É um conselho bastante padrão que vou te dar aqui mas que espero que já saiba: o boca a boca é fundamental para o crescimento de um produto de sucesso.
Mas, Palma, eu não consigo medir o boca a boca, o que eu faço?
Apesar de sua importância, o boca a boca sempre foi difícil de medir de fato, e, portanto, difícil de influenciar.
Mas ao longo da minha jornada, repliquei uma maneira simplificada de medir o boca a boca que era estável o suficiente para usar na previsão e perspicaz o suficiente para que as equipes pudessem descobrir como influenciá-lo.
Desde então, venho repassando esse conhecimento para o mercado de growth, e agora chegou a sua vez de entender sobre o assunto.
Vamos lá?
Neste artigo, você encontrará:
- Por que o boca a boca está se tornando mais crítico
- Por que o boca a boca é difícil de medir e influenciar
- O coeficiente boca a boca
- Como os usuários ativos preveem o WOM
- Por que o coeficiente WOM é diferente
- Exemplo 1: O coeficiente boca a boca em jogos para dispositivos móveis
- Exemplo 2: O coeficiente boca a boca para uma empresa de tecnologia de US$ 1 bilhão +
- Exemplo 3: O coeficiente boca a boca para outras aplicações
- Usando e melhorando o coeficiente boca a boca
Por que o boca a boca está se tornando mais crítico
A saturação dos canais e cada vez mais concorrência geram menos oportunidades e piora a aquisição de clientes nas oportunidades disponíveis.
Veja algumas das tendências recentes:
- Domínio de publicidade do Facebook, Google, Amazon – 40% de todo o capital de risco e 70% do orçamento de anúncios digitais de uma empresa é gasto nessas 3 plataformas.
- A Apple está matando os IDs de publicidade do usuário – a Apple recentemente matou os IDs de publicidade do usuário. O Google tem planos semelhantes. Isso significa que os profissionais de marketing de desempenho terão menos visibilidade do que está funcionando, reduzindo a capacidade de otimizar a relação custo-benefício.
- Pesquisa do Google diminuindo imóveis – o Google continua a diminuir o destaque e a presença dos resultados de pesquisa orgânica, além de diminuir a necessidade de um usuário clicar fora dos resultados da pesquisa.
À medida que esses canais se tornam mais lotados e menos efetivos, a importância do boca a boca se torna ainda mais crítica para impulsionar o crescimento do usuário.
Por que o boca a boca é difícil de medir e influenciar
O boca a boca é notoriamente difícil de medir porque a maior parte do boca a boca de uma marca acontece offline.
A mídia social online, a forma mais mensurável de boca a boca, é apenas a ponta do iceberg.
80% do compartilhamento online acontece por meio de dark social (compartilhamento por meio de canais não rastreados, como WhatsApp, texto e e-mail).
Mas isso não impediu que as pessoas tentassem medir o boca a boca. Existem alguns métodos comuns que as empresas usam, cada um com suas próprias desvantagens.
- NPS – A maioria das empresas já tenta medir o boca a boca de seus usuários existentes por meio do NPS, mas não consegue quantificar o impacto real do crescimento. Além disso, só porque alguém diz que recomendaria a um amigo, não significa que realmente o faça.
- Pesquisas de atribuição – Outro método importante é perguntar aos novos usuários como eles ouviram falar do produto. Essas pesquisas de atribuição sofrem com baixas taxas de resposta e viés dos respondentes – os usuários que respondem são diferentes dos que não respondem.
- Ferramentas de social listening – As ferramentas de social listening rastreiam plataformas sociais e a web para buscar por menções e engajamento. Mas não conseguem buscar o dark social e o boca a boca offline.
Essa dificuldade de mensuração dificultou a melhoria do boca a boca. Todo mundo já ouviu o ditado: “Você gerencia o que mede”. Como o boca a boca é muito difícil de medir, ele leva a vários desafios para as empresas:
- As equipes ignoram – As equipes de produto e marketing decidem ignorar a aquisição boca a boca.
- Lean on Paid – As equipes de marketing continuam focando na aquisição paga porque é mais fácil de medir e influenciar, mesmo quando pode não fazer sentido.
