{"id":11056,"date":"2021-06-25T00:01:13","date_gmt":"2021-06-24T21:01:13","guid":{"rendered":"https:\/\/snov.io\/blog\/?p=11056"},"modified":"2025-06-05T20:24:43","modified_gmt":"2025-06-05T17:24:43","slug":"teste-a-b-email-marketing","status":"publish","type":"post","link":"https:\/\/snov.io\/blog\/br\/teste-a-b-email-marketing\/","title":{"rendered":"Como Usar o Teste A\/B para E-mail Marketing e Melhorar as Convers\u00f5es"},"content":{"rendered":"

Marcas que executam testes A\/B para cada e-mail que enviam <\/span>relatam um ROI de marketing por e-mail 37% maior <\/span>do que as marcas que n\u00e3o executam nenhum teste A\/B.<\/span><\/p>\n

Seja uma empresa B2B enviando campanhas de nutri\u00e7\u00e3o de leads por e-mail ou uma marca de com\u00e9rcio eletr\u00f4nico enviando ofertas promocionais, adicionar experimenta\u00e7\u00e3o na forma de testes A\/B a uma combina\u00e7\u00e3o e-mail marketing \u00e9 uma maneira confi\u00e1vel de obter mais convers\u00f5es.<\/span><\/p>\n

Mas essa experimenta\u00e7\u00e3o de e-mail deve ser intencional. O que significa que simplesmente pesquisar no Google \u201c<\/span>ideias de teste A\/B por e-mail<\/span><\/i>\u201d e depois trabalhar a partir da lista n\u00e3o funciona. Voc\u00ea precisa fazer mais. Ent\u00e3o, vamos ver algumas maneiras pelas quais voc\u00ea pode come\u00e7ar a fazer testes A\/B de e-mail que ir\u00e3o prepar\u00e1-lo para o sucesso frequente em e-mail marketing.<\/span><\/p>\n

Escolhendo as m\u00e9tricas de desempenho certas\u00a0<\/span><\/h2>\n

Quando se trata do teste A\/B para e-mails, a maioria dos profissionais de e-mail marketing come\u00e7am pensando no que poderia gerar mais acessos e cliques. Mas, essas m\u00e9tricas de engajamento do topo do funil raramente refletem o sucesso real de uma campanha de e-mail.<\/span><\/p>\n

Por exemplo, mesmo que um experimento de email (digamos, em uma linha de assunto) obtenha mais aberturas, ele realmente n\u00e3o diz se a campanha de email acabou gerando mais leads, receita ou neg\u00f3cios.<\/span><\/p>\n

Para entender o neg\u00f3cio real que uma campanha de email gera, voc\u00ea precisa estudar todo o funil de intera\u00e7\u00e3o por email. Voc\u00ea precisa ser capaz de monitorar e compreender o comportamento no site de seus assinantes de e-mail assim que eles abrirem e clicarem em seus e-mails. E, em seguida, relatar as m\u00e9tricas “reais” do seu neg\u00f3cio, como assinaturas de <\/span>trial<\/span><\/i> e solicita\u00e7\u00f5es de demonstra\u00e7\u00e3o, em que o e-mail abre e os cliques resultam.<\/span><\/p>\n

Meramente parar para monitorar as aberturas e cliques em um experimento de e-mail e declarar que os vencedores s\u00e3o aqueles que recebem mais n\u00e3o \u00e9 o caminho certo, pois deixa convers\u00f5es reais de fora da experimenta\u00e7\u00e3o.<\/span><\/i><\/p>\n

Essencialmente, voc\u00ea precisa dizer como as m\u00e9tricas de engajamento – como, aberturas e cliques resultantes do experimento – s\u00e3o mapeadas para as m\u00e9tricas de desempenho real (como a m\u00e9trica de convers\u00e3o da p\u00e1gina de destino \u00e0 qual a a\u00e7\u00e3o de abrir ou clicar no e-mail leva). Meramente parar para monitorar as aberturas e cliques em um experimento de e-mail e declarar que os vencedores s\u00e3o aqueles que recebem mais n\u00e3o \u00e9 o caminho certo, pois deixa convers\u00f5es reais de fora da experimenta\u00e7\u00e3o.<\/span><\/p>\n

