Σταματήστε να αντιγράφετε τα στατιστικά των μελετών περίπτωσης — Κλέψτε τον μηχανισμό

Περίληψη

Ο πιο επικίνδυνος αριθμός σε κάθε μελέτη περίπτωσης ecommerce είναι αυτός στον τίτλο. Μια αύξηση μετατροπών 43% για έναν έμπορο στρωμάτων δεν θα συμβεί για έναν πελάτη που πουλά εξειδικευμένο εξοπλισμό εξωτερικού χώρου, επειδή αυτός ο αριθμός ανήκει σε ένα συγκεκριμένο κοινό, κατάλογο και brand. Όταν παρουσιάζετε το στατιστικό, στήνετε μια αποτυχία. Παρουσιάστε τον μηχανισμό που μπορείτε να ανακατασκευάσετε. Διαβάστε τις μελέτες περιπτώσεων για την υποκείμενη αλλαγή συμπεριφοράς — το κουίζ που αφαιρεί την επιλογή, η φόρμα με ένα πεδίο email που μειώνει τη δέσμευση, η ροή καταγραφής που είναι mobile-first — και μετατρέψτε την σε ένα τεστ για τους περιορισμούς του πελάτη σας. Αυτό το άρθρο σας δίνει μια πρακτική σύγκριση μεταξύ αντιγραφής μετρικών και δανεισμού μηχανισμών, συν μια επαναλήψιμη μέθοδο για ομάδες πρακτορείων.

Ο πιο επικίνδυνος αριθμός σε κάθε μελέτη περίπτωσης ecommerce είναι αυτός στην κορυφή του τίτλου.

Τον παρουσιάζετε σε έναν πελάτη. Η Mattress Firm αύξησε τις μετατροπές 43% με έναν επανασχεδιασμό. Το Walmart.ca ενίσχυσε τις μετατροπές 20% υιοθετώντας responsive design. Ο πελάτης κουνάει το κεφάλι, εγκρίνει το έργο και εξαφανίζεται. Η δουλειά δεν ανταποκρίνεται. Τώρα είστε το πρακτορείο που υποσχέθηκε 43%.

Το πρόβλημα δεν είναι η μελέτη περίπτωσης. Το πρόβλημα είναι αυτό που αντιγράψατε. Ένα στατιστικό είναι το αποτέλεσμα του συγκεκριμένου πλαισίου μιας εταιρείας — ο κατάλογος, η επισκεψιμότητα, οι τιμές, το κοινό, το brand. Τίποτα από αυτά δεν μεταφέρεται σε έναν διαφορετικό πελάτη. Αυτό που μεταφέρεται είναι ο μηχανισμός: η υποκείμενη αλλαγή στη συμπεριφορά, τη δομή ή τον σχεδιασμό που παρήγαγε το στατιστικό. Κλέψτε τον μηχανισμό, όχι τη μετρική. Να πώς.

Τι Πραγματικά Μπαίνετε στον Πειρασμό να Αντιγράψετε

Όταν σκανάρετε μια μελέτη περίπτωσης, το μυαλό σας πάει αμέσως στον αριθμό και στην τακτική. Αυτή είναι η παγίδα. Ας κάνουμε τη διάκριση σαφή:

Δελεαστικό να αντιγραφεί	Αξίζει να κλαπεί
Το ποσοστό στον τίτλο (αύξηση 43%)	Το ερέθισμα συμπεριφοράς (ένα καθοδηγούμενο κουίζ που μειώνει τις επιλογές)
Η συγκεκριμένη τακτική (διαφημίσεις βίντεο)	Η λογική απόφασης (χιούμορ για να αποδειχθεί μια δυνατότητα)
Το κανάλι (SMS)	Το στάδιο σχέσης (συλλογή συνδρομητή πριν την κλιμάκωση δαπανών)
Η νέα διάταξη του επανασχεδιασμού	Η αρχή χρηστικότητας (λιγότερα πατήματα για την αγορά)
Ο αριθμός influencer (20 έως 80)	Η δομή (μια επαναλήψιμη διαδικασία αξιολόγησης whitelist)

Όταν αντιγράφετε την αριστερή στήλη, στοιχηματίζετε την απόδοση του πελάτη σας στις συνθήκες κάποιου άλλου. Αντιγράψτε τη δεξιά στήλη και φτιάχνετε ένα τεστ που ταιριάζει στους πραγματικούς περιορισμούς του πελάτη. Για μια εις βάθος ματιά στο τι άλλαξαν πραγματικά οι επιτυχημένοι επανασχεδιασμοί, δείτε γιατί οι επανασχεδιασμοί με βάση τα δεδομένα λειτουργούν — αλλά πρώτα, κατανοήστε την αρχή παρακάτω.