- Menos Eficiente de Capital – Muitas empresas acabam confiando excessivamente em canais menos eficientes, levando a maiores necessidades de capital.
Portanto, sabemos que o boca a boca é crítico, mas notoriamente difícil de medir e, portanto, difícil de influenciar. Como resultado, algums profissionais de growth hoje buscam uma métrica que:
- Mede o boca a boca em função do que o impulsiona.
- É estável o suficiente para ser usado na previsão.
- É capaz de ser influenciado por produtos e iniciativas de marketing.
O coeficiente boca a boca
O ponto de partida quando analisamos a aquisição boca a boca foi uma métrica comum de monetização chamada ARPDAU (Average Revenue Per Daily Active User – receita média por usuário ativo diário).
O ARPDAU informa o valor de um usuário ativo em termos de receita. É uma métrica de growth valiosa por três motivos:
- Está vinculada a usuários ativos – uma métrica de usuário que toda empresa rastreia
- É uma métrica estável – você pode usá-la para prever com confiança
- Ela pode ser influenciada – você pode decompô-la em suas entradas e influenciá-lo com atividades de produto e marketing
Outra métrica também utilizada é chamada NOPDAU (New Organics Per Daily Active User – Novos orgânicos por usuário ativo diário).
A premissa é simples: as pessoas que estão ativamente engajadas com seu produto, falam sobre ele – e em um ritmo bastante consistente. Quanto mais tempo você engajar seus usuários, mais boca a boca eles geram. Em outras palavras, a retenção de produtos impulsiona o crescimento de novos usuários orgânicos.
O NOPDAU compartilhou os mesmos benefícios-chave que o ARPDAU. Estava vinculado a usuários ativos, era uma métrica estável e podíamos influenciá-la com iniciativas de produtos e marketing.
Hoje, a ideia do “Usuário ativo diário” (DAU) foi ampliado para o que é conhecido como coeficiente boca a boca (ou coeficiente WOM).
Coeficiente boca a boca: o coeficiente WOM rastreia a taxa em que usuários ativos geram novos usuários por meio do boca a boca, semelhante à forma como o ARPDAU rastreia a taxa em que usuários ativos geram receita.
Por exemplo, se o denominador do seu coeficiente WOM for WAU (Weekly Active Users – usuários ativos semanais) e o coeficiente for 0,1, isso significa que cada WAU gera 0,1 novos usuários por semana via boca a boca. Ou, em termos mais simples, para cada 10 usuários ativos semanais, eles gerarão 1 novo usuário via boca a boca.
O coeficiente boca a boca tem dois componentes:
- Novos usuários orgânicos: usuários iniciantes de produtos que consideramos serem direcionados pelo boca a boca (ou seja, eles não podem ser rastreados para nenhuma fonte rastreável, como um anúncio digital pago).
- Usuários ativos: O denominador da proporção é todos os outros: Usuários recorrentes + Novos usuários não orgânicos. O período de tempo depende da sua métrica de retenção. Para a maioria dos produtos, normalmente é um usuário ativo diário, semanal ou mensal.
Como os usuários ativos preveem o WOM
No centro do coeficiente boca a boca está a suposição de que os usuários ativos preveem novos orgânicos. Isso conceitualmente faz sentido. Os usuários ativos são mais propensos a falar sobre seu produto do que aqueles que nunca o usaram ou pararam de usá-lo. Isso ocorre porque o boca a boca funciona como um loop de crescimento e a retenção está no centro de todos os loops de crescimento.
Os dados confirmam essa relação. Aqui está um exemplo de mais de 3 anos de dados de usuários ativos semanais de uma empresa de comércio eletrônico. Os dados são organizados em um gráfico de dispersão e mostram uma forte relação linear entre usuários ativos e novos orgânicos com um R quadrado de 0,958. A relação se mantém, mesmo quando os usuários ativos semanais saltam de 10.000 para 70.000 (um aumento de 7x).
Por que o coeficiente WOM é diferente
A métrica que a maioria das pessoas associa aos loops virais é o fator K (K-Factor). A equação simples para o fator K é k = X de convites enviados por cada usuário * taxa de conversão de cada convite. Ele informa para cada novo usuário quantos novos usuários adicionais você espera que o loop viral gere.