Chad S. White (autor do <\/span>principal livro de email marketing<\/span> \u201cEmail Marketing Rules\u201d) <\/span>explica<\/span> isso muito bem:<\/span><\/p>\n

\u201cAl\u00e9m disso, quem se importa se a linha de assunto A gera mais aberturas do que a linha de assunto B se a \u00faltima gera mais convers\u00f5es? E quem se importa se o conte\u00fado do e-mail A gera mais cliques do que o conte\u00fado do e-mail B, se este produz mais convers\u00f5es? Garantimos que seu chefe preferir\u00e1 mais convers\u00f5es.\u201d<\/span><\/i>\u00a0<\/span><\/p>\n

Ent\u00e3o, como voc\u00ea observa o comportamento de seus assinantes de e-mail no site quando quer determinar os vencedores \u201creais\u201d de seus experimentos de teste A\/B para e-mail?<\/span><\/p>\n

Uma maneira simples de fazer isso \u00e9 por meio do Google Analytics usando <\/span>par\u00e2metros UTM<\/span>. Com os par\u00e2metros UTM, voc\u00ea pode estabelecer razoavelmente se seu e-mail foi o ponto de contato final antes da convers\u00e3o ou se ajudou na convers\u00e3o. Vamos dar um exemplo.<\/span><\/p>\n

Suponha que voc\u00ea execute um experimento de e-mail em que testa duas vers\u00f5es de conte\u00fado (cada uma contendo apenas um link para sua p\u00e1gina de destino). Al\u00e9m disso, vamos supor que uma vers\u00e3o (ou vers\u00e3o A) usa a abordagem do FOMO (\u201cmedo de estar perdendo alguma coisa\u201d) para que o prospect solicite uma avalia\u00e7\u00e3o gratuita por tempo limitado e a outra usa a abordagem de prova social (usando depoimentos de clientes, selos, avalia\u00e7\u00f5es, etc.)<\/span><\/p>\n

Portanto, usando os par\u00e2metros UTM para este experimento, voc\u00ea deve criar dois links distintos para sua frase de chamariz.<\/span><\/p>\n

Um poderia ser:<\/span><\/p>\n

convert.com?utm_source=newsletter&utm_medium=email&utm_campaign=q2&utm_content=<\/span>fomo<\/b><\/p>\n

E o outro poderia ser:<\/span><\/p>\n

convert.com?utm_source=newsletter&utm_medium=email&utm_campaign=q2&utm_content=<\/span>provasocial<\/b><\/p>\n

Assim que o assinante clicar em seus links e visitar o seu site, o Google Analytics, ir\u00e1 capturar os dados de seus links UTM e ser\u00e1 capaz de mostrar qual tema de conte\u00fado funciona melhor.<\/span><\/p>\n

Voc\u00ea pode se surpreender ao descobrir que, embora o e-mail com conte\u00fado baseado no FOMO tenha inspirado mais cliques, na verdade foi o e-mail carregado de prova social que obteve mais inscri\u00e7\u00f5es. Voc\u00ea entendeu a ideia, certo?<\/span><\/p>\n

Alguns provedores de servi\u00e7o de e-mail marketing tamb\u00e9m oferecem esse rastreamento pronto para uso, enquanto outros permitem que voc\u00ea utilize integra\u00e7\u00f5es para que possa analisar melhor e rastrear com precis\u00e3o a resposta de sua campanha de e-mail.<\/span><\/p>\n

Formando uma boa hip\u00f3tese<\/span><\/h2>\n

Como em qualquer experimento, at\u00e9 mesmo um experimento de e-mail deve come\u00e7ar com uma hip\u00f3tese forte. Uma hip\u00f3tese \u00e9 sempre guiada por um problema e, essencialmente, estabelece o motivo que faz voc\u00ea desejar executar esse experimento em primeiro lugar.\u00a0<\/span><\/p>\n

