La mayoría de los gerentes son buenos para hacer preguntas, pero no tan buenos para especificar qué constituiría una respuesta factible a esas preguntas. Realizan pruebas y aprenden de los resultados, pero rara vez los resultados promueven el diálogo continuo y el cambio organizacional.
La experimentación fomenta la innovación, pero también puede consumir tiempo y recursos. Para que la experimentación sea una actividad productiva en su organización, debe gestionar varias condiciones. Lo que aprende de los experimentos, cómo aplica sus aprendizajes, las oportunidades que presenta su aprendizaje y, quizás lo más importante, las conversaciones que tiene con sus colegas sobre sus hallazgos deberían tener un impacto en la toma de decisiones de la organización.
En este artículo, detallamos las condiciones bajo las cuales se deben realizar los experimentos, incluidas las consideraciones clave que se deben tener al realizar pruebas en un entorno empresarial en constante cambio, con qué datos probar y los criterios con los que se deben tomar decisiones.
Comprender las pruebas en condiciones comerciales.
Muchos gerentes asumen que una prueba de un nuevo producto, precio o servicio es análoga a un ensayo clínico en medicina donde una hipótesis puede validarse rigurosamente. Pero las pruebas en los negocios presentan desafíos cualitativamente diferentes a los de la mayoría de las investigaciones académicas y médicas. Hay pocas oportunidades para ensayos controlados aleatorios en un mercado competitivo. Por lo general, debe reparar el barco mientras navega en aguas abiertas en condiciones climáticas que no controla. Esto es especialmente cierto en una era de big data e inteligencia artificial.
Algunas pruebas pueden ser innecesarias o tener un impacto administrativo mínimo si consulta los datos y la literatura existentes sobre el tema. Al desarrollar su estrategia digital, un destacado minorista no consideró la investigación existente, incluido un estudio publicado y revisado por pares sobre el comportamiento del consumidor en varios canales en más de 7 millones de compras por casi 1 millón de clientes. Insistiendo en que todas las pruebas fueran datos de «primera mano», encargó una prueba en seis ubicaciones propiedad de la empresa. Esto no solo extendió las decisiones y acciones por ocho meses, sin una ganancia en evidencia, sino que también brindó una amplia oportunidad para reforzar los sesgos heredados mientras los competidores comenzaban sus iniciativas multicanal, impidiendo el crecimiento de este minorista.
Debe considerar los costos de oportunidad inherentes a las pruebas y estar dispuesto a ajustar la metodología y el alcance en consecuencia. A una empresa SaaS B2B se le presentó evidencia de que un segmento de clientes tradicionalmente no rentable estaba comenzando a cambiar su comportamiento de compra, y una inversión de marketing relativamente modesta podría acelerar ese cambio. Pero el legado de pérdidas amenazaba mucho, por lo que los tomadores de decisiones establecieron un estándar alto en términos de duración del experimento, tamaño de la muestra y metodología para superar la incredulidad organizacional, cuando había medios mucho más simples disponibles para probar el ROI de nuevas iniciativas en este segmento. Las pruebas más grandes cuestan casi cinco veces más y retrasan la acción en un mercado que cambia rápidamente.
Las pruebas procesables desde el punto de vista gerencial rara vez tendrán un resultado «científico», pero aún pueden generar información y opciones. El objetivo es generar un diálogo relevante entre los tomadores de decisiones en condiciones de mercado cambiantes, no verdades eternas. Use lo que pueda para hoy mientras invierte en encontrar respuestas para el mañana.
Cuida tus datos.
Necesita datos fiables para evitar el síndrome de basura dentro, basura fuera. En la mayoría de los proyectos de aprendizaje automático, hasta el 80 % del tiempo y los costos de los científicos de datos y los grupos de TI se dedican a limpiar los datos, debido a cosas como entradas inconsistentes, vistas obsoletas del comportamiento del comprador y suposiciones heredadas.
Los ejemplos comunes involucran pruebas impulsadas por datos en sistemas de gestión de relaciones con clientes (CRM). Las entradas son ruidosas porque el sistema informa el resultado agregado de lo que, en realidad, son varias personas que utilizan diferentes criterios. Un representante ingresa una solicitud de cotización de precio como cliente potencial calificado o cuenta activa en el sistema; otro utiliza la identificación de un presupuesto como criterio para calificar un lead o responder consultas de precios. El problema se magnifica cuando un esfuerzo multicanal es relevante para la prueba.
