FOOC, ou Flash Of Original Content, é um problema específico de testes A/B. Ele acontece quando uma pessoa é sorteada para ver a variation (ou versão desafiante), porém, ela acaba vendo a Control (ou versão original) por alguns décimos e as vezes até segundos inteiros.

Isso é um problema, uma vez que o usuário pode se sentir desconfortável com o redirect e achar que é alguma falha do site, como por exemplo, questões de segurança. E aí sua variation vai performar pior.

Já tivemos vários testes que perderam, e, uma vez corrigido esse problema, venceram, demonstrando claramente que esse problema afeta a performance de testes A/B.

Ok, mas como contornar o problema? Seguindo sempre as instruções de instalação da sua ferramenta de teste A/B.

Se você é como a maioria das pessoas, vai acabar utilizando a Suite do Google Analytics para isso, o que significa que você utilizará o Google Optimize.

Sempre fazemos a implementação do Google Optimize através do Google Tag Manager. Isso implica em uma pequena modificação do código.

Para facilitar nossa vida, criamos uma pequena ferramenta para gerar o código completo ideal. Ou seja, ao invés de pegar aquele código que o GTM dá, fazemos uma pequena inclusão que ajudará você a evitar o FOOC dos seus testes.

Como Fazer

Copie o código do seu container no GTM. Vai ser algo como GTM-XXXXXX. Em seguida adicione esse ID ao final da seguinte URL:

https://mymetric.com.br/instrucoes/GTM-XXXXXX

Copie e código e implemente junto ao seu desenvolvedor.

Os acionadores de visibilidade são uma (não tão) nova forma de dizer ao Google Tag Manager quando queremos que uma tag seja executada.

Podemos querer saber quantas vezes um banner ou dobra de uma landing page foi visualizada, ou seja, o número de impressões.

Um outro uso muito interessante é nos casos onde não conseguimos detectar a submissão de formulário mas temos a exibição de uma mensagem de sucesso. Nesses casos é possível utilizar um acionador de visibilidade com um filtro para o seletor de CSS do elemento desejado.

Outra aplicação bem interessante é monitorar as mensagens de erro de um formulário. Assim podemos saber se alguma validação de campo está atrapalhando a conversão de um formulário, por exemplo.

Ainda em aplicações possíveis, imagine um ecommerce com uma mensagem de frete grátis em casos onde a compra ultrapassar determinado valor. Podemos configurar um evento para a mensagem com essa finalidade.

Essas são só algumas ideias, as aplicações são infindáveis.

Recentemente, o Google Analytics lançou uma opção para mudar a forma como vemos a maioria dos seus relatórios. Estamos acostumados a visualizar quase sempre o número de sessões como a métrica mais básica da maioria deles.

Uma sessão é uma atividade nova no site, ou seja, um usuário enviou um hit (pageview, evento, transação etc). Enquanto ele estiver enviando hits que não tenham uma distância de mais de 30 minutos entre si (esse é o tempo padrão, mas você pode mudar), esse usuário está na mesma sessão.

Já um usuário é um cookie, ou seja, uma pessoa que acessou seu site por meio de um navegador X em uma máquina X. Trocou de navegador ou de máquina (seja um outro desktop ou mesmo celular), já é um novo usuário, apesar de as vezes ser a mesma pessoa.

E daí?

Usuários são menos inflacionáveis que sessões. Eu sou apenas um usuário, mas até o momento que escrevo esse post, já tive 47 sessões no site da MyMetric só nos últimos 30 dias!!

Além disso, ao ativar essa função, seus usuários serão calculados de uma forma mais precisa, se quiser ler mais sobre isso é só clicar aqui.

Para ativar, vá nas configurações da sua propriedade.

Você sabia que pode usar seu Google Analytics como aliado para encontrar bugs no seu site? Uma simples navegação pode encontrar muitos problemas, mas você (e seu computador) nunca vão representar a diversidade de tecnologias e redes utilizadas para acessar seu site.

O que seria mais inteligente?

Capturar todos os erros de Javascript com um Evento no Google Analytics. Atualmente, isso já é possível fazer via Google Tag Manager de uma maneira relativamente simples. Você pode capturar a mensagem de erro, a url de onde ele aconteceu e até a linha de código que causou o problema.

Genial, né?

Então implemente e comece a corrigir mais rápido os problemas técnicos do seu site. E olha que muito site ainda perde dinheiro por conta de problemas técnicos sem perceber por um bom tempo.

