Trazendo insights de produtos para o marketing

Quase dois anos atrás, escrevi que as equipes de produto e marketing precisam aumentar sua colaboração relacionada à análise digital. Antes de ingressar na Amplitude, eu tinha visto muitos casos de organizações trabalhando em silos para análise digital. As equipes de produto e marketing usaram métricas diferentes para o sucesso ou até mesmo produtos analíticos diferentes. Na Amplitude, tínhamos uma visão de que o marketing e a análise de produtos iriam convergir e, dois anos depois, vimos evidências de que nossa visão estava correta.

A Amplitude acreditava que as equipes de produto e marketing deveriam aumentar a colaboração relacionada à análise porque vimos oportunidades para ambas as equipes se beneficiarem. Nesta postagem, descreverei alguns dos benefícios que os clientes da Amplitude veem por meio de nossa combinação de análise de produto e marketing. Especificamente, descreveremos como os profissionais de marketing podem aproveitar os insights de produtos para melhorar suas campanhas de marketing por meio de dados analíticos de produtos.

Entendendo a conversão downstream

Como profissional de marketing, sei como pode ser difícil demonstrar o valor do marketing. Os profissionais de marketing trabalham duro para encontrar maneiras novas e criativas de atrair novos clientes para comprar produtos (B2C), visualizar conteúdo (Mídia) ou converter em leads (B2B). Muitas das métricas que os profissionais de marketing usam para justificar seus esforços são de curto prazo. Contagens de visitantes únicos, rejeições, pedidos e leads muitas vezes apenas arranham a superfície do que é necessário.

Por exemplo, suponha que você trabalhe para uma empresa de software B2B e tenha campanhas destacando quais recursos tornam seu produto melhor do que seus concorrentes. Sua campanha de marketing pode incluir anúncios de pesquisa paga, anúncios gráficos e anúncios em vídeo para fazer com que os usuários façam uma avaliação gratuita de seu produto de software. Você pode usar a funcionalidade de análise de marketing para ver quais partes de sua campanha de marketing trazem mais usuários para suas propriedades digitais. Atécertoponto (devido às falhas na atribuição multitoque), você também pode ver quais elementos da campanha levam os usuários a preencher formulários de lead. Mas vamos supor que os usuários levem algumas semanas ou meses para se envolver com a avaliação gratuita do software e, finalmente, comprá-lo.

Nesse cenário, os dados de análise de marketing só podem basear suas conclusões nos dados até o ponto em que o usuário preenche um formulário de lead. Depois disso, a equipe de produto captura os dados de uso do produto de avaliação gratuita usando a funcionalidade de análise do produto. Se os dados de uso do produto forem isolados dos dados de análise de marketing no mesmo ou em um produto de análise diferente, será impossível conectar o uso do produto à campanha de marketing. Mas se os dados analíticos estiverem conectados, idealmente no mesmo produto analítico, é possível juntar os dados de uso da avaliação gratuita à campanha de marketing que gerou a avaliação gratuita.

A primeira maneira pela qual as percepções do produto podem ajudar a melhorar as campanhas de marketing é relatando o verdadeiro sucesso a jusante. Suponha que os dados do produto possam mostrar quais clientes em potencial compraram o produto após o teste gratuito. Nesse caso, os dados analíticos do produto podem mostrar à equipe de marketing quais campanhas levaram ao sucesso posterior, geralmente vinculado à receita. Em vez de basear futuras decisões de campanha de marketing no número de leads ou MQLs, as decisões podem ser baseadas na conversão real. Esses dados podem ajudar a esclarecer quais campanhas de marketing estão funcionando e quais não estão. Por exemplo, algumas palavras-chave de pesquisa paga podem gerar muitos leads, mas resultar em muito poucas conversões downstream.

Por outro lado, pode haver algumas campanhas de marketing que não parecem boas com base na contagem de leads, mas convertem significativamente. Ter dados de conversão downstream elimina muito do trabalho de adivinhação e permite que as equipes de marketing transfiram preciosos orçamentos de publicidade para as campanhas que geram receita. Claro, isso pressupõe que você possa conectar com precisão a campanha de marketing ao lead, o que está se tornando cada vez mais difícil no mundo sem cookies e centrado na privacidade de hoje! Mas supondo que você possa superar esse obstáculo, aproveitar os dados analíticos do produto para visualizar as conversões downstream é uma maneira pela qual o produto e o marketing podem se beneficiar da colaboração.

Entendendo o uso de recursos do produto/aplicativo

A próxima maneira pela qual os insights de produtos podem ajudar as campanhas de marketing é por meio do uso de recursos de produtos digitais. As equipes de produto gastam muito tempo entendendo como os usuários interagem com vários recursos do produto. Em uma configuração B2B, isso pode significar analisar quais recursos de software são usados. Em uma configuração B2C, pode significar analisar quais filtros os usuários usam para filtrar produtos em um site de comércio eletrônico. Independentemente dos recursos específicos ou do modelo de negócios, entender o que é de interesse dos usuários do ponto de vista do produto pode ser útil para a equipe de marketing. Vejamos isso através de alguns exemplos.