La mayoría del software de CRM también pondera las expectativas de ingresos por etapa de la tubería en el supuesto de que las probabilidades de cierre aumentan en las etapas sucesivas informadas. Pero en lugar de moverse secuencialmente a través de un embudo lineal, los compradores omnicanal ahora pasan de los canales en línea a los canales físicos e influyentes varias veces en los viajes de compra. Sin embargo, una vez que el sistema está en su lugar, las pruebas se diseñan para optimizar los parámetros del software, lo que refuerza una visión obsoleta del comportamiento del consumidor. La prueba se convierte en una profecía autocumplida, no en una ventana a las realidades del mercado. En términos más generales, como han señalado otros, dado que el fácil acceso a través de dispositivos móviles hace que la información justo a tiempo sea un factor cada vez mayor en las decisiones de compra, muchas técnicas de investigación tradicionales, como el análisis conjunto, no reflejan cómo se toman las decisiones de compra.
El legado de tales “pruebas” puede perdurar durante años. Uno de los autores de este artículo trabajó con una empresa en la que la tasa de abandono en su base de clientes (3% cada año, alegaron sus especialistas en marketing) se estableció en la década de 1990, una cifra que la empresa ha utilizado desde entonces, a pesar de los repetidos cambios en los productos. , precios, competencia, sustitutos y elecciones del consumidor.
Debe crear pruebas a partir de datos en los que tenga confianza. Por ejemplo, las devoluciones de productos son un problema de un billón de dólares para los minoristas de todo el mundo, y cada vez son más grandes a medida que Amazon Prime hace que las devoluciones «gratuitas» sean una norma cada vez mayor. Puede preguntar a los clientes si planean devolver su compra, pero las encuestas previas son una base deficiente para predecir este comportamiento, y algunas empresas ahora ofrecen descuentos a los clientes que renuncian a su derecho a devolver un producto, una inhibición para comprar en muchos. categorías. El historial de pedidos de un comprador es una base más firme para la prueba. Un estudio encontró que cuando los compradores interactúan con los productos, haciendo zoom para ver la textura de la tela o girándola para ver su apariencia desde múltiples lados, es menos probable que devuelvan la compra. Por el contrario, es más probable que aquellos que ordenan en una dispersión de tamaños devuelvan productos. Estos datos pueden proporcionar hipótesis para pruebas relevantes que, a su vez, generan diálogo sobre el diseño del sitio web, los precios, las políticas de cumplimiento de pedidos y los términos y condiciones.
Establecer criterios para la toma de decisiones.
En nuestra experiencia, los desafíos más difíciles en las pruebas son los procesos internos, especialmente la necesidad de trabajar en colaboración para definir un problema. La mayoría de los gerentes son buenos para hacer preguntas, pero no tan buenos (o, por varias razones, reacios) para especificar qué constituiría una respuesta factible a esas preguntas.
Los datos, incluso los datos supuestamente autocorregibles como en algunos programas de IA, nunca son lo mismo que la respuesta a un problema de gestión. Hace años, Peter Drucker enfatizó esto: “La computadora no toma decisiones; es un imbécil total, y ahí radica su fuerza. Nos obliga a pensar, a poner los criterios”. Los datos son cruciales, pero son mudos. Los gerentes siempre deben interpretar los datos con un fin en mente.
El precio es un ejemplo. Un precio tiene múltiples dimensiones: precio base, descuentos sobre el precio de lista, descuentos vinculados al volumen, ofertas especiales, precio por servicios adicionales, disposición a pagar según la aplicación del producto, etc. Además, la información de precios ahora suele estar a un clic de distancia para los clientes. Sitios como Edmunds.com y Kayak facilitan las comparaciones de precios en múltiples categorías. Y la inercia rara vez es la opción que maximiza las ganancias para los vendedores. Observe, por ejemplo, cómo Amazon destila miles de SKU para bienes de consumo empaquetados en comparaciones de precio por onza en su sitio web.
