). Esse conteúdo se destacou tanto, que também briga com nossa página sobre redes sociais pela primeira posição da sua palavra-chave principal.

Viu como os dados oferecidos pelo Google Search Console podem potencializar seu tráfego orgânico? Palavras-chave com um bom volume de impressões que você já está se posicionando, porém com pouco destaque, podem se tornar ideias de otimização para o conteúdo que está posicionado ou até pauta para novos conteúdos.

Tráfego de Redes Sociais

Para analisar os motivos da queda no tráfego de redes sociais, não só é possível trabalhar com os dados apresentados no Google Analytics, mas também pelo que é disponibilizado pelas próprias redes sociais.

Importante: para facilitar a análise de redes sociais no Google Analytics é importante usar marcações nos links divulgados nas redes sociais. Isso vai gerar, além dos dados de Origem e Mídia, informações como Campanha, Conteúdo e Palavra, por exemplo. Para saber mais e aprender como configurar, acesse o post: URL Builder: aprenda a usar o criador de URL do Google em 5 passos.

No Analytics, o processo é semelhante a análise de tráfego orgânico. No Menu Aquisição, acesse Todo o tráfego e Canais. Já no relatório apresentado, clique em Social para isolar o canal. O relatório a seguir vai apresentar as redes sociais que geram tráfego para seu site.

No exemplo abaixo, é possível notar que a queda mais impactante no geral foi o YouTube, com uma queda de mais de mil usuários de um mês para o outro. Também é possível notar no gráfico de linhas que o começo do mês anterior teve um melhor desempenho.

Ao clicar na rede social YouTube para isolar seus resultados, é possível observar que a curva de tráfego positiva no início do mês anterior realmente foi de responsabilidade da rede social. Dessa forma, agora é possível acessar o canal do Youtube e avaliar o que foi feito naquele período que gerou resultados favoráveis para replicar nas próximas ações.

Quais os assuntos abordados? Onde os links para o site foram disponibilizados? Como os vídeos foram divulgados? Tudo que foi feito no período deve ser avaliado para gerar aprendizado para as próximas ações na rede social (e para reverter o cenário).

Porém, nem todas as empresas possuem um trabalho consistente no Youtube. Por isso, vamos nos aprofundar mais na análise de tráfego do Facebook, rede social mais popular do mundo e onde muito provavelmente sua empresa possui uma página.

O início da análise é semelhante ao que foi feito no Youtube, mas no caso, vamos clicar em Facebook. Agora, teremos o gráfico apresentando os dias com picos de acesso originados na rede social, além da lista de campanhas criadas, configuradas por marcação nas URLs.

No exemplo apresentado, não foi utilizada a marcação de URLs no Facebook, por isso não é apresentada uma lista de campanhas. No entanto, no gráfico é possível notar que o mês anterior teve um início mais consistente, o que garantiu uma geração de tráfego maior.

Porém no último mês, em azul, é possível notar picos de tráfego, principalmente no início e no final do mês. Esses picos tiveram desempenho superior que qualquer um dos dias do mês anterior. O que foi feito nesses dias? Quais campanhas esses picos representam (caso estejam configuradas na URL)?

Avaliando as situações positivas, é possível traçar um plano de ação baseado nos casos de sucesso (e também nas campanhas que não tiveram desempenho positivo) para alavancar o desempenho do canal nos próximos meses. Lembrando que nos relatórios é possível incluir as dimensões de hora e dias da semana, para cruzar com as identificações da campanha, se aprofundar nas análises e entender os critérios de sucesso (e fracasso) das publicações.

Outros canais

Se você chegou até aqui, já entendeu a lógica da análise de canais para interpretar padrões de aquisição de tráfego. O processo para outros canais é muito semelhante ao que fizemos até aqui: isolar o canal na análise, identificar o que deu certo - e o que não deu - e partir para a ferramenta do próprio canal.

No caso de Links Patrocinados, identifique as campanhas, grupos de anúncios e anúncios com desempenho positivo e negativo, entendendo suas particularidades. Tipo de imagem, termos usados, horário, dia da semana, enfim todas essas informações podem fazer a diferença. Lembrando que o Google Ads possui marcação de URLs automáticas, basta ativar.

No caso de Email Marketing, algumas ferramentas também já fazem as marcações nos links de forma automática, como no RD Station Marketing, enviando os dados de campanha para o Analytics. Identificando as campanhas positivas, é preciso entender o que fez a diferença: o assunto do email? O horário de envio? A segmentação da lista? Quais foram as métricas de Email Marketing das campanhas?

