DE
O que é segmentação de visitantes?
Por padrão, ao criar um teste A/B na VWO, todos os visitantes são incluídos no experimento, cujo objetivo é avaliar as alterações na taxa de conversão nos níveis de população ou segmento de visitantes. A estimativa geral da taxa de conversão está associada ao desempenho de um usuário médio. No entanto, diferentes subgrupos dentro da população podem se comportar de forma distinta em relação ao seu produto/experiência e apresentar taxas de conversão diferenciadas.
Por exemplo, pode haver um subconjunto de visitantes com atributos compartilhados que têm uma taxa de conversão muito diferente em relação à toda a população analisada. Suponhamos que seu site seja voltado ao atendimento de um público que fala português e que a taxa de conversão geral para as compras seja de cerca de 2%. Ao analisar seus visitantes em detalhes, você descobre que o tráfego do seu site também abrange uma alta porcentagem de visitantes de língua espanhola. Ao avaliar somente os usuários que falam espanhol, é constatado um declínio acentuado na taxa de conversão, que está em torno de 0,5%. Com base nessa análise, é possível desenvolver uma estratégia de personalização para criar uma versão em espanhol do seu site a fim de melhorar a experiência desse grupo de usuários, o que poderá resultar em um aumento geral da taxa de conversão.
A segmentação de visitantes em diferentes dimensões permite que você descubra se há um grupo que responde à sua experiência de forma diferente da média da população. Ao identificar esses segmentos, você consegue direcionar os visitantes de maneiras distintas para aumentar a taxa de conversão geral no seu site.
Por que é importante analisar os segmentos de visitantes?
À medida que as empresas crescem e atingem determinados patamares, a análise de segmentação se torna um elemento importante para impulsionar as métricas para uma direção positiva que, de outra forma, permaneceria saturada se as decisões fossem tomadas levando em consideração apenas o nível de população.
Um teste A/B ou multivariado informa os resultados de todos os visitantes incluídos no experimento. Essa é uma abordagem útil para identificar tendências gerais, mas não revela detalhes sobre um comportamento específico de determinados grupos. Por exemplo, digamos que os visitantes do Brasil sejam a principal força motriz da sua taxa de conversão. Esse tipo de padrão fica oculto quando você analisa os dados em um nível agregado, e só pode ser revelado quando há uma divisão em grupos.
Além disso, em alguns casos, erros podem ser introduzidos ao criar um teste A/B, e uma determinada variante pode não funcionar com os visitantes que fazem parte de um segmento específico. A segmentação pós-teste ajuda a descobrir se alguma das variações ainda apresenta erros. Assim, ela oferece um mecanismo de controle de qualidade para o seu experimento.
Dimensões da segmentação de visitantes
Após a execução do teste e a coleta de dados suficientes, uma análise adicional pode ser realizada em várias dimensões do visitante para obter mais insights e impulsionar a personalização futura. Essa segmentação pode ser executada em dimensões únicas ou em múltiplas dimensões combinadas. As quatro dimensões amplas para segmentar visitantes são:
- Segmentação geográfica do mercado
- Segmentação demográfica do mercado
- Segmentação psicográfica do mercado
- Segmentação comportamental do mercado
Segmentação determinística e segmentação por descoberta em dados pós-teste
Depois de decidir em qual das quatro dimensões criar um segmento, a próxima etapa é definir como fazer a segmentação. Existem duas abordagens principais:
| Determinística | Descoberta |
| Com base em uma hipótese e sua respectiva utilidade para os negócios, os segmentos são analisados para verificar se há algum comportamento interessante em relação a eles. | Os segmentos são descobertos usando mineração de dados e algoritmos estatísticos para procurar diferenças no comportamento dos usuários. |
| Como a utilidade de um segmento já está incorporada na hipótese desde o início, uma análise mais extensa não costuma ser necessária. | Uma análise adicional é feita para determinar se os segmentos são significativos. O fato de algo ser significativo do ponto de vista estatístico não significa que ele seja significativo do ponto de vista estratégico. |
| A identificação de segmentos interessantes que sejam significativos e úteis é difícil, principalmente quando se lida com conjuntos de dados grandes e complexos. | Como a descoberta de segmentos é feita pelo algoritmo, a análise pode resultar na identificação de padrões que talvez não fossem conhecidos anteriormente. |
Como as duas abordagens de segmentação são realizadas com dados observacionais, diversos segmentos podem ser considerados significativos devido a um erro estatístico. Quando mais segmentos são analisados a partir dos dados observacionais, a probabilidade de encontrar segmentos que alcançaram significância estatística aumenta, elevando as chances de que ocorram falsos positivos. Portanto, é importante executar testes de acompanhamento para validar os resultados da segmentação.
Quais segmentos podem ser classificados como interessantes?
Qualquer decisão personalizada que você tomar em relação a um segmento terá um efeito perceptível sobre as métricas de negócios somente se uma parcela significativa da população pertencer a esse segmento. Considere os dois segmentos X e Y com as seguintes propriedades:
- População de visitantes que pertence a X: 20%
- População de visitantes que pertence a Y: 1%
As iniciativas para aprimorar a experiência dos visitantes pertencentes ao segmento X terão mais impacto do que aquelas destinadas ao segmento Y. Portanto, somente os segmentos que abrangem uma proporção elevada dos visitantes devem ser selecionados e analisados mais a fundo.
Depois de determinar os segmentos que satisfazem os critérios mínimos, você poderá selecioná-los e categorizá-los de acordo com a seguinte taxonomia:
- Segmentos de alto desempenho — apresentam uma alta taxa de conversão em comparação com a taxa de conversão média da campanha.
- Segmentos de pior desempenho — apresentam uma taxa de conversão mais baixa do que a taxa de conversão média da campanha.
- Segmentos com um vencedor diferente do vencedor da campanha — se, após a conclusão de um teste A/B, a variação B for declarada vencedora, mas para um determinado segmento a variação A for a vencedora, esse segmento será considerado interessante.
Se os segmentos interessantes forem decididos a partir da dissecação dos dados pós-teste em diferentes dimensões, é recomendável executar testes de acompanhamento para segmentos específicos e com bom desempenho antes de tomar qualquer medida baseada nos resultados.
Por meio de um ciclo contínuo de exploração e refinamento da segmentação, é possível criar uma experiência personalizada para os visitantes do seu site. Usando a funcionalidade de dimensão de visitantes da VWO, você consegue analisar o detalhamento dos resultados dos testes das diferentes dimensões selecionadas. Faça um teste grátis e experimente essa funcionalidade.
