Estudo de caso de Cold Email: 97% mais agendamentos após 1 teste A/B (com modelos)
Publicados: 2024-04-02
- 1º de fevereiro de 2024
Conteúdo
Este estudo de caso explica como dobramos os resultados de cold email para um corretor de negócios (e cliente de longa data do MailShake) após um único teste A/B.
Você verá como ajudamos Robert Allen, da Acme Advisors & Brokers, a transformar algumas “respostas negativas” em uma campanha que conseguiu vários compromissos por dia, graças a uma nova estratégia de testes A/B.
Além disso, mostrarei por que nossa agência de geração de leads começou a realizar “ testes A/B qualitativos ” e como isso nos ajudou a aumentar a taxa de resposta de um único e-mail de 9,8% para 18% depois de escrever apenas uma variação guiada por feedback .
Estatísticas da campanha:
4 e-mails
206 clientes potenciais
Taxa de abertura: 65%
Taxa de resposta de 30%
64 respostas no total
Mais de 30 reuniões geradas
O novo teste A/B de Cold Email
Provavelmente já lhe disseram que você deveria fazer testes A/B em seus e-mails frios.
Mas depois de conversar com cientistas de dados e gurus de marketing como Brian Massey da Conversion Sciences…
… Acontece que a maioria de nós (inclusive eu) temos feito testes A/B de e-mails frios errados!
Suspiro!
Como executar testes A/B de Cold Email como um PhD
Aqui está o maior erro que os remetentes de e-mail não solicitados cometem durante o teste A/B:
“Olhamos para as taxas de resposta em vez das respostas reais .”
Sim, agora, quando executo testes A/B, não me importo com as taxas de resposta. Pelo menos, não a princípio.
Por que? De acordo com cientistas de dados, as taxas de resposta não são uma métrica confiável até que você obtenha 100 respostas por variação de email frio. (Saiba mais sobre significância estatística aqui.)
Tradução : se você encerrar um teste ANTES de obter 100 respostas por variação, não saberá (com confiança) qual e-mail teve melhor desempenho!
Não sou Ph.D, mas isso significa que se você obtiver uma taxa de resposta de 10% por variação, precisará enviar 2.000 e-mails antes de executar um teste A/B adequadamente.
Você vê o problema aqui?
Esse tipo de volume pode funcionar com otimização de landing page ou anúncios PPC… mas se você tiver uma lista MUITO segmentada, não terá 2.000 pessoas para contatar por segmento.
Então, o que uma equipe de vendas deve fazer?
Execute testes A/B “guiados por feedback”.
Acontece que analisar suas respostas o ajudará a melhorar MUITO mais os resultados do que verificar as taxas de resposta.
Este não é um conceito novo. (É apenas usar dados qualitativos em vez de dados quantitativos.) Mas é a melhor maneira de fazer testes A/B se você quiser dobrar sua taxa de resposta rapidamente.
Para explicar como fizemos isso — e como você pode fazer o mesmo — vejamos o estudo de caso:
Visão geral do estudo de caso
Quando começamos a trabalhar com Robert, ele tinha um objetivo claro em mente: gerar 1 chamada por dia.
Especificamente, nosso objetivo era trazer a eles uma ligação agendada por dia com um empresário qualificado que estivesse interessado em que eles vendessem seu negócio.
Para atingir essa meta, precisaríamos gerar 3 respostas interessadas por dia. (Não poderíamos presumir que 100% das respostas realmente apareceriam na chamada. Portanto, para garantir, nossa meta era 3 respostas por dia.)
O e-mail frio “A”
Taxa de resposta: 9,8%
Notas de Jack: Para esta primeira variação, aqui estão alguns dos filtros de segmentação usados:
Proprietários de empresas, em nosso setor-alvo, com empresa fundada há X anos, em uma cidade onde meu cliente tinha comprador.
Para esta variação, decidimos ser diretos e solicitar uma ligação sobre a venda do seu negócio. E, claro, certifique-se de adicionar personalização seguindo nossa estrutura CCQ.
