Growth Hacking proces - kako prečicama do rezultata

Growth Hacking procesje krovni izraz za strategije fokusirane isključivo na rast. Obično se koristi u odnosu na startapove u ranoj fazi kojima je potreban ogroman rast za kratko vreme sa malim budžetima.

Cilj Growth Hacking strategija je generalno da se stekne što više korisnika ili kupaca uz što manje trošenja novca, vremena, resursa. Najčešće ga obavlja mala grupa ljudi koja je specijalizovana za ovu granu marketinga.

Kako izgleda jedan Growth Hacking proces?

Growth Hacking nije samo puko traženje prečica. Za razliku od spontanih pokušaja, špekulacija, u Growth Hackingu se radi metodološki i smisleno.

Izbor testova, prioritizacija, sistem beleženja rezultata i naučenih lekcija je ono što je sastavni deo ovog pristupa. Eksperimenti koji se koriste u Growth Hacking pristupu zahtevaju promišljen proces da bi se obezbedila doslednost i vrednost.

Slično kao što važi i za brojne naučne eksperimente. Na osnovu vodiča The Definitive Guide to Growth Hacking (Patel & Tailor, 2021) postoji 6 koraka pomoću kojih može da se projektuje i sprovede eksperiment:

Definisanje ciljeva
Podešavanje analitike za praćenje i merenje ciljeva
Određivanje ključnih prednosti i njihova eksploatacija
Pokretanje eksperimenta
Optimizacija eksperimenta
Ponavljanje prethodnog procesa

#1 Definisanje ciljeva i postavka metrika i analitike

Definisanje ciljeva je najvažniji deo procesa hakovanja rasta. Kako bi se eksperimenti sprovodili pametno i smisleno, neophodno je postaviti ciljeve koji bi bili glavna smernica u daljem radu tima za rast.

Opšti cilj startapa je rast, međutim tako definisan cilj često može biti loša vodilja za dalji rad. Stoga je pametno postaviti SMART ciljeve. Sa precizno definisanim ciljevima moguće je dalje definisati strategije i taktike i evaluirati rezulate.

Takođe, prilikom definisanja ciljeva, bitno je izraziti ga na način tako da se mogu lako izmeriti i kontinualno uz malo napora pratiti.

Kada je cilj precizno definisan, potrebno je kreirati sistem za praćenje rezultata. Čest je slučaj da organizacija koristi skup različitih analitika koje će intergralno isporučivati informacije o progresu koji je očekivan. Ukoliko ne postoji precizno definisan alat za praćenje rezultata, tim će teško znati rezultate progresa i da li je ostvaren cilj ili ne. Samim tim cilj koji je postavljen postaje besmislen.

Osim toga, kroz dobru platformu za analizu, startap može da dobija korisne informacije koje će dalje usmeravati sledeće eksperimente koji će biti postavljeni u pravom smeru. Ovaj aspekt je naročito bitan u kasnijim fazama kada ideja za eksperiment ostaje sve manje, pa je tim prinuđen da bira eksperimente koje nisu od velike važnosti.

Analiza ima zadatak da isporuči što kompletniju informaciju o funkcionisanju tržišta, kako bi znanja koja su stečena preneli na marketing timove koji bi od predloga napravili najefektivniju taktiku za akviziciju korisnika ili za neki drugi cilj. Takođe, na pravilno definisanim vremenskim intervalima, informacije iza analize mogu služiti za redefinisanje cilja i na taj način držanje pravca rasta u pravom smeru. Odgovorom na pitanje šta funkcioniše, a šta ne funkcioniše, organizacija ima drastično veće šanse da za manje novca postigne dobre rezultate. Neki od preporučenih metrika koji se mogu koristiti u analizi su stopa konverzija, CTR(Click-Through Rate),CPM(Cost per Mile), ROAS(Return On Advertising Spend)…

Korišćenje eksperimenata na ispravan način

Prilikom kreiranja brojnih eksperimenata, Growth tim mora imati svaku prednost koju rešenje nudi. Zadatak tima je da u brojnim eksperimentima dobije informacije o osetljivostima svakog od kriterijuma koji može biti ključan za dalji rast. Prednosti mogu biti povezane sa samim proizvodom ali isto tako i sa drugom intelektualnom i neintelektualnom svojinom koje startap poseduje. Može se odnositi i na svojinu celog tima, ali i na pojedince unutar tima.

U slučaju da tim ima veliku listu kontakta do koje je došao ranijim kampanjama, iako trenutno nije kreiran mehanizam da se lista kontakta iskoristi, postoji baza koja predstavlja prednost u odnosu na konkurente. Ako je zaposlena osoba u vašem timu ranije radila sa potencijalnim kupcima, njegova reputacija i prethodno iskustvo su takođe prednosti koje se mogu dalje koristiiti. Bitno je samo za organizaciju da bude svesna svojih prednosti i da bude kreativna prilikom osmišljavanja načina kako da prednosti iskoristi.