Conversão de Leads com data-driven marketing

E se a geração de tráfego é positiva, mas você não consegue converter isso em Leads? Esse é um desafio muito comum para empresas com atuação consistente no Marketing Digital que começam a apostar em Inbound Marketing. Antes de qualquer análise, é importante garantir que as conversões de Leads estão sendo rastreadas no Google Analytics. Para isso, é preciso configurar conclusões de meta.

Dica: se você usa o RD Station Marketing para criar Landing Pages, ao gerar uma conversão, é gerada uma visualização de página incluindo /conversao no final do link. Dessa forma, uma conclusão de meta de destino no Google Analytics incluindo essa informação é o suficiente para monitorar as conversões de Leads nas suas Landing Pages.

Agora vamos melhorar sua geração de Leads!

Dentro dos relatórios do Google Analytics, vamos em Comportamento > Conteúdo do Site > Páginas de destino. Esse relatório apresenta as páginas que os usuários acessaram ao iniciar uma sessão no site, cruzando dados de tráfego com dados de conversão (que é o que precisamos no momento).

Caso você tenha mais de uma conclusão de meta configurada na conta, pode selecionar a que representa a geração de Leads. Se todas representam Leads, selecione Todas as metas.

Por uma questão de produtividade, podemos usar filtros avançados para segmentar apenas as páginas com tráfego relevante e taxa de conversão abaixo da sua média. Assim, teremos uma lista de páginas que já possuem tráfego, mas podem ser otimizadas para gerar mais Leads.

Se você possui vários locais diferentes de conversão de Leads, como Landing Pages, blog e site institucional, por exemplo, vale também segmentar isso. A taxa de conversão de Leads de uma Landing Page, por exemplo, nem se compara com a taxa de conversão do blog. Assim, se você incluir a média de conversão delas, a maioria das páginas do blog estará abaixo.

Vamos supor que a taxa de conversão média do blog é de 3%, e considerar páginas com mais de mil sessões no mês já tem um bom tráfego. O filtro avançado ficaria assim:

Agora, é necessário otimizar a conversão das páginas com potencial para gerar mais Leads. No caso de um blog, você explora todo o potencial de geração de Leads de um post?

Pegue como exemplo a página em que você está no momento: temos banners divulgando material rico relacionado ao conteúdo, formulários de conversão no meio do conteúdo, cadastro de newsletter no rodapé da página, pop-up de saída (também explorando conteúdo relacionado), além de links indicando materiais educativos para download.

Em alguns posts inclusive, temos o conteúdo em áudio e um complemento em vídeo, disponíveis aos usuários que converterem (como no post “Como ser um bom vendedor”). Para saber mais, acesse o post Geração de Leads: como começar, 10 iscas para capturar contatos e mais dicas incríveis.

Todo esse data-driven marketing e mesmo assim não converte?

Bom, mas e se o conteúdo tem tráfego, possui pontos de conversão e mesmo assim não converte? Nesse caso, duas situações podem responder a dúvida:

1. Os pontos de conversão usados não são eficientes
2. Apesar de relacionado, o conteúdo oferecido não leva em consideração a intenção do usuário ao acessar a página

Se os pontos de conversão não são eficientes, sua média de conversão em geral vai ser baixa. Isso pode acontecer por ter transformado os locais de divulgação de materiais e geração de Leads em “paisagem” no seu site. Para resolver isso, vale testar novos pontos de conversão ou realizar testes A/B fazendo algumas alterações nos pontos de conversão que você já possui.

Casos de pontos de conversão sem relação alguma com o assunto da página também geram taxa de conversão mais baixa. Por isso, evite simplesmente convites de cadastro de newsletter ou a divulgação de um material padrão. Já em casos de páginas com pontos de conversão relacionados ao conteúdo e seguindo um padrão de bom desempenho, um possível problema é que a intenção de busca do usuário não é levada em consideração.

Para entender a intenção de busca dos usuários, use o relatório de Desempenho do Google Search Console, filtrando pela URL da página. Avalie as principais palavras-chave que estão gerando tráfego para o conteúdo para entender o que está levando o usuário para ela. Use essas informações para oferecer um conteúdo complementar totalmente relacionado com suas buscas.