Escrever uma hip\u00f3tese para o seu experimento de e-mail for\u00e7a voc\u00ea a olhar para os dados (ou para o “problema” com o qual est\u00e1 lutando atualmente), analisar por que voc\u00ea acha que seu experimento ter\u00e1 um impacto positivo na taxa de convers\u00e3o e tamb\u00e9m a listar as m\u00e9tricas que ir\u00e3o definir o sucesso.<\/span><\/p>\n

O especialista em otimiza\u00e7\u00e3o de convers\u00e3o Craig Sullivan compartilha um kit simples de gera\u00e7\u00e3o de hip\u00f3teses em seu <\/span>post na Medium<\/span>:<\/span><\/p>\n

\"hypothesis<\/p>\n

    \n
  1. Porque n\u00f3s vimos que (dado ou feedback)<\/span><\/li>\n
  2. N\u00f3s esperamos que (tal mudan\u00e7a) ir\u00e1 gerar (tal impacto)<\/span><\/li>\n
  3. N\u00f3s iremos medir isso usando (m\u00e9tricas)<\/span><\/li>\n<\/ol>\n

     <\/p>\n

    Aqui est\u00e1 outra ferramenta online \u00fatil para <\/span>gera\u00e7\u00e3o de hip\u00f3teses<\/span>. Basta preencher seus dados e sua hip\u00f3tese baseada em dados deve estar pronta. \"hypothesis<\/span><\/p>\n

    Como voc\u00ea pode ver, o simples ato de escrever uma hip\u00f3tese ajuda a estabelecer uma base s\u00f3lida para um experimento de e-mail, impedindo-o de testar mudan\u00e7as aleat\u00f3rias e, ao mesmo tempo, for\u00e7ando voc\u00ea a testar as mudan\u00e7as com base nos objetivos de seu canal de e-mail.<\/span><\/p>\n

    Escolhendo o tipo de teste A\/B de e-mail a ser executado<\/span><\/h2>\n

    N\u00e3o quero entrar nos elementos que voc\u00ea pode testar em seu experimento – porque voc\u00ea pode testar tudo, desde o campo do remetente e linha de assunto, at\u00e9 a copy e o layout. Em vez disso, gostaria de discutir que tipo de elemento voc\u00ea deve testar, com base em seus objetivos.<\/span><\/p>\n

    Essencialmente, os experimentos que testam pequenos ajustes, como uma cor de bot\u00e3o de CTA diferente ou uma imagem diferente, apenas ajudam voc\u00ea a ter pequenos incrementos na taxa de convers\u00e3o.\u00a0<\/span><\/p>\n

    Mas se voc\u00ea costuma ter convers\u00f5es ruins em suas campanhas de e-mail, pequenos incrementos n\u00e3o ajudar\u00e3o. Em vez disso, voc\u00ea deve procurar oportunidades de otimiza\u00e7\u00e3o de convers\u00e3o que o levem a incrementos substanciais. Isso acontece apenas quando voc\u00ea realiza experimentos radicais.<\/span><\/p>\n

    O experimento de conte\u00fado da se\u00e7\u00e3o acima, por exemplo, \u00e9 um experimento radical onde voc\u00ea est\u00e1 expondo seus assinantes a estilos de mensagens completamente diferentes do que voc\u00ea usa atualmente. Esses experimentos radicais ajudam voc\u00ea a descobrir o seu \u201c<\/span>Global Maximum<\/span>\u201d no seu caso ou uma abordagem que \u00e9 totalmente nova para voc\u00ea, mas pode gerar convers\u00f5es em massa.\"local<\/span><\/p>\n

    Com base em seus objetivos de convers\u00e3o de e-mail, voc\u00ea pode escolher rodar uma s\u00e9rie de experimentos testando pequenos ajustes, ou come\u00e7ar com um experimento radical e s\u00f3 ent\u00e3o construir sobre ele uma s\u00e9rie de outros experimentos menores, testando pequenos ajustes para melhorar ainda mais a taxa de convers\u00e3o aprimorada.\u00a0<\/span><\/p>\n

    Obtendo a log\u00edstica certa<\/span><\/h2>\n

    Depois de criar a hip\u00f3tese de seu teste A\/B de e-mail, \u00e9 hora de determinar o tamanho da amostra, a dura\u00e7\u00e3o do experimento e como voc\u00ea vai dividir sua base de leads.<\/span><\/p>\n