Slično kao i kod studije slučaja, potrebno je pre pokretanja samog eksperimenta imati definisane hipoteze koje eksperiment može da dokaže. Bez postavljanja hipoteze, tim jako teško može dati ocenu da li je eksperiment bio uspešan ili ne. Kako se radi o taktičkom pristupu, najveći broj hipoteza mora biti prikazan numerički. A usled velikog broja eksperimenata i dinamike sprovođenja istih, potrebno je koristiti metrike koje su lako dostupne i lako proverljive.

Odnos prema postavljenoj hipotezi

U slučaju da je početna hipoteza postavljena kako bi se ispitala uspešnost određenog plaćenog kanala za registrovanje korisnika, metrika koja bi se koristilia je broj registracija. Ako je ideja da se ispita stopa zainteresovanosti, onda je broj klikova ili cena po kliku relevantnija metrika. Metrika koja se psotavlja mora na ispravan način tretirati ponašanje korisnika i krajnje rezultate, u suprotnom, eksperiment bi mogao biti nerelevantan usled nemogućnosti da da odgovor na početno pitanje.

Prilikom postavljanja hipoteze, potrebno je i dalje definisati kontekst unutar kog se eksperiment sprovodi. Nije dovoljno definisati samo hipotezu, već se mora definisati vremenski okvir, razlog i ideja zbog koje je eksperiment postavljen. Na samom početku ideje za eksperiment mogu nastati usled prvobitne, površne analize i pretpostavki.

Kasnije, glavni broj ideja za pokretanje eksperimenata dolazi od prethodnih istraživanja. To je još jedan od razloga zbog čega je bitno da pokretanje eksperimenata bude što strukturalnije i smislenije osmišljeno.

Često rezultati eksperimenata pokazuju da je početna hipoteza pogrešna. U toj situaciji je takođe neophodno dokumentovati eksperiment. Nakon toga, tim može dodatno istražiti koji je razlog neuspeha eksperimenata i ispitati na koji način, i iz koje perspektive bi se data pretpostavka mogla drugačije sagledati i razrešiti.

Poenta eksperimenta nije dolazak do idealnog rešenja, glavna je ideja izvlačenje ključnih informacija koje će celom timu u budućnosti spasiti dosta resursa i novca. Isto tako, zbog kratkog vremenskog okvira, neuspešni eksperiment ne treba zauvek izbrisati. Pod drugim okolnostima, moguće je ponovo pokrenuti isti eksperiment u kome će ishod biti drugačiji. Growth Hackcing se gleda kao stalni, interaktivni eksperiment. Time, pristupanje i pokretanje jedinstvenog testiranja unutar organizacije se ne gleda kao Growth Hacking. Za razliku od tradicionalnog pristupa u kome se pokrene test, nakon rezultata testa se vrši dodatna kalkulacija, nivelisanje i ponovno pokretanja, prilikom hakovanja rasta neophodno je da se nakon završenog slučaja zatvori test, dokumentuje se i pređe na sledeći.

Rezultat toga je što objektivnije izvođenje eksperimenata bez straha da se korisnici zaljube u ideju. Međutim, česte su situacije kada je potrebno odraditi uporednu analizu različitih rešenja. Umesto pokretanja jednog, pa drugog, trećeg testa, kako bi se postigao maksimalan rezultat u što kraćem vreme, koriste se paralelni testovi.

A B testovi - ključni alat za Growth Hacking

Često se prilikom testiranja vrše A/B testovi. A/B test je eksperiment u kome se „različite verzije proizvoda nude kupcima u isto vreme“ (Ries, 2011). Osim različitih verzija proizvoda, mogu se koristiti različite kreative, komunikacione poruke ili kanali za promovisanje. Cilj A/B testa je proceniti i dokumentovati razlike između A i B pristupa.

Slika 8: Prikaz A/B testiranja, Towards Data Science

Na osnovu rezultata izvući podatke i zaključe o ponašanju kupaca. Na taj način članovi tima su u mogućnosti da posmatraju, mere i analiziraju uticaj varijanti i verzija proizvoda. Nakon toga, rezultati se dalje testiraju i sumiraju se zaključci koji su vezani za sam test.

Preporučljivo je da nakon izvođenog testa se napiše dodatni komentar koji će prekriti ostatak specifičnosti vezanih za eksperiment koji se nisu pokrili kontrolnim grupama a mogli su imati rezultat na krajnje rešenje.

Kao što je napomenuto u prvom koraku, ovim pristupom se radi na kontinualnom stanju učenja o korisnicima i samom tržištu.

Kako bi Growth Hacking bio uspešan, nepohodno je ceo proces iznova ponavljati. Bilo da se radi o potpuno novm tipu eksperimenta ili optimizovanom prethodnom, tim za rast mora ponuditi nove testove i isporučiti nova saznanja.