- Testes de incrementalidade ajudam a determinar se uma ação ou canal específico de Marketing contribuiu diretamente para o aumento de receita
- Realizando esse e outros experimentos, você pode avaliar o ROI das campanhas mais precisamente e otimizar a alocação dos seus investimentos em Marketing
- Para realizar um teste de incrementalidade, é fundamental mapear quais hipóteses você quer trabalhar e como chegar às respostas que você busca
- Mais do que isso, é importante saber o que fazer com o resultados do seu teste de incrementalidade, uma vez realizado
"Show, don't tell" é uma técnica de escrita narrativa que possibilita a experimentação de detalhes expositivos de uma história por meio de descrições de ambientes, ações, detalhes sensoriais, ou a expressão das emoções dos personagens, em oposição à descrição de eventos feita pelo próprio autor.
É uma técnica amplamente utilizada na construção de roteiros cinematográficos e em obras literárias como O Senhor dos Anéis e as novelas criminais de Raymond Chandler e Agatha Christie.
O principal objetivo desta técnica é remover a pessoalidade do autor e fornecer uma visão mais neutra dos acontecimentos de uma história.
Testes de incrementalidade são o "show, don't tell" do Marketing.
Eles servem para mostrar como um canal ou ação se comportou em uma campanha – isto é, qual foi o impacto real gerado por um canal ou ação – demovido de crenças, opiniões, hipóteses ou parcialidade da própria plataforma trabalhada.
Isso porque os testes de incrementalidade medem o aumento adicional nas conversões causado por atividades de marketing comparado ao crescimento orgânico, ou baseline.
Essa comparação é essencial para avaliar o ROI das campanhas com mais precisão e informar uma melhor alocação de investimentos, aprimorando a eficiência das estratégias de Marketing.
A ciência do Marketing orientado a dados
Diante de infindáveis possibilidades, trabalhar estratégias de Marketing data-driven se tornou uma ciência, de fato. Inclusive, em grandes companhias, como a Meta, a cadeira de Marketing Science tende a ser uma das mais importantes para a evolução e integração das áreas de Mídia, Growth e Data Analytics.
E a escolha do termo "cientista" para os profissionais de Marketing que têm se especializado nessa combinação de competências não é leviana: um dos atributos mais importantes para quem trabalha com mídia, hoje, é a experimentação.
Experimentos, em Marketing, ajudam a identificar quais estratégias ou canais entregam valor real ao isolar o impacto incremental de ações específicas.
Eles também reduzem a dependência de suposições, dando insights mais claros sobre o comportamento de clientes potenciais, a eficácia da campanha e a alocação ideal de recursos.
Por meio de testes A/B, testes de incrementalidade ou testes controlados de Growth Hacking, os profissionais de Marketing podem refinar suas táticas e se adaptar mais rapidamente às mudanças no mercado e no comportamento de seus consumidores, levando a resultados mais bem-sucedidos, sem perder de vista métricas-chave como o ROAS e o ROI.
- Leia também: O poder do ROAS marginal
Com isso, os testes de incrementalidade, particularmente, estão se tornando cada vez mais populares, porque são um dos experimentos mais simples e com os resultados mais claros para medir o verdadeiro impacto dos esforços de marketing nos resultados do negócio.
Por que realizar testes de incrementalidade?
Ao isolar e medir o impacto de canais individuais, você é capaz de determinar quais estão gerando vendas incrementais e quais podem ser redundantes ou menos eficazes.
A ideia é estabelecer uma baseline da atividade de vendas e, em seguida, testar como a remoção ou adição de um canal de marketing específico impacta esse resultado basal. Isso permite uma compreensão mais precisa do verdadeiro desempenho de um canal ou campanha.
Por exemplo: uma empresa pode executar um teste de incrementalidade desativando anúncios digitais por um período específico, mas mantendo todas as outras atividades de Marketing constantes.
Comparar as vendas ou conversões durante esse período "off" com a baseline (isto é, os resultados previstos se os anúncios tivessem permanecido ativos) mostra o valor incremental que os anúncios digitais estavam fornecendo para o negócio.
Isso é especialmente útil quando vários canais se sobrepõem e a atribuição se torna complicada, uma vez que o teste ajuda a separar a contribuição incremental real de cada canal em vez de creditar conversões por meio de correlação simples.
Alguns dos principais motivadores para a popularização de testes de incrementalidade são:
1) Necessidade de atribuição mais precisa
Os modelos tradicionais de atribuição, como o last-click ou multi-touch, muito comuns em estratégias de conversão, não refletem o real impacto de estratégias full-funnel ou a contribuição de campanhas de construção de marca, por exemplo, tendenciando a interpretação e a alocação de investimentos em canais de conversão e "comendo a verba" de Marketing para geração de cliques.