Continuando nosso exemplo de software B2B anterior, a equipe de produto tem informações sobre os recursos do produto usados ​​durante as avaliações gratuitas. Ele pode trabalhar com o marketing para determinar se o uso do recurso na avaliação gratuita difere de acordo com a campanha de marketing que originou o usuário. Se os profissionais de marketing descobrirem que os usuários da campanha A tendem a usar mais os recursos A, B e C na avaliação gratuita, eles poderão usar essas informações em futuras campanhas de marketing para destacar esses recursos. Por exemplo, vamos supor que os usuários provenientes do termo de pesquisa paga “ferramentas de gerenciamento de banco de dados” entrem na avaliação gratuita e usem principalmente o recurso de pesquisa do produto. Esse cenário pode apresentar uma oportunidade de compartilhar mais informações sobre o recurso de pesquisa em anúncios futuros. Talvez sob o título do anúncio de pesquisa paga, a equipe de marketing acrescente: “Experimente o melhor recurso de pesquisa de todos os produtos de gerenciamento de banco de dados!” Esse tipo de publicidade baseada em dados pode ajudar a aumentar as taxas de conversão e o retorno do investimento em anúncios (ROAS).

Em um contexto B2C, suponhamos que um varejista on-line use dados analíticos de produtos para determinar que muitos clientes novos provenientes de campanhas de marketing estão usando o recurso de filtro de navegação à esquerda para restringir os produtos. Especificamente, os usuários geralmente se envolvem com os filtros de tamanho e classificação para encontrar produtos. Essas informações informam ao varejista que os novos na marca desejam a capacidade de filtrar seus produtos por esses atributos principais rapidamente. Você pode compartilhar esse insight com a equipe de marketing e adicioná-lo a futuras campanhas de marketing. Por exemplo, novas campanhas podem usar frases como “Encontre os melhores produtos XYZ por tamanho ou classificação do cliente...” Ou anúncios em vídeo podem destacar como é fácil encontrar produtos usando os filtros específicos que muitos clientes em potencial tendem a usar. Esses são apenas alguns exemplos simples do uso de insights de uso de recursos da análise de produtos para melhorar futuras campanhas de marketing.

Entendendo o abandono

Como profissional de marketing, geralmente é difícil rastrear a atividade daqueles que você adquire além de suas interações iniciais. Por exemplo, um profissional de marketing pode saber que levou um novo cliente a um site de varejo, mas e se esse visitante comprar um produto naquela sessão, mas comprar muitos outros produtos trinta dias depois? Dependendo da sofisticação do rastreamento de análise de marketing, provar que a campanha de marketing gerou compras posteriores pode ser um desafio. Em um exemplo B2B, um profissional de marketing pode saber que levou um novo usuário a uma avaliação gratuita, mas pode não saber que o mesmo usuário abandonou a avaliação gratuita após alguns dias.

Ambos os exemplos envolvem a compreensão do abandono do produto digital. Muitas implementações de análise de produtos incentivam ou forçam os usuários a criar um identificador exclusivo (via autenticação) para lidar com o conceito de abandono. No B2C, isso pode envolver a criação de uma conta em um site de varejo. No B2B, isso pode envolver o login para usar um produto. Você pode unir o comportamento do usuário em diferentes dispositivos e sessões quando tiver contas autenticadas. A costura do usuário permite que as equipes de produto e os dados analíticos do produto visualizem com que frequência cada usuário retorna ao site ou aplicativo ao longo do tempo.

No exemplo B2C anterior, a equipe de produto pode ver as compras além da compra inicial. Todas as compras do mesmo usuário são associadas à campanha de marketing original que originou o usuário. Essa associação permite que a equipe de produto veja o valor da vida útil do usuário e trabalhe com o marketing para atribuí-lo às campanhas de marketing. O valor vitalício, por sua vez, ajuda o marketing a identificar uma visão mais precisa do retorno sobre o investimento em publicidade. A equipe de produto também pode trabalhar com marketing para identificar quais clientes conhecidos não retornaram ao site nas últimasxsemanas. O marketing pode usar essas informações para acionar campanhas de remarketing para reengajar clientes que ficaram inativos.

No exemplo B2B anterior, a equipe de produto pode identificar quais usuários de avaliação gratuita pararam de se envolver com a avaliação gratuita. Você pode usar coortes de usuários inativos de avaliação gratuita para lembrar aos usuários que eles têm um tempo limitado para explorar o produto antes que seja tarde demais. Ou o marketing pode trabalhar com a equipe de produto para agrupar usuários de avaliação gratuita em coortes com base nas etapas de avaliação gratuita que eles executaram e não executaram. Esse tipo de coorte pode fornecer ao marketing uma maneira de direcionar casos de uso específicos para trailers gratuitos. Por exemplo, suponha que cinquenta usuários de avaliação gratuita tenham executado um relatório, mas não o tenham enviado a ninguém. Nesse caso, a equipe de produto pode trabalhar com o marketing para enviar um e-mail personalizado a esses usuários com treinamento sobre como dar o próximo passo e compartilhar relatórios com os colegas.