Αρχή: Ένα Στατιστικό Είναι μια Ιστορία για το Πλαίσιο Κάποιου Άλλου

Ο επανασχεδιασμός της Mattress Firm βελτίωσε τη ροή του funnel αγοράς, εισήγαγε σελίδες κατηγοριών και πρόσθεσε έναν οδηγό εύρεσης στρώματος. Το αποτέλεσμα: αύξηση 43% στις μετατροπές και μείωση 325% στην εγκατάλειψη της σελίδας προϊόντος. Αυτός ο οδηγός είναι ο μηχανισμός. Δεν έχει σημασία αν ο πελάτης σας πουλά φυτά, φίλτρα ή θήκες τηλεφώνων. Η βασική αλλαγή συμπεριφοράς είναι η ίδια: ένας αγοραστής που δεν μπορεί να ξεχωρίσει τα προϊόντα λαμβάνει μια καθοδηγούμενη ροή ερωτήσεων και απαντήσεων που παράγει μια σύντομη λίστα, οπότε η πολυπλοκότητα εξαφανίζεται.

Τώρα πάρτε τον πελάτη σας που πουλά καθαριστές αέρα. Η Oransi.com βελτίωσε τις μετατροπές κατά 30,56% δουλεύοντας στην ψυχολογία του αγοραστή. Προσδιορίστε πρώτα το πρόβλημα επιλογής. Αν οι επισκέπτες δεν ξέρουν ποιο μέγεθος φίλτρου χρειάζονται, ο μηχανισμός είναι ένα κουίζ τριών ερωτήσεων. Μην υποσχεθείτε αύξηση 43%. Υποσχεθείτε να αφαιρέσετε το μπλοκάρισμα της απόφασης και να μετρήσετε τον χρόνο επιλογής και τις αποχωρήσεις από τη σελίδα προϊόντος. Το ποσοστό είναι δικό του να το κερδίσει.

Κάντε την ίδια άσκηση για τη The Sill, τον έμπορο φυτών που αύξησε την οργανική επισκεψιμότητα κατά 45% με SEO μακράς ουράς και εργασίες ταχύτητας ιστότοπου. Ο μηχανισμός δεν είναι τα «φυτά»· είναι η αντιστοίχιση προθέσεων — στοχεύστε ερωτήματα με χαμηλό ανταγωνισμό και το ακριβές προϊόν που μπορεί να ικανοποιήσει ο κατάλογός σας. Η δομή σελίδας που φτιάχνετε για να απαντήσετε στο «καλύτερα φυτά χαμηλού φωτισμού για γραφείο» είναι ο ίδιος μηχανισμός που χρησιμοποιεί ένας πελάτης που πουλά επιτραπέζιες λάμπες για το «καλύτερες λάμπες LED για διάβασμα στο κρεβάτι». Το μέσο αλλάζει· το μοτίβο αντιστοίχισης προθέσεων όχι.

Αρχή: Όσο Πιο Συγκεκριμένη η Τακτική, Τόσο Πιο Μεταφέρσιμος ο Μηχανισμός

Η Emma Sleep αύξησε τις εγγραφές email κατά 50% κάνοντας μία μόνο ερώτηση πριν από το πεδίο email. Η τακτική φαίνεται ασήμαντη. Ο μηχανισμός είναι η μικρο-δέσμευση: ζητήστε πρώτα μια μικρή πληροφορία από τους χρήστες και είναι πιο πρόθυμοι να δώσουν το email τους μετά. Η Ideal of Sweden συνέλεξε 698.000 email με ποσοστό κλικ 18,8% καθιστώντας το πρόγραμμα συλλογής mobile-first. Ο μηχανισμός εδώ είναι η μείωση της τριβής στη συσκευή που χρησιμοποιεί πραγματικά το κοινό σας.

Όταν διαβάζετε μια μελέτη περίπτωσης, αναγκάστε τον εαυτό σας να ονομάσει τον μηχανισμό σε μια αφηρημένη πρόταση. «Κάντε μια ερώτηση χαμηλής προσπάθειας για να ζεστάνετε μια φόρμα.» «Σχεδιάστε τη συλλογή email για τον αντίχειρα, όχι για το ποντίκι.» Στη συνέχεια, κοιτάξτε το funnel του πελάτη σας και βρείτε το σημείο όπου αυτός ο μηχανισμός θα μπορούσε να εφαρμοστεί — ποτέ δεν είναι το ακριβές σημείο από τη μελέτη περίπτωσης. Για έναν πελάτη, η μικρο-δέσμευση μπορεί να είναι ένας επιλογέας μεγέθους πριν από την εγγραφή στο newsletter. Για έναν άλλο, η έναρξη ενός κουίζ προϊόντος πριν από ένα popup έκπτωσης. Τα σχήματα διαφέρουν· ο μοχλός είναι ο ίδιος. Αν κάνετε πειράματα με περιορισμένο προϋπολογισμό, η ίδια λογική εμφανίζεται στις μικρές αλλαγές που πραγματικά κάνουν τη διαφορά.