Por outro lado, os testes de incrementalidade permitem o isolamento dos efeitos de campanhas, anúncios ou canais individuais, comparando o comportamento de um grupo de teste (exposto a uma ação de marketing específica) com um grupo de controle (não-exposto).
Isso ajuda a determinar se uma campanha está realmente gerando vendas ou se as conversões teriam ocorrido de qualquer forma, independentemente de um investimento específico.
2) Políticas de privacidade mais rígidas
Regulamentações recentes de privacidade de dados (como a GDPR, CCPA e a LGPD), bem como atualizações de plataformas decorrentes (como o iOS 14.5, que limita o rastreamento de usuários) dificultaram a dependência de dados em nível de usuário para mensuração dos resultados das campanhas de Marketing.
E, à medida que a indústria se afasta do rastreamento de dados granulares individuais, soluções mais amigáveis, como o Marketing Mix Modeling e os testes possibilitados pela ferramenta – inclusive os de incrementalidade – ganham protagonismo.
3) Otimização precisa e escalável
Os testes de incrementalidade permite identificar quais elementos de uma campanha — seja um criativo específico, um segmento de público-alvo ou um canal — estão gerando valor incremental.
Com esse conhecimento, é possível ajustar as campanhas para obter maior eficiência, explorando aquilo que de fato traz receita para o negócio e evitando investimentos desnecessários.
- Leia também: Introdução ao Marketing Mix Modeling
4) Evitar dependência excessiva de correlação
Correlação nem sempre significa causalidade. Embora possa parecer que uma ação, canal ou campanha está gerando resultados, isso pode ser apenas coincidência ou ter a ver com algum fator não-relacionado aos esforços de Marketing.
Os testes de incrementalidade ajudam a evitar esses falsos positivos ao focar em relações causais, garantindo maior veracidade no impacto sobre o negócio e direcionado os esforços ao que, de fato, depende do Marketing.
Passo a passo: como realizar um teste de incrementalidade
Antes de tudo, tenha em mente que a mensuração visa fornecer informações para uma tomada de decisão mais precisa. Se você não tem uma pergunta clara a ser respondida, volte dois passos e se questione:
- Quais decisões estou tentando tomar?
- Quais informações preciso para isso?
- Quais ações posso tomar após a decisão?
Agora, vamos ao teste:
- Define clear objectives: that is, what you want to test. For example, are you evaluating the incremental value of display ads on Google to justify an allocation of money for digital campaigns in the next quarter? Establish a specific hypothesis, such as “display ads on Google generate 10% of incremental sales compared to other channels”
- Collect historical data: What to include detailed historical data on media investments, number of sales and other factors (seasonality, promotions, etc.) for all marketing channels already worked on. Make sure the data is clean and covers enough time to reflect various marketing activities
- Build an MMM model: use a Marketing Mix Modeling model to estimate how different variables (Marketing and “Non-Marketing”) impact overall sales. The model will help you establish a sales baseline without weighing on the specific balance of a channel. Uncover can help you build this model
- Design your experiment: Once you have identified the channel you want to test (for example, display on Google), be sure to isolate this variable keeping other factors constant, so that the test focuses only on the channel in question. To minimize risk, you can run regional or partial tests (for a specific segment)
- Activate the test: adjust your investments in the selected channel (reducing or completely removing the display investment, for example) for a predetermined period. During this period, monitor sales and other metrics in detail
- Compare the results with the baseline: aAfter completing the test, compare the actual sales during the trial period with the baseline sales predicted by the MMM. The difference between these amounts will tell you how much incremental revenue the tested channel contributes to, which can be a positive percentage value (revenue increase) or negative (revenue commitment)
- Analyze and adapt your investments: If the tested channel has a positive incremental value, it means that it is contributing to business growth and justifying your investment. If the results show little or no contribution, consider reallocating resources to higher-contributing channels
And then?
Many brands perform incrementality tests without a clear goal, just to validate actions. Or, after receiving positive results, such as an incremental return on ad spend of 300%, they are unable to adjust their budget properly, either because they do not know how to optimize or because they are unable to defend the investment with the Board of Directors.
Some actions you can take to have greater consistency in your tests:
- Increase your budget moderately on the tested channel that generated a positive return (for example: 5% of the amount invested in the previous month (pre-test) or establish a safe amount for optimization, such as R$ 10,000 (from R$ 30,000 to R$ 40,000 after the test)
- Keep other shares stable, without major investment changes, so that the share of that specific channel increases
- Monitor total revenue compared to historic baselines
If revenue doesn't increase or has inconsistencies, consider running another incrementality test after a stabilization period or on a new test group (i.e., a new channel).
Are you interested in learning more about Marketing Mix Modeling and media optimization?
Subscribe to the newsletter from Uncover and follow us on social media — we are at LinkedIn, no Instagram, no YouTube And no Spotify.