métricas de cold mailing parte 2 capa
Flipchart FridayVendas

[Flipchart Friday #64] Métricas De Cold Mailing: Como Analisar E Otimizar? | Parte II

Para que você tenha um processo sempre redondo, você precisa analisar as suas métricas. A partir dessas análises, você consegue ter um norte do que precisa melhorar para ter resultados ainda melhores.

No caso de cold mails, quais análises você precisa fazer?

Transcrição do vídeo

No Flipchart Friday da semana passada falamos sobre métricas de cold mailing e separamos as 4 principais:

  • Taxa de entrega;
  • Taxa de abertura;
  • Taxa de resposta;
  • Taxa de conversão.

No webinar #PimpMyMail destrinchamos, através de uma análise de cold mails, como construir mensagens de um jeito prático.

Se você não viu a Parte I e nem o webinar, recomendo que você pare por aqui antes de continuar na Parte II, porque nós vamos aprofundar sobre como analisar essas métricas.

Você vai realmente entender onde pode melhorar seu processo.

Antes de começarmos a conversar sobre métricas, você realmente tem bons emails construídos? Se não, volte e comece do zero.

Para falar sobre análises de dados mais específicas, tiramos a referência de um mega conteúdo da Winning by Design, um dos grandes gurus que adiramos.

O Jacco fala sobre as 4 dimensões de análise de dados.

quadro flipchart friday métricas de cold mailing parte 2

Dimensão #1: Volume

Na dimensão 1 você analisa dados muito puros, basicamente dados de volume.

  • Quantos emails eu enviei?
  • Quantas respostas eu obtive?

Em tese, esse dado reflete o que aconteceu, mas não dá um feedback consistente.

Dimensão #2: Taxas

A segunda dimensão é a taxa, em que você divide os números brutos, um pelo outro.

  • Conversão: respostas positivas sobre envio total de emails.

Naturalmente, através desse cálculo, você tem uma porcentagem, seja uma taxa de resposta ou uma taxa de conversão.

Essa dimensão já faz com que você tenha uma análise mais profunda se você está sendo eficiente ou não.

Dimensão #3: Tempo

Só que, para você compor ainda mais essa análise, você pode usar um elemento de tempo, que é a terceira dimensão. Você analisa as taxas ao longo do tempo e, dessa forma, cria um histórico de dados.

Por exemplo: ano passado as nossas taxas de resposta foram 20%, mas esse ano elas caíram para 10%.

Com esses dados em mãos você consegue entender os elementos de sazonalidade, o que está acontecendo no espaço-tempo presente que pode ter impactado o processo.

Com os dados históricos analisados você tem insights sobre possíveis correções.

Ter um histórico é o que realmente difere seu processo em ter uma análise de dados bem convergente sobre como otimizá-lo.

Se você comparar taxas puras, ou até alguns benchmarks, ainda assim a análise não é tão eficaz quanto um histórico.

Dimensão #4: Comparação

A quarta dimensão de análise de dados é justamente a comparação de taxas de modo a formular hipóteses para entender o que precisa melhorar.

Vou dar um exemplo, comparando duas taxas do micro e do macro do processo: conversão do 1º email e conversão geral de todo o fluxo.

Cruzando esses dados você tem uma matriz 4×4 com alguns cenários possíveis:

  • As duas taxas baixas;
  • Uma taxa baixa e a outra alta;
  • As duas taxas altas;
  • Uma taxa alta e a outra baixa.
flipchart friday métricas de cold mailing parte 2

A partir do momento que você compreende isso, você consegue entender em que ponto está para saber exatamente onde pode melhorar.

Por exemplo: a taxa de resposta do seu primeiro email está muito baixa, mas a taxa do seu fluxo em geral está boa.

Quais hipóteses você pode validar?

  • O seu primeiro email está gerando muito pouco valor, mas os follow ups estão conseguindo agregar bem;
  • O seu canal de email não funciona tão bem e as suas maiores conversões estão nas cold calls ao longo do fluxo.

Essas são duas hipóteses que você pode validar e agir, por exemplo:

Vou descartar meu primeiro email e criar outro.

Essa é uma maneira de analisar e comparar, dentro do seu processo, taxas que são complementares, formulando hipóteses ainda mais poderosas sobre como ser mais eficiente.

Um outro exemplo é comparar a taxa de abertura com a taxa de conversão. Você pode até relacionar isso com o tempo e fazer uma análise ainda mais poderosa.