Αρχή: Μερικές Μελέτες Περιπτώσεων Είναι Ιστορίες Καναλιών, Όχι Ιστορίες Επιχειρήσεων

Η AppSumo δημοσίευσε μια σελίδα πωλήσεων που δημιούργησε πάνω από 250.000 δολάρια σε λιγότερο από 10 ημέρες και ισχυρίστηκε ROI 29x σε μια καμπάνια διαφημίσεων Facebook. Η Dagne Dover πέτυχε ROI 12.000% με πάνω από 100.000 συνδρομητές μέσω SMS. Εντυπωσιακό. Επίσης σχεδόν άχρηστο ως σημείο αναφοράς για έναν νέο πελάτη.

Γιατί; Η απόδοση του καναλιού ανήκει στην αγορά, όχι στην τακτική. Η ίδια καμπάνια SMS δύο χρόνια αργότερα σε διαφορετική θέση δεν θα αποφέρει ROI 12.000%. Ο μεταφέρσιμος μηχανισμός για τη Dagne Dover είναι η ακολουθία: χτίστε πρώτα μια βάση συνδρομητών και μετά κλιμακώστε τις δαπάνες στο κανάλι με μια λίστα που ήδη σας εμπιστεύεται. Για την AppSumo, ο μηχανισμός είναι μια σελίδα προορισμού που προ-πουλά μέσω μιας συγκεκριμένης προσφοράς πριν καν ο χρήστης κάνει κλικ στη διαφήμιση.

Πριν δανειστείτε ένα κανάλι από μια μελέτη περίπτωσης, ρωτήστε: μπορώ να αναπαράγω την ακολουθία και τη λογική της προσφοράς, ή απλώς αναπαράγω το όνομα του καναλιού; Αν συμβαίνει το δεύτερο, απομακρυνθείτε. Αν μπορείτε να αναπαράγετε την ακολουθία, κάντε ένα μικρό τεστ — όχι μια καμπάνια που υπόσχεται την απόδοση της μελέτης περίπτωσης. Γενικές τακτικές που μεταφέρονται μέσω καναλιών συγκεντρώνονται στις δοκιμασμένες τακτικές από κορυφαία brands, αλλά αυτό το σημείο ισχύει μόνο του: απομονώστε ό,τι είναι φορητό.

Το Αντιφατικό Σημείο: Οι Μεγαλύτεροι Αριθμοί Είναι Συχνά οι Λιγότερο Μεταφέρσιμοι

Η έρευνα είναι γεμάτη από νίκες σε κλίμακα brand. Η Adidas είδε αύξηση 55% στις πωλήσεις ecommerce, ξεπερνώντας τα 4,3 δισεκατομμύρια δολάρια, κατά τη διάρκεια της καμπάνιας #HomeTeam. Η YETI πέτυχε αύξηση 63% στις μετατροπές από κινητά μετά από μια ανανέωση UX mobile-first. Αυτοί οι αριθμοί είναι τεράστιοι επειδή τα brands είναι τεράστια. Η υπάρχουσα επισκεψιμότητα, η αναζήτηση επωνυμίας και τα διαφημιστικά budget ενισχύουν κάθε αλλαγή. Μια αύξηση 10% σε έναν ιστότοπο με ένα εκατομμύριο επισκέπτες αξίζει περισσότερο από 63% σε έναν ιστότοπο με χίλιους επισκέπτες. Όταν τα παρουσιάζετε σε έναν πελάτη, δανείζεστε κλίμακα, όχι στρατηγική.

Κοιτάξτε τα μικρότερα brands στη συλλογή μελετών περίπτωσης για πελάτες με παρόμοια δομή. Η daFlores αύξησε το συνολικό ποσοστό μετατροπών κατά 10% και τις πωλήσεις κατά 50% σε εννέα μήνες. Η Show Her Off είδε αύξηση μετατροπών 40% σε τέσσερις μήνες. Η Campus Books πέτυχε αύξηση μετατροπών 30%. Αυτές είναι νίκες σε κλίμακα πρακτορείου — μια λειτουργούσα επιχείρηση, ένας εστιασμένος κατάλογος, ένα περιορισμένο budget. Ο μηχανισμός σε κάθε περίπτωση είναι η βελτιστοποίηση: πληροφορίες από αναλυτικά δεδομένα, επαναληπτικές δοκιμές και αφαίρεση τριβής. Αυτό είναι το είδος παραδείγματος που μπορεί να πιστέψει ένας πελάτης μεσαίου μεγέθους, επειδή ο μηχανισμός δεν απαιτεί brand.