Vamos ver um exemplo do portal Resultados Digitais

Fazendo esse mesmo processo de melhoria de taxa de conversão, identificamos um post com alto tráfego (um dos melhores do blog, inclusive). O conteúdo tinha os principais pontos de conversão que usamos em posts de blog, porém uma taxa de conversão bem abaixo da média.

Avaliando as pesquisas que levavam o usuário até a página e cruzando com os conteúdos que estávamos oferecendo, identificamos que o usuário na verdade não tinha interesse naqueles assuntos, mesmo sendo do mesmo tema do conteúdo.

Na verdade, não tínhamos nenhum conteúdo pronto para atender a necessidade dos usuários e oferecer como conteúdo complementar. Sendo assim, criamos ele. Ao divulgar o conteúdo no post, nossa taxa de conversão ficou acima da média do blog e puxou também métricas de engajamento para cima (como taxa de rejeição, duração da sessão e páginas por sessão). Olha só:

Como falei, era uma das páginas com mais tráfego em todo o blog. Você pode imaginar o impacto que essa simples otimização teve no volume total de Leads gerados.

Landing Pages data-driven

E no caso de Landing Pages? Ao identificar páginas de conversão com tráfego positivo, mas com taxa de conversão abaixo da média, vale realizar testes. Alguns materiais que podem ajudar aqui são:

• Post: O que é teste A/B, o que você pode testar e como começar a fazer
• Kit: Guia do Teste A/B - 2ª Edição

Além das otimizações de conversão nos conteúdos, é importante primeiro olhar para os canais que estão gerando mais conversões, para potencializar seus resultados. Tudo isso é possível observar no relatório de Canais do Google Analytics, que avaliamos lá no início do post, porém desta vez analisando taxa e volume de conversões:

No exemplo, os canais Referral (tráfego proveniente de links em outros sites) e Orgânico se destacam em volume.

Referral também se destaca em taxa de conversão, mostrando-se um canal muito positivo. Ao clicar em Referral (para isolar o canal), é possível observar os sites que mais estão proporcionando conversões:

No caso, como a conta é a demo do próprio Google, os principais canais de referência são da empresa. Uma boa prática aqui é ter eles em uma mesma conta, usando o acompanhamento de múltiplos domínios do Analytics, para conseguir avaliar a origem do tráfego ao acessar esses sites e acompanhar toda a trajetória do Lead, até sua conversão.

Se os sites apresentados fossem de terceiros, poderíamos incluir uma Dimensão secundária de “Caminho de referência”, para ver de qual página do site o usuário veio, onde está o link do site na página e intensificar essa parceria, por meio de ações de link building e Referral Marketing.

Avaliando o canal de Social, é possível observar quais são as redes sociais que mais convertem, para otimizar as que já possuem um bom desempenho e melhorar as que estão abaixo do seu potencial.

A lógica novamente é a mesma do início do post, porém agora estamos avaliando as conversões. Identifique as Redes Sociais que mais contribuem para as conversões do canal e quais foram as campanhas que influenciaram nisso.

Novamente você pode usar dimensões secundárias de hora e dia da semana para entender melhor o desempenho das suas publicações, como no exemplo abaixo:

No caso de mídia paga, se determinada campanha no Facebook Ads gera mais Leads com um custo por Lead mais baixo, por exemplo, por que não aumentar seu investimento? E o que ela tem de especial que faz se destacar em performance? Qual público está convertendo mais nela?

Se determinadas palavras-chave convertem e outras só geram tráfego no Google Ads, vamos investir no que está convertendo? No fim, continuamos na mesma lógica de identificar o que está impactando mais nas métricas dentro de cada canal, para potencializar o que já é bom e corrigir o que vai mal. A diferença é que estamos olhando para conversões.

Próximos passos para ser data-driven no marketing

Agora que você já sabe como iniciar processos e análise data-driven na sua empresa, vamos colocar a mão na massa? Recapitulando, recomendo você seguir esses passos:

1. Garanta que sua conta do Google Analytics está configurada corretamente, com dados demográficos ativos e conversões configuradas;
2. Comece a usar o URL builder em campanhas que não são identificadas automaticamente, como: Redes Sociais, Email Marketing e Links Patrocinados (exceto Google Ads);
3. Cadastre seu site no Google Search Console e avalie outras ferramentas que podem gerar ainda mais resultados para sua empresa;
4. Use a ferramenta Benchmarking do Funil de Vendas para entender onde precisa melhorar;
5. Faça as análises ensinadas aqui, de acordo com o ponto de melhoria;
6. Aprenda a interpretar dados: não basta ler os números, é preciso entender claramente qual histórias eles estão contando para tomar decisões;
7. Faça transformações na sua cultura: para ter uma cultura de decisões baseadas em dados, é preciso ter algumas características para evitar erros, como o pessimismo (continue lendo o post até o final para saber mais);
8. Não pare por aqui: todas essas análises apresentadas são só exemplos do que é possível fazer. Mas você pode se aprofundar ainda mais, cruzar dados entre ferramentas e definir um plano de ação incrível;
9. Utilize boas soluções: conte com a ajuda do RD Station Marketing para impulsionar o seu marketing baseado em dados, já que ele vai desde a atração de Leads até a análise de canais e de BI.

Se você já baseia suas ações de marketing em dados, saiba que está na frente da maioria! E se quiser se aprofundar ainda mais no assunto deste post, baixe o eBook Data-Driven Marketing e Vendas: analise com inteligência e tome as melhores decisões. Basta preencher os dados abaixo! Depois, continue lendo, porque eu trouxe uma reflexão de bônus ao final deste post.

REFLEXÃO BÔNUS: A importância do pessimismo na análise de dados

Por Bruno Guitarrari

Marketing se tornou uma área fácil de se medir o resultado, uma área confiável para se investir recursos, ou seja, uma área fácil para se tormar decisões. Não precisamos mais ficar repetindo que o que torna o Marketing Digital uma área com decisões relativamente fáceis, se comparada com outras áreas, são os dados amplamente coletados pelas diversas fontes de informação na internet.

Mas não basta só ter os dados para ter uma cultura de decisões baseadas em dados, é necessário um conjunto de características para evitar alguns erros no processo, e uma dessas características é ser pessimista. Mas como o pessimismo ajuda na estruturação do problema?

Procure contradições no seu data-driven marketing

Gosto de uma teoria russa sobre inovação, o TRIZ (теория решения изобретательских задач), que possui um princípio que diz que toda inovação visa resolver uma contradição. Ou seja, basicamente uma inovação não visa somente melhorar um fator, ela visa melhorar esse fator sem piorar outros.

Se eu apresentar para uma montadora um novo motor que tem o dobro da potência dos outros, mas o dobro do peso e do consumo de combustível, eu provavelmente soarei como uma piada. As soluções para os problemas precisam entender o objetivo e o que o impede de ser facilmente alcançado.

Absorvendo o conceito dessa teoria, afirmamos que a solução de todo problema real tem objetivo de melhorar a relação de uma contradição. Logo, todo processo decisório envolve uma contradição. A maioria dessas contradições tomam como o problema os fatores tempo ou dinheiro.

Podemos ter, por exemplo uma contradição de gerar muitos Leads com pouco investimento, ou com pouco tempo investido na produção de conteúdo. Em muitos casos pode ser interessante quebrar os elementos dessa contradição, facilitando assim a detecção de oportunidades de melhoria.

Com isso, o primeiro passo para estruturar o problema de uma tomada de decisão é entender a contradição em questão: o que você quer otimizar e quais efeitos colaterais você precisa mitigar. É nesse ponto que entra o pessimismo. Uma pessoa pessimista é especialista em identificar o que pode dar errado quando temos uma situação.

Aqui precisamos daquela pessoa que, quando você propõe um passeio, ela vai falar que o trânsito estará ruim, que irá chover no dia, que o lugar costuma ter muitos mosquitos, que vai ter muita fila ou que o preço estará fora do aceitável.

Basicamente ela irá listar todos os possíveis problemas associados a essa decisão, pois na mente dela isso tudo pode acontecer. E uma boa decisão deve levar em conta todos os fatores para, a partir dessas possibilidades, pesquisar melhor sobre cada uma e decidir sobre ir ao passeio ou não baseado em mais informações, verificando se a relação da contradição é interessante.

Quando os dados confrontam a sua opinião

Estruturado o problema, enfrentamos logo outro grande obstáculo, que é aceitar os resultados dos dados. Não que as pessoas neguem tudo o que os dados dizem - esse efeito é muito sutil e imperceptível, mas ocorre constantemente. A principal causa dessa dificuldade em aceitar o que os dados dizem é porque isso envolve fazer as pessoas mudarem de opinião.

Uma das coisas mais difíceis para o homem é mudar. Isso porque a mudança envolve dizer que todo seu passado estava errado, envolve reconhecer publicamente isso. Seja essa mudança em comportamento, opinião, crença. Mudar de time de futebol ou partido político são mudanças estranhamente difíceis de ocorrer.