    Quando se trata de tipos de divis\u00e3o de teste A\/B de e-mail, a mais popular \u00e9 a divis\u00e3o 50\/50. Aqui, voc\u00ea envia a vers\u00e3o A para 50% de seus assinantes e a vers\u00e3o B para os 50% restantes.<\/span><\/p>\n

    Alternativamente, voc\u00ea pode enviar a vers\u00e3o A para 25% de seus assinantes, a vers\u00e3o B para outros 25%, e a vers\u00e3o vencedora (com base nas aberturas ou cliques gerados) \u00e9 enviada para os 50% restantes dos assinantes.<\/span><\/p>\n

    Alguns profissionais de email marketing n\u00e3o incluem toda a base de assinantes em seu teste. Neste caso, por exemplo, se sua <\/span>campanha de gotejamento <\/span><\/a>possui uma sequ\u00eancia de 10 e-mails e voc\u00ea decidir executar um teste A\/B com um 11\u00ba e-mail adicional, ent\u00e3o voc\u00ea poder\u00e1 testar 90% dos seus assinantes, enquanto os 10% restantes n\u00e3o ser\u00e3o expostos ao seu experimento. Esse teste de valida\u00e7\u00e3o ajuda a avaliar a efic\u00e1cia geral de seu experimento. A equipe de otimiza\u00e7\u00e3o do Pinterest costuma usar um \u201c<\/span>grupo de valida\u00e7\u00e3o de 1%<\/span><\/a>\u201d para seus experimentos.<\/span><\/p>\n

    Al\u00e9m de finalizar a divis\u00e3o, voc\u00ea tamb\u00e9m deve pensar no tamanho da amostra que vai testar (esta \u00e9 uma boa <\/span>refer\u00eancia<\/span><\/a> sobre tamanhos de amostra de teste A\/B).\u00a0<\/span><\/p>\n

    [Voc\u00ea] poder\u00e1 testar 90% dos seus assinantes e os 10% restantes n\u00e3o ser\u00e3o expostos ao seu experimento. Esse teste de valida\u00e7\u00e3o ajuda a avaliar a efic\u00e1cia geral de seu experimento.<\/span><\/i><\/p>\n

    Em geral, a maioria dos provedores de e-mail marketing afirma que voc\u00ea pode executar testes A\/B vencedores, mesmo que tenha uma pequena base de assinantes. Por exemplo, de acordo com o MailChimp, se voc\u00ea tem <\/span>5.000 assinantes<\/span><\/a> para testar cada uma de suas vers\u00f5es (10.000 no total para as vers\u00f5es A e B), voc\u00ea ir\u00e1 se sair bem. O HubSpot, por outro lado, sugere at\u00e9 mesmo que uma base de assinantes com <\/span>1000 contatos<\/span><\/a> decentes j\u00e1 \u00e9 o suficiente para executar testes A\/B para e-mail.\u00a0<\/span><\/p>\n

    No entanto, se voc\u00ea deseja um tamanho de amostra mais preciso para seu experimento, verifique as calculadoras de sample size dessas <\/span>ferramentas de otimiza\u00e7\u00e3o de convers\u00e3o<\/span>.<\/span><\/p>\n

    Depois de saber como vai dividir sua base de assinantes e quantos contatos voc\u00ea vai usar para executar seus testes A\/B para e-mail, \u00e9 hora de identificar o ponto final do seu teste.<\/span><\/p>\n

    Dependendo dos objetivos do seu teste (aberturas ou cliques), o seu ponto de parada ser\u00e1 diferente. De acordo com o <\/span>MailChimp<\/span><\/a>, um teste de otimiza\u00e7\u00e3o de aberturas pode encontrar um vencedor em cerca de 2 horas. E para testes de otimiza\u00e7\u00e3o da taxa de cliques, descobriu que a dura\u00e7\u00e3o ideal do teste era de cerca de 12 horas.<\/span><\/p>\n