Existem poucas diferenças com o coeficiente boca a boca, mas as duas mais importantes:
- K-Factor não resolve WOM – K-Factor foi popularizado durante os primeiros dias das redes sociais e dos jogos, onde o principal mecanismo viral era o fluxo de convite viral que era altamente rastreável. O boca a boca por natureza é difícil de rastrear. Mas ainda mais importante é influenciado por coisas diferentes.
- Usuários ativos como entrada – A maioria dos modelos de growth viral está focada em novos usuários como entrada, não em usuários recorrentes. Mudar para usuários ativos como entrada para modelar a viralidade, no entanto, leva a recomendações estratégicas muito diferentes. Em vez de focar em novos usuários, você muda para construir sua estratégia em torno de usuários engajados.
Exemplo 1: O coeficiente boca a boca em jogos para dispositivos móveis
Aqui está um exemplo do que você teria visto se analisasse o Coeficiente WOM para um jogo móvel típico em 2016.
Como você pode ver no gráfico acima, o Coeficiente WOM é notavelmente consistente em diferentes níveis de usuários novos e ativos, um dos critérios importantes na criação de uma métrica confiável.
Cada jogo para celular tem seu próprio ciclo de vida, começando com um grande impulso de aquisição seguido por uma diminuição lenta da DAU. Mas o coeficiente WOM permanece estável mesmo quando o DAU diminui.
Uma outra conclusão importante é a que mostra que uma maneira de aumentar o boca a boca é aumentando a retenção. Neste jogo, uma melhor retenção leva a mais DAUs totais durante a vida de um usuário. Um DAU extra gera ~0,09 novos orgânicos incrementais em qualquer dia.
Você pode olhar para isso e pensar que a nova aquisição orgânica é trivial em comparação com outras áreas de foco, mas isso é um erro. Cada “novo orgânico” vale várias DAUs futuras, à medida que esses novos usuários orgânicos retêm e o loop boca a boca gira.
O COEFICIENTE BOCA A BOCA VARIA DE ACORDO COM O JOGO
O coeficiente boca a boca varia de acordo com o jogo. No gráfico abaixo, você pode ver o coeficiente WOM para três jogos diferentes em três gêneros diferentes. Para um jogo de trivia, a proporção foi de cerca de 0,14, para um jogo de cassino foi de cerca de 0,08 e para um jogo de nicho, foi de 0,06.
As implicações de produto e marketing são significativas.
Quando as empresas de jogos decidem quais jogos construir, elas escolhem um gênero (por exemplo, casual, cassino, midcore) e constroem um modelo de growth para projetar usuários, receita e lucro antes de dar luz verde ao desenvolvimento. Os desenvolvedores mais sofisticados constroem seus modelos de growth para serem orientados por benchmarks de retenção, monetização e CPA pago.
Após a conclusão do desenvolvimento do jogo, essas projeções são medidas com um soft launch. Se o jogo tiver um desempenho abaixo desses benchmarks, a equipe trabalhará para otimizar a retenção, a monetização e os CPAs pagos antes de investir pesadamente em um lançamento global (porque os usuários farão o download de um aplicativo de jogos apenas uma vez). No entanto, antes do coeficiente boca a boca, a aquisição orgânica era uma previsão ondulada que nunca foi verificada – mesmo que os orgânicos fossem um grande impulsionador de crescimento. Dependendo do desempenho do Coeficiente WOM, algumas decisões importantes de negócios podem ser tomadas sobre dobrar ou não um jogo ou matá-lo.
Exemplo 2: O coeficiente boca a boca para uma empresa de tecnologia de US$ 1 bilhão +
Edtech (tecnologia educacional) é uma categoria em que otimizar os fluxos virais no produto pode ser notoriamente difícil para produtos direcionados a professores.
Isso ocorre porque os professores compartilham principalmente uns com os outros offline. Especificamente, eles entram na sala de aula de outro professor ou participam de uma reunião de equipe. Sim, os professores usam o Facebook e e-mails para compartilhar o que gostam (eles são humanos!), mas não quando compartilham ferramentas de Edtech.