Modelos de Atribuição no Facebook Ads e no Google Analytics

Muitas pessoas pensam que, se tiveram 10 conversões no Facebook Ads deverão ter 10 conversões no tagueamento específico feito para o Google Analytics. Muitas vezes até ficam preocupados com a qualidade do rastreamento, já que essa diferença tende a ser grande.

Na verdade, não dá pra comparar. Cada uma das duas ferramentas tem modelos de atribuição diferentes e até mesmo dados diferentes. Vou explicar melhor:

No Facebook Ads, quando você configura uma campanha com foco em conversões no site, você escolhe entre quatro modelos de atribuição: clique de 1 dia, clique de 7 dias, clique e visualização de 1 dia e clique de 7 dias com visualização de 1 dia.

Em relação ao clique, vamos supor que você clica em um anúncio em qualquer um dos modelos acima. Mesmo que você acesse o site depois de outra forma que não seja pelo anúncio, o Facebook vai contar a conversão, a depender da quantidade de dias escolhida. A mesma coisa para visualização, caso você veja um anúncio e não clique nele, vai sofrer os efeitos da atribuição do Facebook Ads se converter no mesmo dia.

Já o Google Analytics funciona diferente. O modelo padrão do GA é o last click, ou seja, qual foi a última mídia que trouxe o usuário antes de converter. O que sabemos é que muitas pessoas que são impactadas por Ads no Facebook não clicam no anúncio, mas são influenciadas e depois acessam o site via buscador principalmente.

Você pode até usar os diferentes modelos de atribuição disponíveis no GA, mas não vai chegar a nada parecido com a atribuição do Facebook Ads, até porque o GA não sabe se algum usuário viu o anúncio, essa informação não chega e nem é aberta para qualquer integração possível hoje em dia. Além do que, qual a utilidade do Google Analytics mostrar que o Facebook Ads tá performando bem? Tirar verba do Google AdWords?

Minha recomendação?

Use a atribuição do Facebook Ads para analisar Facebook Ads, do contrário, seu custo de aquisição vai parecer muito maior e desestimulante para investir, inviabilizando muitas vezes um projeto bacana.

Extreme Go Horse é um termo que expressa uma crítica em relação a falta de organização com que alguns programadores trabalham. Essa falta de organização por querer fazer as coisas às pressas gera uma série de problemas no código que trarão, para ele ou seus colegas, mais dor de cabeça para resolver num futuro não muito distante.

Com o Marketing não é diferente. A falta de priorização leva times inteiros de Marketing a gastarem horas e mais horas em tarefas que não vão tirar a empresa de um resultado atual X para um resultado futuro melhor que isso. Então, como trabalhar?

Normalmente, temos várias ideias do que fazer no Marketing Digital dos projetos em que estamos inseridos, certo? Essas ideias podem nascer de dados que temos, como por exemplo alguma pesquisa com os visitantes do site ou mesmo de dados de comportamento do próprio Analytics. Elas também podem surgir de posts em blogs especializados ou mesmo uma análise descompromissada da concorrência.

Junte tudo isso em um backlog, ou seja, uma lista de coisas a implementar. Mas não saia implementando tudo de uma vez. Primeiro, tente classificar as ideias em uma relação de custo-benefício, ou seja, ideias mais fáceis de implementar e com um potencial de resultado maior devem ser colocadas no começo da fila. O Trello é um bom lugar para administrar isso. Tente usar dados que você já tem para essa classificação, e não apenas a opinião sua ou de mais pessoas.

Em seguida, vamos adotar o fluxo da metodologia Lean Startup que é o famoso “Build, Measure, Learn”.

Build: aqui é a hora de tirar a ideia do papel e executar ela. Na linha do Lean Startup, a ideia de MVP (Minimum Viable Product, ou Produto Mínimo Viável) é criar um produto com as condições mínimas de atingir as pessoas desse mercado, ou seja, nada de perfeccionismo por aqui, ou podemos perder um tempo precioso com uma ideia que não necessariamente vai dar tão certo como esperamos (e isso acontece aos montes).

Measure: agora que você tem algo novo no ar é preciso investir em mensuração. Instale eventos de Analytics, userID dos seus usuários, enfim, meça tudo que tiver direito para poder ter uma visão de como esse MVP está performando em relação a outras ideias e projetos que você já desenvolveu.