    Observe que o seu vencedor com base em aberturas ou cliques pode ou n\u00e3o ser o “vencedor final”, porque, como vimos acima, o vencedor final \u00e9 aquele que leva a mais convers\u00f5es, e uma vers\u00e3o de e-mail que obt\u00e9m mais engajamento n\u00e3o garante convers\u00f5es mais altas. Na maioria dos casos, voc\u00ea precisar\u00e1 de alguns dias para determinar o vencedor final com base na intera\u00e7\u00e3o do assinante com seu e-mail e sua atividade em seu site.\u00a0<\/span><\/p>\n

    Construindo uma estrutura robusta de teste de e-mail<\/span><\/h2>\n

    Ao iniciar o teste A\/B para e-mail, pode ser muito viciante testar a cor do bot\u00e3o ou a efic\u00e1cia da personaliza\u00e7\u00e3o. Frequentemente, esses pequenos ajustes mudam as m\u00e9tricas por causa do efeito de novidade, com os assinantes respondendo \u00e0 \u201ccuriosidade\u201d em seus e-mails.\u00a0<\/span><\/p>\n

    Mas, embora essas vit\u00f3rias instant\u00e2neas ajudem a gerar interesse na <\/span>experimenta\u00e7\u00e3o por e-mail<\/span><\/a>, elas pouco contribuem para o sucesso do e-mail marketing a longo prazo.<\/span><\/p>\n

    Para isso, voc\u00ea precisa desenvolver uma estrutura de testes que permita ir atr\u00e1s de seus objetivos espec\u00edficos de marketing e evitar gastar seus recursos testando mudan\u00e7as aleat\u00f3rias.\u00a0<\/span><\/p>\n

    Frequentemente, esses pequenos ajustes mudam as m\u00e9tricas por causa do efeito de novidade, com os assinantes respondendo \u00e0 \u201ccuriosidade\u201d em seus e-mails.\u00a0<\/span><\/i><\/p>\n

    Construir uma estrutura de experimenta\u00e7\u00e3o de e-mail tamb\u00e9m ajuda a documentar todos os testes de e-mail executados e seus resultados. Os resultados de seus experimentos anteriores ir\u00e3o gui\u00e1-lo no planejamento de seus futuros testes. Por exemplo, se voc\u00ea descobrir em um de seus testes A\/B para e-mail que empurrar o bot\u00e3o de CTA de seu e-mail para a fold area obt\u00e9m mais cliques, voc\u00ea pode querer testar outra cor para o bot\u00e3o de CTA em uma experi\u00eancia de acompanhamento para ver se assim, melhora ainda mais a taxa de convers\u00e3o.\u00a0<\/span><\/p>\n

    Ao investir nessa estrutura, cada vez que voc\u00ea quiser testar e-mails (o que deve ser feito com frequ\u00eancia para obter maior sucesso), ter\u00e1 um monte de insights que j\u00e1 aprendeu com os experimentos anteriores.<\/span><\/p>\n

    Isso pode parecer muito trabalhoso, mas mesmo uma simples planilha do Google faria o trabalho.<\/span><\/p>\n

    Resumindo<\/span><\/h2>\n

    Ent\u00e3o, isso \u00e9 tudo que voc\u00ea precisa saber para come\u00e7ar a executar testes A\/B para e-mail significativos que realmente impactam os resultados financeiros de sua empresa. E voc\u00ea, roda testes A\/B? Se sim, como voc\u00ea aborda sua hip\u00f3tese e encontra os verdadeiros vencedores? Conte-nos nos coment\u00e1rios!<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

    Marcas que executam testes A\/B para cada e-mail que enviam relatam um ROI de marketing por e-mail 37% maior do…<\/p>\n","protected":false},"author":41,"featured_media":8279,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[532,536],"tags":[780,476,484,511,778],"_links":{"self":[{"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/posts\/11056"}],"collection":[{"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/users\/41"}],"replies":[{"embeddable":true,"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/comments?post=11056"}],"version-history":[{"count":1,"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/posts\/11056\/revisions"}],"predecessor-version":[{"id":36699,"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/posts\/11056\/revisions\/36699"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/media\/8279"}],"wp:attachment":[{"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/media?parent=11056"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/categories?post=11056"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/snov.io\/blog\/wp-json\/wp\/v2\/tags?post=11056"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}