Μια Επαναλήψιμη Μέθοδος για Ομάδες Πρακτορείων

Σταματήστε να παρουσιάζετε τις μελέτες περιπτώσεων ως απόδειξη. Παρουσιάστε τις ως μοτίβα. Ορίστε μια διαδικασία που μπορείτε να χρησιμοποιήσετε στην επόμενη παρουσίαση νέου έργου.

Πρώτον, φτιάξτε μια βιβλιοθήκη μηχανισμών. Ανοίξτε ένα υπολογιστικό φύλλο με στήλες: μηχανισμός, η μελέτη περίπτωσης που τον έδειξε, η αλλαγή συμπεριφοράς που επιφέρει και ο περιορισμός που προϋποθέτει (επισκεψιμότητα, μέγεθος καταλόγου, επίπεδο τιμών). Όταν διαβάζετε μια μελέτη περίπτωσης, καταχωρίστε τον μηχανισμό, όχι τη μετρική.

Δεύτερον, πριν από την έναρξη, επιλέξτε δύο ή τρεις μηχανισμούς που ταιριάζουν στο σύνολο περιορισμών του πελάτη σας. Ένας πελάτης με χαμηλό μέσο όρο αξίας παραγγελίας που δεν μπορεί να αντέξει οικονομικά διαφημίσεις βίντεο δεν χρειάζεται την αστεία προσέγγιση βίντεο της Purple· ίσως χρειαστεί τη διαδραστική προβολή προϊόντος της Kase αν το κοινό του είναι νεανικό και προσανατολισμένο στον σχεδιασμό. Ένας πελάτης με ευρύ κατάλογο χρειάζεται την καθαρή εμφάνιση κατηγοριών της Audible ή έναν οδηγό σαν αυτόν της Mattress Firm. Αντιστοιχίστε βάσει περιορισμών, όχι βάσει κλάδου.

Τρίτον, ορίστε τις προσδοκίες μέτρησης σε εύρη, όχι σε ακριβή ποσοστά μελέτης περίπτωσης. Πείτε στον πελάτη: «Ο έμπορος στρωμάτων είδε 43% επειδή αφαίρεσε ένα τεράστιο πρόβλημα επιλογής. Το ανάλογο πρόβλημά σας είναι η επιλογή προϊόντος μετά το φίλτρο. Αναμένουμε ότι αυτός ο μηχανισμός θα μειώσει την εγκατάλειψη της σελίδας προϊόντος σε μετρήσιμο βαθμό· θα το μάθουμε μέσα σε δύο εβδομάδες.» Στη συνέχεια, αφήστε τα δεδομένα να σας εκπλήξουν.

Μην τρέξετε έναν μηχανισμό και σταματήσετε. Κρατήστε ένα συνεχές αρχείο με ό,τι έχετε δοκιμάσει, ποιοι μηχανισμοί απέδωσαν και ποιοι απέτυχαν. Μετά από δύο ή τρεις πελάτες, η βιβλιοθήκη σας γίνεται μια προγνωστική βάση δεδομένων: δεδομένου ενός πελάτη με κατάλογο μακράς ουράς και κοινό κινητών, θα ξέρετε ότι ο μηχανισμός οδηγού ταιριάζει καλύτερα από τον μηχανισμό χιουμοριστικού βίντεο. Έτσι η δουλειά του πρακτορείου μετατρέπεται από ελπίδα σε αντιστοίχιση.

Όταν χτίζετε τη δομή προσφοράς πίσω από αυτές τις σελίδες προορισμού, η λογική της μικρο-δέσμευσης συνδυάζεται καλά με τις διορθώσεις στις στρατηγικές ανάκτησης εγκαταλελειμμένου καλαθιού — δοκιμάστε και τα δύο μαζί.

Η μελέτη περίπτωσης δεν είναι μια προφητεία. Είναι ένα μοτίβο. Αφαιρέστε τον αριθμό. Βρείτε την αλλαγή συμπεριφοράς. Ανακατασκευάστε την για τον πελάτη σας. Έτσι μετατρέπετε την επιτυχία κάποιου άλλου σε δική σας.