Översättningslagret för fallstudier: Förvandla ett varumärkes vinst till din kunds nästa test

Sammanfattning

Siffran i en e-handelsfallstudie är den minst portabla delen av den. En 43-procentig konverteringsökning hos Mattress Firm eller en 50-procentig ökning av e-postregistreringar hos Emma Sleep beskriver vad som hände i ett specifikt sammanhang, inte vad som kommer att hända i ditt. Det som överförs är mekanismen – den specifika friktion som varumärket tog bort och den beteendeförändring som följde. Den här artikeln ger team ett ramverk i sex steg för att isolera dessa mekanismer, kartlägga dem mot en kunds tratt, designa små tester och bygga en återanvändbar spelbok. Den tar också upp varningarna: när en mekanism inte överförs, varför ett rent A/B-test ofta är omöjligt, och hur man mäter mekanismens hälsa snarare än bara mätvärdet.

De flesta råd om e-handelsfallstudier är bakvända. De börjar med resultatet – den 43-procentiga konverteringsökningen, 12 000-procentig SMS-ROI, 250 000-dollarssidan – och arbetar baklänges till en taktik. Den ordningen garanterar tyst misslyckande, eftersom siffran i en fallstudie är den minst portabla delen av den. Produktkategorin, trafikkällan, prissättningen, varumärkets förtroende och säsongsvariationer som formade den siffran kommer aldrig att stämma överens på samma sätt för en kund. Det som överförs är mekanismen: den specifika friktion som varumärket tog bort och den beteendeförändring som följde. Ett team som kan extrahera mekanismer, inte mätvärden, kan förvandla en enda fallstudie till en repeterbar process hos helt olika kunder.

Den här artikeln är ett ramverk i sex steg för att göra det. Du får lära dig hur du skriver en översättningsmening för vilken fallstudie som helst, hur du kartlägger en mekanism mot en kunds tratt, hur du designar det minsta test som fortfarande bevarar mekanismen, hur du definierar överföringsvillkor i förväg och hur du bygger en återanvändbar spelbok. Exemplen kommer från verkliga e-handelsfallstudier, men fokus ligger på processen, eftersom en process är det enda som överlever kontakten med en ny kund.

1. Ta bort siffran, behåll mekanismen

En procentuell ökning är inte något du kan kopiera. Det är ett resultat av en interaktion mellan en förändring och ett sammanhang. Förändringen kan vara en ny sidlayout; sammanhanget är en specifik butik, publik och tidpunkt. Kopierar du förändringen utan sammanhanget testar du inte samma sak. Kopierar du mekanismen har du en chans.

Tänk på Mattress Firms omdesignresultat: en 43-procentig ökning av konverteringsfrekvensen och en 325-procentig minskning av övergivna produktsidor. Sammanfattningen brukar tillskriva 'en webbplatsomdesign' eller 'förbättrat flöde i köptratten'. Det är en taktik, inte en mekanism. Om du säger till en kund 'vi borde göra om er tratt' har du gett dem en budgetförfrågan, inte en testbar idé. Mekanismen finns en nivå längre ner. Mattress Firm introducerade också en madrassfinder – ett interaktivt verktyg som ställer några frågor och returnerar en shortlist. Det är den del som tar itu med ett specifikt beteendeproblem: valöverbelastning. När en shopper står inför dussintals nästan identiska skumplastrektanglar är det svåraste steget att bestämma sig. Guiden tar bort friktionen genom att förvandla 'jämför allt' till 'svara på tre frågor och se tre alternativ'.

För att göra detta överförbart, skriv en översättningsmening. Börja med vad användaren gjorde innan, vad de gjorde efter, och vilken friktion du tog bort.

• Före: shoppern scrollar genom ett rutnät av odifferentierade produkter.
• Efter: shoppern svarar på frågor, får en shortlist, jämför ett fåtal.
• Friktion borttagen: valöverbelastning.