La prueba de precios debe ser una parte constante del marketing eficaz, pero primero aclare los criterios de evaluación porque, en última instancia, la prueba en los negocios significa evaluar alternativas. Hay una gran diferencia entre usar el aumento de las ganancias o el aumento de los ingresos, por ejemplo, como criterio, y los cambios de precios suelen tener un impacto en varios períodos de tiempo, no solo a corto plazo. Sin embargo, la mayoría de las empresas no especifican los criterios que utilizarán para interpretar las pruebas de precios y gastan tiempo y dinero en una expedición de pesca desenfocada que no lleva a ninguna parte.
Una excepción es Basecamp, el proveedor de software colaborativo cuyos productos abarcan una amplia gama de usuarios, aplicaciones, individuos y grandes corporaciones. Cuando presentó su producto Basecamp 3, realizó una combinación de encuestas de precios, pruebas A/B, varias ofertas y especificó sus criterios por adelantado para tomar decisiones. Como señaló su principal analista de datos en un caso de la Escuela de Negocios de Harvard, los productos de Basecamp se venden a través de un modelo de comercio electrónico entrante de bajo costo, por lo que «los precios óptimos [are] los que dan como resultado el máximo [customer] valor de por vida (LTV). Aceptaríamos una tarifa de compra más baja si un valor promedio más alto compensa eso, y viceversa. También aceptaríamos un monto de factura promedio más bajo si condujera a una mayor retención y, por lo tanto, a un mayor LTV”. La firma también fue clara sobre los criterios a utilizar en la evaluación de resultados: “Es difícil probar LTV directamente [because] ese es un resultado a largo plazo sensible a elementos más allá del precio… El impacto en LTV se calcula evaluando las tasas de conversión (cuentas gratuitas que se actualizan a un plan pago) y los ingresos mensuales iniciales (precio promedio que paga un usuario después de la conversión a un plan pago)».
Estos criterios ayudaron al diálogo organizacional y mejoraron los esfuerzos multifuncionales para evaluar los datos e implementar opciones. Existe una compensación entre las oportunidades de precios de LTV y la maximización de la adquisición inicial de clientes. Las diferentes funciones (ventas, marketing, operaciones, finanzas, relaciones con inversionistas) generalmente tienen diferentes puntos de vista de esa compensación, y en muchas empresas los gerentes detienen opciones valiosas que optimizan las métricas de su función, no el valor empresarial.
Preste atención a las ideas «pequeñas».
Pocas oportunidades de miles de millones de dólares comienzan de esa manera, pero las empresas tienden a asignar tiempo y dinero de prueba a grandes iniciativas mientras ignoran pequeñas ideas que, en conjunto, pueden tener un mayor impacto con menos riesgo. El precio es de nuevo un ejemplo. El impacto varía según la industria, pero los estudios indican que para una empresa global 1000, un aumento del 1% en la realización del precio, no necesariamente aumentando el precio en cada pedido, pero promediando un 1% más y manteniendo el volumen estable, generalmente significa un 8% a una ganancia del 12% en las ganancias operativas. Estos resultados han sido constantes durante décadas, antes de que Internet se convirtiera en un medio comercial, desde entonces, y tanto para empresas en línea como fuera de línea.
Busque el progreso, no la perfección, e invierta en procesos que permitan a los empleados presentar ideas aparentemente pequeñas. Los canales en línea hacen que probar estas ideas sea factible y económico cuando se sabe cómo hacer preguntas. Aquí hay tres enfoques sencillos:
- Extraiga las interacciones de compra de su sitio web. Cuando las aerolíneas agregan una pregunta sobre si un viaje es por negocios o personal, tienen una idea de la sensibilidad de los precios para las actualizaciones.
- Alterne periódicamente las preguntas que hace, recopilando ideas que se pierden cuando las mismas preguntas no cambian durante meses o años.
- Involucrar a usuarios y no usuarios. Ahora existe una clase de herramientas que le permiten interactuar directamente con los clientes actuales y potenciales en tiempo real y en diferentes puntos de sus viajes de compra.
Como demostró la pandemia, los mercados se mueven más rápido que nunca y su trabajo es adaptarse. Hablar de «big data» y «transformación digital» tiene a muchos gerentes obsesionados con cómo almacenar datos. Pero las mejores empresas se obsesionan con cómo pueden usar sus datos en pruebas procesables de nuevas ideas. Piense en las pruebas en su organización como parte de una conversación continua con su mercado: una película, no una selfie o una instantánea, en un mundo que nunca deja de cambiar.