Uma equipe de growth pode gastar tempo e esforço para otimizar esses fluxos virais, mas é uma causa perdida, pois eles espalham o produto via boca a boca fora da experiência do produto.
Para explorar ainda mais as empresas que se beneficiam do boca a boca em Edtech, analisamos o Coeficiente WOM de um dos maiores e mais rápidos produtos Edtech do setor e identificamos vários padrões interessantes:
- Estabilidade: O coeficiente WOM é relativamente estável durante o ano letivo, com cada WAU geralmente trazendo um novo usuário orgânico de ~0,15 em uma semana média.
- Sazonalidade: No entanto, o coeficiente WOM flutua sazonalmente com base nos calendários escolares. Especificamente, a proporção aumenta durante os períodos em que alunos e professores estão retornando às aulas e conversando ativamente com todos os colegas sobre ferramentas de estudo online. O Coeficiente WOM quase dobra em agosto com o início do importantíssimo período “De volta às aulas” e volta a subir em janeiro, quando os alunos retornam das férias de inverno. Por outro lado, a proporção cai durante as férias de verão porque a maioria dos alunos e professores está fora da aula. O produto é igualmente compartilhável durante esses períodos, mas o usuário ativo médio durante o verão tem menos pessoas para compartilhá-lo, então o coeficiente WOM naturalmente diminui.
- Sensibilidade: O coeficiente WOM também é sensível a forças externas, como a pandemia da Covid-19, que causou a queda do boca a boca orgânico, enquanto vários Estados lutavam para se adaptar ao aprendizado remoto e muitas escolas fechavam completamente.
Sem surpresa, a Covid-19 impactou a métrica do Coeficiente WOM desta empresa de maneira diferente em países como Polônia e Itália, que rapidamente fizeram a transição para o aprendizado remoto. Nesses mercados, o coeficiente WOM teve um pico inicial em março com o início local da pandemia, quando professores e alunos compartilharam este produto Edtech para apoiar o aprendizado remoto e mantiveram uma média mais alta no resto do ano letivo antes de cair novamente quando alunos e professores saíram para as férias de verão.
Coeficiente de boca a boca – Polônia e Itália:
Ao analisar o coeficiente WOM, tanto sazonalmente em um determinado país quanto entre países, esta empresa está identificando várias oportunidades para turbinar o boca a boca orgânico e acelerar o crescimento internacional de usuários.
Exemplo 3: O coeficiente boca a boca para outras aplicações
Palma, e os produtos que dependem muito de aquisição paga?
Abaixo você vê dados sobre o coeficiente WOM para um produto de software que ajuda você a aprender a tocar piano. Tem um iTunes como loja onde você pode comprar faixas interativas para aprender usando seu software e um teclado digital. A empresa depende fortemente da aquisição paga como a maior parte de seu mix de canais.
Algumas observações deste gráfico:
- O coeficiente WOM diminui ao dimensionar a aquisição paga – A aquisição paga aumentou 3 vezes desde 2018, com a alteração mais recente da função de etapa ocorrendo durante a pandemia. Cada ponto de escala resulta em um coeficiente WOM mais baixo. Esse mesmo padrão acontece para outras métricas principais (como retenção, monetização e viralidade) em empresas de comércio eletrônico que escalam. Quanto mais você cresce inorganicamente, menor a qualidade do usuário.
- O coeficiente WOM torna-se mais estável com o volume – À medida que o volume aumenta, a volatilidade mensal diminui. Mas mesmo em seu estado mais volátil, o intervalo é bastante estreito, mais uma vez tornando-se uma métrica decente para usar na previsão.
Usando e melhorando o coeficiente boca a boca
Espero que tenha entendido que o coeficiente boca a boca é uma maneira diferente de medir o boca a boca e é útil por alguns motivos:
- É uma função de usuários ativos. Os usuários ativos preveem novos usuários orgânicos melhor do que outras entradas.
- É estável o suficiente para ser usado na previsão.
- Conseguimos encontrar os insumos e influenciá-los com iniciativas de produto e marketing.
Dessa forma, o coeficiente boca a boca pode ser usado em várias categorias de produtos com diferentes dinâmicas.