Mekanismuttalandet: 'När en shopper står inför många liknande val minskar en guidad väljare den kognitiva belastningen och ökar engagemanget för en shortlist.' Inga siffror i den meningen. Det är medvetet. Du kan tillämpa det på en hudvårdskund med fyrtio serum, en hårdvarukund med trettio laddare eller en djurfoderkund med sjuttio recept. Siffran sa 'det här varumärket, den här säsongen, den här trafiken.' Mekanismen säger 'det här beteendeproblemet, den här lösningen.' Det här är disciplinen bakom att stjäla mekanismen snarare än siffran, och det är det enda tillförlitliga sättet att använda en fallstudie som mer än inspiration.

2. Namnge friktionen i din kunds tratt

När du har en mekanism är din uppgift att hitta samma friktion i kundens värld. Det är här de flesta copy-paste-försök dör, eftersom människor matchar taktik mot taktik istället för friktion mot friktion. Frågan är inte 'har kunden ett quiz?' – utan 'står kundens användare inför samma beslutsproblem?'

Ta The Sill, en onlineåterförsäljare av växter som ökade organiskt trafik med 45% genom långsvans-SEO och optimering av sidhastighet. Taktiklistan är tråkig: skriv innehåll för specifika sökfrågor, gör webbplatsen snabbare. Mekanismen är mer intressant: matcha sökintentionen mot en specifik produktsida, så att en besökare som söker 'ljussvaga växter för kontor' hamnar på en sida som säger precis det, snarare än en generisk 'växter'-kategorisida. Friktionen som tas bort är osäkerheten om huruvida butiken har det besökaren behöver.

Tillämpa nu det på en kund. Anta att du arbetar med en nischad återförsäljare av utomhusutrustning med 80 produkter och stor långsvans-sökefterfrågan. Kundens flaskhals är trafik – specifikt trafik som matchar det de säljer. Mekanismen säger: skapa en landningssida för varje genuin sökintention och se till att sidan är snabb och specifik. Det lilla testet är inte 'gör en fullständig SEO-revision'. Det är det här:

• Välj de tio sökfrågor som har tydligast köpavsikt (du hittar dem i kundens sökkonsol eller genom att titta på hur konkurrenters produktsidor rankar).
• För varje sökfråga, skriv en sida som nämner användningsområdet i rubriken, visar de två eller tre produkter som passar och länkar till den enklaste köpvägen.
• Ladda upp dessa sidor på kundens befintliga infrastruktur. Gör inte om webbplatsen.
• Spåra om organiska sessioner till dessa sidor ökar och om dessa besökare är mer benägna att lägga i varukorgen än besökare från kategorisidan.

Den sista jämförelsen är viktig. Om landningssidorna får trafik men inga konverteringar kan mekanismen vara närvarande men sidan kanske inte svarar på sökfrågan. Om de inte får trafik har du lärt dig att kundens domänauktoritet eller innehållets färskhet är flaskhalsen, vilket är en annan mekanism. Varningen är enkel: om kunden redan har gott om trafik och problemet är konvertering, kommer en trafikmekanism att slösa bort både din och deras tid.

3. Designa det minsta test som bevarar mekanismen

Instinkten efter att ha läst en bra fallstudie är att bygga den fullständiga versionen av vad det framgångsrika varumärket gjorde. Det dödar ofta lärandet, eftersom en stor release buntar ihop många ändringar och du kan inte se vilken som påverkade beteendet. Designa istället det minsta testet som fortfarande innehåller mekanismen – den del som faktiskt tar bort friktionen.

Emma Sleeps e-postfångstresultat är ett bra exempel: genom att ställa en enda fråga före e-postfältet ökade varumärket e-postregistreringarna med 50%. Mekanismen är mikroåtagande: ett litet, enkelt svar först får e-postfältet att kännas som det andra steget snarare än det första. Taktiken var ett formulär med en fråga. Den fullständiga versionen kan vara ett quiz i flera steg, ett preferenscenter eller en personaliseringsmotor. Du behöver inte något av det för att testa mekanismen.

För en kund med en typisk 'Registrera dig för 10% rabatt'-popup är det minsta testet att ersätta det enda e-postfältet med ett tvåstegsflöde:

• Steg ett: 'Vad är ditt främsta bekymmer?' med fyra alternativ (eller 'Vilken är din favoritproduktkategori?').
• Steg två: e-postfältet, inte förifyllt, men med det valda svaret skickat vidare.
• Allt annat förblir detsamma: samma utlösare, samma erbjudande, samma designsystem.