Outro benefício de combinar equipes e dados de marketing e produto é a visualização do uso do produto a longo prazo por campanha ou canal de marketing. Os profissionais de marketing são bons em ver quando os usuários abandonam suas campanhas imediatamente ou se retornam nos próximos 30 ou 90 dias. Mas depois de 90 dias, a maioria das organizações depende de dados analíticos de produtos para analisar a retenção de usuários. A necessidade de análise de retenção de longo prazo é o motivo pelo qual as ferramentas de análise de produto oferecem muitos relatórios e visualizações de retenção de usuários diferentes, enquanto os produtos de análise de marketing oferecem muito poucos.

Depois que os dados de análise de marketing e produto são combinados, você pode usar relatórios padrão de retenção de análise de produto para visualizar a retenção de usuários por canal de marketing ou campanha:

Independentemente do contexto, fazer com que a equipe de produto compartilhe suas percepções relacionadas ao uso e abandono com o marketing fornece uma maneira de ambas as equipes se beneficiarem.

Compreender quais campanhas direcionam os usuários certos/errados

Embora os profissionais de marketing gostem de pensar que podem atingir públicos-alvo específicos de usuários por meio de suas campanhas de marketing, isso é difícil de fazer na realidade. Você pode anunciar em um site popular com um grupo demográfico mais jovem para segmentar pessoas mais jovens. Você pode usar redes sociais como Facebook e Instagram para direcionar anúncios em um alto nível de granularidade. Mas não importa o quão bom você seja em focar suas campanhas de marketing no público certo, você terá pessoas que clicarão em suas campanhas que são certas para o seu produto/serviço e aquelas que não são. A prova da precisão da segmentação é quando os usuários executam as ações que você deseja que eles executem depois de adquiri-los.

Enquanto os profissionais de marketing são ótimos para criar coortes de clientesem potencial, as equipes de produto são ótimas para criar coortes de clientesreais. As equipes de produto usam a funcionalidade de análise de produto para identificar quais usuários estão executando as tarefas ou jornadas desejadas. Essas coortes podem ser simples ou complexas, dependendo da situação. Por exemplo, uma equipe de produto pode determinar que seu perfil de cliente ideal (ICP) para um serviço de streaming de música é um usuário que ouve pelo menos cinco músicas por semana e cria pelo menos uma lista de reprodução a cada três meses.

Independentemente dos critérios, as equipes de produto podem usar ferramentas analíticas de produto para criar coortes de seus usuários ideais e, ao contrário, daqueles que não são ideais. Você pode usar essas coortes para determinar quais campanhas ou canais de marketing estão atraindo as pessoas certas e erradas. Algumas campanhas de marketing podem trazer muitos novos clientes, mas não os tipos certos de clientes. Vejamos um exemplo. Suponha que uma equipe de marketing gaste dinheiro em pesquisa paga, recursos de SEO e algumas comunidades/eventos menores. Quando os visitantes entram no funil de aquisição, você captura sua fonte em um produto de análise digital como o Amplitude. Após a aquisição, a equipe de produto cria coortes que identificam seus usuários “poderosos” e aqueles que não são usuários “poderosos”. A equipe de marketing e produto visualiza os canais de aquisição de marketing por cada uma dessas coortes inversas:

Quando vistas por essa lente, algumas fontes de marketing (SEO, Product Club Forum e Product World Conference) podem atrair mais usuários avançados do que usuários não avançados. Algumas das fontes de marketing com menos atividade, como o Product Club Forum e a Product World Conference, são mais do que o dobro de sua porcentagem de usuários avançados. Embora essas duas fontes sejam pequenas em volume em comparação com a pesquisa paga, elas produzem mais usuários avançados em uma base relativa. O que pode acontecer se essas fontes receberem mais foco do que a pesquisa paga? Investir mais nessas campanhas pode ser uma experiência válida para ver se o marketing aloca mal seus orçamentos.

Como você pode ver, o benefício de conectar dados e coortes de uso do produto à atividade de marketing é que isso pode iluminar oportunidades de melhoria. A combinação de dados de marketing e de produto é uma forma de as equipes de produto ajudarem a informar e melhorar as campanhas de marketing. Mas esses benefícios dependem de ambas as equipes usarem a mesma plataforma de análise digital ou outra forma de juntar os dados do usuário.

Resumo

Tradicionalmente, as equipes de marketing e produto trabalham em silos. O marketing era responsável por adquirir clientes, e a equipe de produto os engajava e retinha. Mas há muitas maneiras pelas quais as equipes de produto podem colaborar com as equipes de marketing e ajudá-las a atingir seus objetivos por meio de análises e dados de produtos. As equipes de produto geralmente têm insights sobre o comportamento do usuário a longo prazo que as equipes de marketing não têm. Alguns exemplos disso incluem:

• Entendendo a conversão downstream
• Entendendo o uso de recursos do produto/aplicativo
• Entendendo o abandono
• Compreender quais campanhas direcionam os usuários certos/errados

Esses são apenas alguns exemplos de como os insights de produtos podem ajudar a melhorar as campanhas de marketing e por que as equipes de marketing e produtos devem aumentar a colaboração relacionada à análise digital.