Learn: com os dados coletados, agora é a hora de estudar e fazer uma breve reflexão nos pontos onde a ideia mandou bem e onde ela poderia melhorar. Nessa etapa também é importante compartilhar com o time responsável pelo MVP.

Por fim, a ideia é que esse ciclo rode rapidamente, pois quanto mais ideias você conseguir testar, maior a chance de você encontrar algo que pode alavancar os resultados do seu negócio com pouco esforço.

O viés de confirmação é um problema bastante relatado no meio científico. Ele é a tendência de se lembrar, interpretar ou pesquisar por informações de maneira a confirmar crenças ou hipóteses iniciais.

Ou seja, invés de olharmos para os dados sem preconceitos buscando entender o que eles estão nos dizendo, acreditamos na primeira ideia que mais nos agrada e aí sim vamos atrás de dados para comprovar esse pensamento prévio.

Aplicando essa tendência ao Digital Analytics, vemos analistas confiando demais em opiniões pessoais, muitas vezes embasadas por um problema enfrentado com algum site em específico e, a partir desse disparador, há a busca de dados para confirmar tal crença inicial.

Não precisamos falar que isso reduz muito o resultado em Marketing Digital, já que boas ideias são ignoradas e muita energia é desperdiçada com impulsos muito pessoais e que não representam a realidade daquele público-alvo.

Como contornar o problema do viés de confirmação?

Faça uma força para não aceitar a primeira ideia que te vem na cabeça, ao invés disso, faça uma análise descompromissada dos dados que você tem, tente não ir com muita sede ao pote, ou seja, mantenha-se acima do primeiro detalhe que te chamar atenção nos dados, tente ver qual a visão geral os dados estão te dando.

Se os dados que você tem atualmente não são suficientes, proponha uma coleta nova, sempre visando a imparcialidade na análise. Outra dica: peça opinião de terceiros, de preferência, para alguém cético. Assim você garante que não vai estar gastando energia com ideias muito pessoais que por mais legais que sejam podem ser apenas perda de tempo.

Não se impressione se não souber, já que isso é uma invenção nossa. Vou explicar melhor. Com o crescimento do uso de dispositivos mobile para navegação online, a área de Digital Analytics começou a sofrer de um problema: a segregação dos dados de uma mesma pessoa em vários dispositivos.

De forma mais clara: a mesma pessoa navega no celular e depois no desktop (e vice-versa), só que não sabemos que essa é uma mesma pessoa, logo, podemos tomar decisões erradas como, por exemplo, segmentar nossa mídia só para desktop uma vez que é lá que estão ocorrendo a maior parte das conversões, o problema é que nós é que não estamos vendo que na verdade elas começam pelo mobile.

O Google Analytics em sua mais nova versão do código de rastreamento, o Universal Analytics, trouxe a inovação do User ID, ou seja, um ID que centraliza toda a informação sobre um determinado usuário. O grande problema é que se seu site não tem uma forma de login, ou se esse login é feito só em etapas mais avançadas do processo de conversão, fica difícil fazer uma análise mais íntegra do Marketing Digital.

A solução encontrada por nós para os projetos dos nossos clientes é o User ID Loop. Funciona assim: todo usuário ao entrar no site pela primeira vez recebe um UserID que fica salvo em um cookie (você pode inclusive utilizar o próprio cookie do Google Analytics para isso).

Esse identificador é enviado como UserID e como dimensão personalizada para o Google Analytics. Além disso, todo formulário de opt-in do site possui um campo oculto onde preenchemos automaticamente com esse mesmo ID. Dessa forma, usuários anônimos passam a ser identificados e podemos começar a cruzar o “João da Silva” com tudo que o UserID dele fez no site, as vias pelas quais chegou até ele etc.

Mas, até aí, nada de diferente do que já falamos, não é?

Para garantirmos que tanto o comportamento mobile quanto desktop estejam linkados, fazemos o seguinte: a partir de agora, todo email enviado para esse contato identificado vai com links que são parametrizados, ou seja, se ele clicar em qualquer email (seja lá sobre o que for esse email) ele vai para o site, mas vai identificado.

Chegando no site, um script é responsável de pegar esse parâmetro e subscrever o UserID que ele recebeu automaticamente pelo UserID mais antigo e mais real dele, assim evitamos que pessoas antigas gerem novos UserIDs e conseguimos linkar bastante o comportamento cross-device evitando, com essa estratégia, a segregação dos dados. Legal, né?