هنگام آزمایش، به تصویر بزرگ نگاه کنید

یک فعالیت معمول مارتک، آزمایش عناصر مختلف UI/UX (محتوا، طراحی، جریان، و غیره) است تا برخی معیارها مانند نرخ تبدیل فرم سرنخ را بهینه کند. در حالی که مسئولیت واقعی انجام چنین آزمایشی معمولاً به یک بهینه‌ساز نرخ تبدیل اختصاص می‌یابد، این بدان معنا نیست که سایر پزشکان – صرف نظر از اینکه بازاریابان، سازندگان، مدل سازان، یا استادان — ارزش درگیر شدن را ندارند، زیرا آزمایش‌ها می‌توانند پیامدهای گسترده‌ای داشته باشند.

در واقع، آزمایش A/B و چند متغیره معمولاً پیامدهایی دارند که در سرتاسر یک پشته martech – شاید فراتر از آن – طنین انداز می‌شوند. در برخی موارد این واقعیت ممکن است خود را در طول مرحله آزمایش نشان دهد، در حالی که در برخی دیگر ممکن است پیامدها بعداً در طول مرحله اجرا ظاهر شوند. به همین دلیل است که برای پزشکان martech مهم است که جریان داده.

بازاریابی و فروش

تعامل بین فعالیت های بازاریابی و فروش، نمونه ای از فاکتورهایی است که باید در نظر گرفته شود. تعاریف سرنخ‌های واجد شرایط بازاریابی (MQL) و سرنخ‌های واجد شرایط فروش (SQL)، در حالی که مرتبط هستند، به دلایل خوبی متفاوت هستند. بازاریابی و فروش رویه‌ها، معیارها و اهداف متفاوتی دارند.

به عنوان مثال، روش بسیار رایجی که مردم برای تقویت تبدیل فرم سرب از آن حمایت می کنند، حذف اصطکاک (به عبارت دیگر، زمینه ها) است. در بسیاری از موارد، افراد به احتمال زیاد فرمی را تکمیل می کنند که به ورودی و تعامل کمتری نیاز دارد تا فرمی که به مقدار زیادی نیاز دارد. ساده‌سازی یک فرم می‌تواند کمیت سرنخ‌ها را افزایش دهد و در عین حال کیفیت سرنخ‌ها را کاهش دهد. آنچه از نظر MQL خوب است لزوماً از دیدگاه معیارهای SQL مفید نیست.

برخی از فیلدهای «مصرف‌پذیر» احتمالاً برای امتیازدهی سرنخ هستند. آنها برای اهداف بازاریابی باعث ایجاد اصطکاک می شوند، اما می توانند به تیم فروش کمک کنند تا مشتری بالقوه را بهتر درک کند. این کار فروشندگان را قادر می‌سازد تا روی اهدافی تمرکز کنند که قصد قوی برای خرید از خود نشان می‌دهند، و همچنین تلاش‌های خود را با شرایط پیشرو هماهنگ کنند.

بنابراین این امکان کاملاً وجود دارد که یک تنوع آزمایشی که زمینه‌های امتیازدهی کمتری دارد، تبدیل‌های بازاریابی را افزایش دهد و در عین حال فروشندگان را از بستن معاملات بازدارد. بنابراین، هنگام انجام چنین آزمایشی، مهم است که معیارهای پایین دستی را در نظر بگیرید و نظارت کنید.

ملاحظات چند بخشی

یکی دیگر از عواملی که باید در نظر گرفت نحوه و زمان جمع آوری اطلاعات مورد نیاز است. این مهم است، زیرا حذف یا جابجایی نقاط جمع‌آوری داده به منظور تقویت معیارهای MQL یا SQL احتمالاً می‌تواند پیامدهای پایین‌دستی داشته باشد – حتی پس از تکمیل فرآیند فروش.