Spåra ett primärt mätvärde: registreringsfrekvens. Men stanna inte där. Spåra slutförandefrekvensen för det andra steget (hur många som svarade på frågan faktiskt skrev in en e-postadress). Om det första steget slutförs men det andra tappar, fungerar inte mekanismen – du har bara lagt till friktion. Om de totala registreringarna ökar har du en signal om att mikroåtagandet spelar roll i detta sammanhang.

En notering för kundarbete: ett rent A/B-test är ofta omöjligt. Kundtrafiken kan vara för låg, eller den tekniska uppsättningen stödjer inte split-testning på kort tid. Fejka inte statistisk säkerhet. En före/efter-jämförelse, några sessionsinspelningar och två snabba användarintervjuer kan berätta mer än ett p-värde som låtsas veta. Poängen är att lära sig om mekanismen fungerar i detta sammanhang, inte att publicera en artikel. Det är här små förändringar som faktiskt flyttar nålen blir en strategi snarare än en slogan.

4. Bestäm vad 'överfört' betyder innan du kör det

En mekanism kan överföras medan den förväntade effektstorleken ändras. Samma friktion finns i en annan butik, men omfattningen beror på hur smärtsam friktionen är, hur mycket förtroende varumärket har och hur motiverad användaren är. Därför måste du definiera överföringsvillkor innan testet startar – inte efteråt, när du kommer att frestas att rationalisera vilken siffra som än dyker upp.

AppSumos fall är en användbar varning. En specifik säljsida genererade över 250 000 dollar på under 10 dagar, och Facebook-annonskampanjer gav en ROI på 29x. Mekanismen ser enkel ut: bygg en dedikerad sida för ett erbjudande, driva trafik med betalda annonser. Men villkoren inkluderar en nyhetsbrevpublik som redan litar på tidsbegränsade erbjudanden och en erbjudandestruktur som bygger på brådska. Om du kopierar den dedikerade sidans taktik för en kund utan den publiken kan sidan vara vacker och annonsinriktningen precis, men siffran kommer inte att följa.

Före testet, skriv ett överföringskort för mekanismen. Ett överföringskort har fem fält:

• Friktion: vad användaren försöker lösa.
• Mekanism: den beteendeförändring som löser det.
• Litet test: den billigaste versionen som bevarar mekanismen.
• Fungerar bäst när: de villkor som gjorde det ursprungliga resultatet möjligt.
• Fungerar inte när: de villkor som skulle bryta mekanismen.

För mekanismen med dedikerad erbjudandesida kan kortet se ut så här:

• Friktion: 'Det finns för många produkter; jag vet inte vad som är värt min uppmärksamhet.'
• Mekanism: Begränsa användarens fokus till ett erbjudande, så att beslutet blir binärt (köpa eller inte).
• Litet test: Skapa en landningssida för en befintlig bästsäljare, med samma tratt som kategorisidan, och jämför konvertering.
• Fungerar bäst när: publiken har visst förtroende sedan tidigare, erbjudandet är genuint distinkt och brådskan är verklig.
• Fungerar inte när: publiken aldrig har hört talas om varumärket och det inte finns någon anledning att agera nu.

Nu, om kundens situation inte uppfyller 'fungerar bäst'-villkoren, kan du antingen ändra villkoren (bygga förtroende innan du testar erbjudandet) eller välja en annan mekanism. Poängen med kortet är att göra det beslutet explicit. När testet ger ett resultat vet du vilka villkor du ska ifrågasätta.

5. Mät mekanismens hälsa, inte bara mätvärdet

Ett enda nummer kan få en dålig mekanism att se bra ut. Om du kör tvåstegsformuläret för e-post och registreringarna ökar är det ett trevligt resultat. Men betyder det att mikroåtagandemekanismen fungerar, eller bara att tvåstegsformulär är nya? Du behöver hälsosignaler som bekräftar det beteende du avsåg att förändra.