Nenhuma mudança ocorre sem uma causa devidamente influente na mente da pessoa que acata a essa mudança. Para que a pessoa aceite um fato que o faça passar por esse rugoso trajeto da mudança, esse fato tem que ser extremamente válido.

Qualquer possibilidade desse fato não ser verdadeiro é suficiente para a mente da pessoa buscar o caminho de menor impedância e simplesmente rejeitar esse fato, assumindo que sua vida futura será melhor do jeito que está se comparada com a vida que seria se aceitasse o fato e passasse a assumir aquilo como verdade.

Assista a alguns programas no estilo Silvio Santos, onde as pessoas devem escolher um entre três portões para receber um prêmio. Após a primeira escolha, o apresentador abre uma porta errada e dá às pessoas a oportunidade de mudarem suas escolhas. Estatisticamente é melhor elas aceitarem a mudança, pois as chances sobem de 33% para 66%. Isso é um fato que se torna público no momento em que se abre uma das portas, dando novas informações para o jogo.

Não pretendo de longe discutir probabilidade condicional. O foco é que não somente o ato da mudança no jogo ser melhor para o participante é uma verdade, como também é fato que a grande maioria dos participantes não aceitaram mudar de opinião.

Assumindo que ninguém saiba que é melhor mudar de opinião nesse caso, ainda assim esperaríamos que uma boa parcela dos participantes mudassem de opinião, pois não deveria piorar também. O que explicaria o conservadorismo dos participantes? Talvez um mecanismo de defesa social para evitar manipulações de pessoas mais influentes no contexto. Acho que podem ocorrer muitos fatores, mas todos esses contribuem para o medo ou, talvez, preguiça da mudança.

O viés de aceitação

De nada adianta uma estruturação perfeita de um problema se, no final, ao observar dados que dizem coisas diferentes do esperado, a pessoa põe em dúvida a validade desses dados. As pessoas não abririam tão facilmente mão da esperança de que o esperado de fato ocorra. Em outras palavras, elas não querem dizer que estavam erradas.

Essa dúvida sempre irá ocorrer, pois nunca temos como confirmar com absoluta certeza de que não houve erro no procedimento de coleta ou que a coleta foi enviesada. O problema surge quando temos mais dúvida quando os dados estão a favor ou contra.

Se cada vez que um dado diz o contrário do que queremos damos um double-check, enquanto que se o dado reforça nosso ponto nós aceitamos no primeiro momento, temos com isso o que chamamos de viés de aceitação, e isso tornará de uma forma geral os dados mais a favor de quem o analisa.

Too good to be true

E onde entra o pessimismo? Há uma afirmação que gosto de aplicar e que tem como objetivo a minimização do risco, que diz que acreditar em algo falso é pior que não acreditar em algo verdadeiro.

Talvez você entenda que os riscos são importantes e que um pensamento otimista vai fazer você sair do lugar. E eu concordo, mas é importante ter em mente que você não precisa perder a proatividade ao ter esse comportamento. Aliar o pessimismo com a proatividade pode ser uma combinação excepcional para esse contexto.

O mindset esperado nesse caso é: sempre tentamos ter muita certeza de que a análise está correta, mas, mais do que isso, o double ou triple check deve ocorrer principalmente quando o resultado for acima do esperado, e não o contrário. A análise de dados deve ser feita de forma iconoclasta, visando quebrar qualquer argumento suspeito, principalmente quando positivo.

Assim, assumindo que sua capacidade de aumentar a confiabilidade da sua decisão seja limitada, o ponto que é devemos investir mais recursos melhorando a confiabilidade nos resultados positivos do que nos negativos.

Pessimismo data-driven

No frenesi de desenvolver o otimismo na cultura cantando “everything is gonna be alright” todo dia, talvez esteja faltando pessoas que observem o lado vazio do copo para aceitar mais verdades negativas para as empresas.

Entendo que uma cultura positiva é extremamente importante para qualquer empresa, principalmente startups, mas temos que evitar essa dicotomia classificando um comportamento como bom e outro como ruim.

A longo prazo, esse extremismo positivo pode levar sua empresa a certas ilusões arriscadas, e a melhor forma de se prevenir é mantendo, no time analítico, uma certa dose de pessimismo.

Post originalmente publicado em setembro de 2018 e atualizado em abril de 2023