به عنوان مثال، هنگام فروش بیمه (بهداشت، دندان، زندگی و غیره) هزینه نهایی یک بیمه نامه مستلزم دانستن اطلاعات دقیق و حساس زیادی در مورد شخص تحت پوشش است. آیا منطقی است که تعداد زیادی از آن اطلاعات را در فرم اولیه سرنخ بخواهیم، ​​به طوری که وقتی یک فروشنده پیگیری می کند، بتواند با قطعیت قیمت را به مشتری احتمالی بدهد؟ یا اینکه منطقی است که فقط برخی از اطلاعات کلی را جمع آوری کنیم و به فروشنده اجازه دهیم تا تخمینی به همراه عوامل مختلف بر هزینه را ارائه دهد؟ هر دو روش دارای مزایا و معایبی هستند و هر کدام را می‌توان بسته به اینکه تعداد کل سرنخ‌های بیشتر یا سرنخ‌های واجد شرایط بیشتری مورد نیاز باشد، دنبال کرد.

با این حال، مهم است که بدانید در نهایت چه اطلاعاتی مورد نیاز است. یک مشتری بالقوه باید همه آن را در مقطعی فراهم کند تا به مشتری تبدیل شود. بنابراین، جابه‌جایی بین آن گزینه‌های مجموعه به نمای تصویر بزرگ‌تری نیاز دارد. اگر تصمیم برای حذف یک فیلد از فرم سرنخ باشد، چه زمانی و کجا آن اطلاعات جمع‌آوری می‌شود؟

این ممکن است شامل تیم‌ها و سیستم‌هایی باشد که خارج از پشته martech هستند و بنابراین ممکن است به هماهنگی چند بخشی نیاز داشته باشد. سپس علاوه بر آن، اگر تصمیم به تغییر در هنگام جمع آوری اطلاعات خاص گرفته شود، چه اتفاقی برای افرادی می افتد که در زمان سوئیچ در بین نقاط جمع آوری قدیمی و جدید هستند؟

تصویر بزرگ را در نظر بگیرید

در نظر گرفتن پیامدهای فعالیت‌های رایج مارتک مانند تست تبدیل بسیار مهم است. این دیدگاه به تضمین بهتر موفقیت کمک خواهد کرد. به عنوان مثال، موارد بیشتری نسبت به معیارهای MQL وجود دارد که باید در نظر گرفته شود، و گاهی اوقات، نتایج بهبود یافته با این یک عامل ممکن است هزینه زیادی در خط یا در یک منطقه مهم دیگر داشته باشد.

همانطور که بسیاری از تمرین‌کنندگان می‌توانند تأیید کنند، گاهی تغییرات پیچیده‌تر از آن چیزی هستند که به نظر می‌رسند. واقعاً آزاردهنده است که تلاش کنید برای یافتن راهی برای تقویت یک معیار بالادستی و فقط متوجه شوید که به دلیل مشکلات پایین دستی کار نخواهد کرد. درک جریان های داده در داخل و خارج از پشته martech یکی از راه های کمک به کاهش اتلاف وقت و تلاش در آزمایش UI/UX است که در نهایت جواب نمی دهد.

نظرات بیان شده در این مقاله نظرات نویسنده مهمان است و لزوماً MarTech نیست. نویسندگان کارکنان اینجا فهرست شده‌اند.

درباره نویسنده

استیو پترسن مدیر فناوری بازاریابی در Zuora است. او نزدیک به 8.5 سال را در دانشگاه وسترن گاورنرز گذراند و بسیاری از نقش‌های مرتبط با مارتک را برعهده داشت و آخرین آن مدیر فناوری بازاریابی بود. قبل از WGU، او به عنوان یک استراتژیست در فروشگاه دیجیتال واشنگتن دی سی The Brick Factory کار می کرد، جایی که از نزدیک با انجمن های تجاری، غیر انتفاعی، مارک های اصلی و کمپین های حمایتی کار می کرد. پترسن دارای مدرک کارشناسی ارشد مدیریت اطلاعات از دانشگاه مریلند و لیسانس هنر در روابط بین الملل از دانشگاه بریگام یانگ است. او همچنین دارای گواهینامه ScrumMaster است. پترسن در سالت لیک سیتی، منطقه UT زندگی می کند.

پترسن نمایانگر نظرات خودش است، نه کارفرمایان فعلی یا سابقش.