För e-postfångst är den uppenbara hälsosignalen vad som händer efter registreringen. Ideal of Swedens mobilförst-program för insamling samlade 698 000 e-postadresser med en klickfrekvens på 18,8%. Det stora numret är listans storlek; hälsotalet är klickfrekvensen. En mekanism som lockar rätt prenumeranter ger engagerade läsare. Om du bara mätte registreringar skulle du kunna missta en lista med nyfikna prenumeranter för en riktig vinst.

Sätt upp samma distinktion i ditt test. Innan lansering, definiera:

• Primärt mätvärde: det resultat du hoppas kunna förändra (registreringar, add-to-cart-frekvens, försäljning).
• Hälsomätvärden: de beteenden som talar om att mekanismen verkligen fungerar (e-postklickfrekvens, återkommande köp, tid på sidan, låg returfrekvens).
• Motmätvärden: de saker du inte vill bryta (returer, supportmejl, avregistreringsfrekvens).

För testet med guidad väljare från avsnitt ett, tänk dig att add-to-cart-frekvensen ökar. Det är det primära mätvärdet. Men om returerna också ökar kan väljaren uppmuntra människor att köpa fel produkt – ett sämre resultat än inget test alls. Hälsokontrollen skulle fånga det. För testet med dedikerad erbjudandesida, om försäljningen ökar men sidans besökare var tvungna att få kraftiga rabatter för att konvertera, har du inte bevisat mekanismen; du har bevisat priskänslighet.

Det är också här som 'fallstudie'-vanan kan lura dig. En publicerad fallstudie inkluderar sällan sekundära mätvärden. Varumärket kan ha högre intäkter men sämre unit economics, eller en större lista med lägre engagemang. Du kan inte veta. Desto större anledning att definiera dina egna hälsomätvärden innan du kör något.

6. Bygg biblioteket så att nästa kund går snabbare

Det repeterbara värdet av fallstudier kommer från att ackumulera mekanismer, inte från att hamstra länkar. Efter varje test, skriv ett mekanismkort och lägg det i en delad spelbok. Kortformatet från avsnitt fyra fungerar, men du bör lägga till ett fält till: resultatet, inklusive sammanhang och vad som inte överfördes.

Här är ett ifyllt kort för mikroåtagandemekanismen:

• Friktion: att prenumerera känns som ett envägsåtagande utan omedelbart värde.
• Mekanism: ställ en fråga med låg ansträngning innan du ber om e-postadressen.
• Litet test: lägg till ett steg med en fråga i det befintliga registreringsformuläret.
• Fungerar bäst när: varumärket genuint kan använda svaret och publiken ser värde i personalisering.
• Fungerar inte när: frågan kräver reell ansträngning, varumärket ignorerar svaret, eller formuläret redan har en övertygande anledning att prenumerera.
• Resultat: I ett kundtest ökade registreringarna; i ett annat förblev de oförändrade eftersom frågan kändes irrelevant. Det relevanta kortet i den andra kundens fall var en annan mekanism.

Lägg märke till sista raden. En mekanism som misslyckas i ett sammanhang är inte ett misslyckande; det är ett matchat par datapunkter. Med tiden bygger du en karta: den här typen av friktion svarar på den här mekanismen, under dessa villkor. Den kartan är den faktiska fördel ett team har. Det är det som låter dig titta på en ny kund och säga: 'Deras problem är valöverbelastning, och vi vet ett test för det' istället för att börja från en tom sida.

När du bygger detta bibliotek blir du också bättre på att se vilka fallstudier som är värda att läsa alls. Du ignorerar banner-siffrorna och går direkt på friktionen. Det är i slutändan poängen med att förvandla fallstudier till små tester: inte att återskapa ett resultat, utan att återskapa villkoren för en lärslinga.

Slutsats

Sluta behandla fallstudiesiffror som förutsägelser. De är bevis på att någonstans, i något sammanhang, ändrades ett specifikt beteende när en specifik friktion togs bort. Ditt jobb – särskilt när du arbetar med flera kunder – är att hitta den friktionen i varje kunds värld, testa den minsta versionen av mekanismen och dokumentera vad som hände. Siffran kommer nästan aldrig att upprepas. Mekanismen, om du namngett den korrekt, kan återanvändas i åratal. Det är hela spelboken: extrahera, översätt, testa, dokumentera, upprepa.