Por exemplo: eu tenho um cenário em que eu estou com uma baixa taxa de abertura e uma taxa de conversão ok. Qual pode ser a primeira hipótese?

Se você aumentar sua taxa de abertura, naturalmente você aumenta o volume no funil e mais leads recebem seu email. Se você mantém a taxa de conversão, você gera mais oportunidades.

  • Você pode trabalhar melhor seu assunto, seu briefing ou sua entregabilidade;
  • Você também pode fazer essa mesma comparação ao longo do tempo.

Se você enxergar que, apesar da sua taxa de abertura ter aumentado, você reduziu a sua taxa de conversão, isso pode significar que você está prospectando leads sem perfil.

A qualidade dos leads está influenciando mais que toda a sua comunicação em cadências.

O poder das métricas e dos dados está em fornecer hipóteses para você enxergar o que pode fazer.

A partir do momento que você compreende essas dimensões, você consegue compará-las de maneira muito mais eficaz e para de dar tiro no escuro.

Benchmark

Já que somos viciados em dados, precisamos compartilhar com vocês, principalmente com quem está começando, algumas taxas para orientar o que deve ser seu processo.

Em geral, o que procuramos?

Taxa de entregabilidade

A sua taxa de entrega, ou entregabilidade, tem que ser cerca de 90%. Uma boa taxa média de bounce deve estar em torno de 5%.

Se você faz outbound há muito tempo, é comum ter uma influência negativa nessa taxa, por isso estamos arredondando para 90% essa boa taxa de entrega.

Taxa de abertura

Para taxa de abertura de email, você precisa estar acima de 35%.

Se você tiver abaixo disso, essa é uma red flag de que você não está trabalhando tão bem seus assuntos.

Outra hipótese é que você está tendo influência de uma baixa taxa de entrega e não está conseguindo fazer com que seus leads recebam e abram seus emails.

Taxa de resposta

Para a taxa de resposta, o ideal é que você esteja acima de 10%. Desses 10%, 50% devem ser respostas positivas.

Ou seja, 5% é o que você vai converter dos leads com os quais você está tentando se conectar ao final.

Comparação relativa desses benchmarks

Vamos seguir com entregabilidade acima de 90%, taxa de abertura acima de 40%, taxa de resposta acima de 35% e taxa de conversão acima de 50% (respostas positivas e oportunidades geradas).

Aqui já estou considerando as quedas dentro do processo, e é exatamente por isso que a lógica é relativa.

Se você tinha 100 emails enviados, você entreguou 90 e, desse número, 40% dos leads abriram, e assim por diante. Essa é a lógica da análise relativa.

O ideal é que você tenha, pelo menos, 50% de respostas positivas para todas as respostas em seus cold mails.

Olhando para o processo como um todo, pelo menos, 5% dos leads que você está prospectando precisam dar uma resposta positiva.

Esses números são um norte porque, se você está tendo muita resposta, mas muitas delas são negativas, significa que não está sendo tão efetivo.

Você pode voltar nas dimensões e criar hipóteses como:

  • Será que meus leads não são tão qualificados?
  • Apesar da minha taxa de abertura estar alta, será que eu não estou conseguindo convergir bem minha mensagem?
  • O lead não está vendo valor e, por isso, responde negativamente?

Você levanta essas hipóteses e coloca as correções em prática.

Dados sem contexto são apenas números!

Não se apegue 100% a esse benchmark que acabei de passar. Trabalhamos com vários segmentos de mercado diferentes dentro da nossa base de clientes aqui no Reev.

O importante é que você tenha histórico para analisar o que está fazendo e, mais importante ainda, você precisa ter contexto dos seus dados, precisa padronizar o seu espaço amostral.

Estatisticamente falando, não é qualquer taxa, não é qualquer número que dá um feedback exato do que está acontecendo.

Lembre-se sempre: correlação não necessariamente indica causa.

O melhor caminho para fazer isso é entender o fundamento do processo.

Você tem um norte com bons indicadores, consegue mensurá-los e tem um histórico deles para avaliar suas hipóteses e tomar a decisão correta em cima do que você precisa fazer.

Esse foi mais um Flipchart Friday em que trouxemos um pouco mais de ciência. Tentamos sempre ser multidisciplinares em nossos conteúdos.

Se você gosta desse tipo de conteúdo, com números, se inscreve em nosso canal.

Tem muita coisa boa sobre isso por lá. Se você gostou deste Flipchart, curte o vídeo e, qualquer dúvida, estamos à disposição.

Um abraço e até a próxima.

Leave a reply

Your email address will not be published. Required fields are marked *