Assunto: números
{{nome}}, {{FRASE DE INTRODUÇÃO PERSONALIZADA - CCQ}}
Perdoe-me por ser direto, mas se eu tivesse um comprador em potencial em {{cidade}} interessado em adquirir a {{empresa}}, você estaria aberto a ouvir a oferta dele?
Em caso afirmativo, como é sua agenda para uma ligação curta?
{{ASSINATURA}}
PS Para fins de histórico, minha empresa ajuda empreendedores do setor {{INDÚSTRIA}} a encontrar o comprador certo para seus negócios quando finalmente estiverem prontos para se aposentar.
—-
E-mail muito bom, hein? Foi o que pensei… Até que as respostas começaram a chegar.
As respostas “A” de e-mail frio
Esse e-mail obteve uma taxa de resposta de 9,8%.
Nada mal para uma primeira partida, mas as respostas foram na sua maioria negativas… Depois de analisar as primeiras 8 respostas, 2 foram positivas (concordar com uma reunião) 3 não estavam interessadas. E 3 compartilharam um padrão comum de resposta do cliente potencial como este:
Como escrevemos a variação “B”: resolvendo o problema nº 1
Você sente um tema comum nessas respostas?
Objeção Comum: Eles não acreditavam que nosso cliente realmente tivesse um comprador em sua cidade pronto para fazer uma oferta .
Então criamos uma variação de teste que poderia reduzir o ceticismo…
Conclusão : isso foi aprendido com base no feedback! (Não é taxa de resposta.)
Felizmente, nosso cliente tinha um comprador nesses mercados pronto para adquirir um negócio se fosse adequado.
Então aqui está o que fizemos.
Duas mudanças que dobraram nossa taxa de resposta:
- Retiramos a palavra “parceiro potencial” da cópia. Descobrimos que isso estava causando ceticismo e nosso cliente TINHA um parceiro pronto para fazer uma oferta. Portanto, esta palavra era uma área problemática PRINCIPAL.
- Dissemos a eles POR QUE os contatamos para tornar nosso argumento de venda mais confiável.
- Na nova cópia, mencionava que tínhamos como alvo apenas um determinado tipo de negócio que tivesse pelo menos X anos e uma forte reputação - com base em suas avaliações online. Então incluí isso (bem redigido, é claro) no PS para que eles soubessem que tínhamos como alvo ELES especialmente.
Aqui está o que aconteceu:
Passamos de uma taxa de resposta de 9,8% (principalmente respostas negativas) para uma taxa de resposta de 18%, com mais de 70% das respostas marcadas como positivas! #ganhar
A taxa de resposta de email frio “B”: 18%
Assunto: números
{{nome}}, {{FRASE DE INTRODUÇÃO PERSONALIZADA - CCQ}}
Perdoe-me por ser direto, mas tenho um sócio em {{city}} que deseja adquirir uma empresa como {{company}}.
Você está aberto a falar sobre números?
Melhor,
Roberto
PS Para sermos transparentes, procuramos uma empresa de {{INDÚSTRIA}} na área que exista há {{TIME PERIOD}} e que tenha uma reputação forte como a sua. Mas se você não estiver interessado, pode ignorar isso.
Resultados: respostas reais desta variação
Conclusão
Algumas lições importantes para você:
- Sim, o cold email ainda funciona, mas você precisa adicionar personalização se quiser ter sucesso. Na verdade, a personalização funciona tão bem que contratamos um “Especialista em Personalização” em tempo integral. Teste e veja o que acontece.
- Escreva sua variação “B” depois de analisar suas respostas negativas. É a maneira mais rápida e confiável de executar testes A/B bem-sucedidos. (As taxas de resposta costumam ser enganosas.)
- Listar questões de construção. Esta campanha teria fracassado se tivéssemos como alvo um grupo que não atendesse ao nosso estrito conjunto de critérios. Analise seus clientes/clientes atuais e encontre atributos comuns que você pode usar para construir listas focadas no laser.
Jack Reamer
Jack Reamer dirige a SalesBread.com, uma agência boutique de geração de leads que envia e-mails frios personalizados e mensagens do LinkedIn para pessoas ocupadas que desejam mais reuniões com os clientes dos sonhos. Contate-o para falar sobre crescimento ou diga “Oi!” no LinkedIn.
