Por que programas de indicação, testes grátis, cupons e gamificação atraem os piores usuários

Programas de incentivo frequentemente não trazem resultados

• Usuários adquiridos por programas de indicação, testes grátis, cupons e gamificação geralmente têm um desempenho muito pior do que usuários que chegam de forma orgânica. Eles apresentam menor valor de tempo de vida (LTV), taxa de conversão, engajamento etc.
• Com base na experiência anterior de liderar um programa de indicação anual de mais de US$ 300 milhões na Uber, esses aprendizados também se aplicam a novas áreas como apps de consumo gamificados e jogos web3

O fracasso da planilha de CAC/LTV

• Quando um novo produto chega ao mercado, a equipe mede métricas básicas como valor de tempo de vida e, se os números parecem bons, tenta atrair mais usuários por meio de programas de incentivo
• Mas esses incentivos muitas vezes atraem um tipo diferente de usuário, que de outra forma não teria se cadastrado, causando seleção adversa (negative selection)
• Quando o produto já está há muito tempo no mercado e o mercado principal está em grande parte saturado, esse problema fica ainda mais sério, e as fraudes envolvendo incentivos também aumentam
  • Isso pode ser algo tão simples quanto criar uma nova conta para receber o incentivo, ou algo muito mais organizado e malicioso
• É por isso que métricas centrais como LTV e engajamento frequentemente ficam pela metade, ou até piores
• Usuários adicionais gerados por mecânicas de crescimento artificial parecem bons na superfície, mas na prática o modelo de negócio funciona melhor com menos usuários
• E o interesse por programas de indicação complexos pode acabar tirando a atenção da inovação em outras partes do produto
• Por fim, há um problema sutil, mas muito importante: canibalização
  • Há casos em que existe um mercado-alvo e o produto leva tempo para se espalhar entre os usuários ideais; o boca a boca é mágico porque é gratuito
  • E, quando isso acontece de forma orgânica, a intenção é muito maior
  • Porém, se esses usuários ideais entram em contato com o produto por meio de um programa de incentivo, isso gera custo, porque muitas vezes você está apenas “puxando para frente” usuários que seriam adquiridos de qualquer forma
• Isso de fato aconteceu na Uber
  • O programa de indicação para passageiros teve desempenho cada vez pior ao longo do tempo, não só ficando atrás de outros canais, como também performando muito pior do que usuários adquiridos por anúncios pagos
  • Milhões de dólares em gastos aconteceram sem necessidade

Por que isso importa no mundo do web3 e dos apps gamificados

• Em web3, apps de consumo gamificados e afins, o impacto desse problema é amplo
• Se um jogo ou app não tem engajamento e retenção intrínsecos, apenas adicionar mecânicas de jogo não basta
  • Na verdade, em vez de melhorar a situação, a nova mecânica pode piorá-la, porque atrai um grupo de usuários que reage à mecânica, mas não usa o produto principal
  • O web3.0, no início, atraiu especuladores (speculators) com incentivos, mas em muitos casos teve dificuldade para encontrar uma jogabilidade divertida que conquistasse usuários reais
  • De forma semelhante, apps de consumo gamificados (do tipo de trading) atraem e retêm um tipo específico de usuário que entra de bom grado em qualquer app gamificado, mas não se engaja com o app principal e logo migra para outro
• Essa dinâmica cria algo relacionado à “lei das taxas de clique horríveis”
  • Não só o desempenho dos canais de marketing individuais piora, como muitos dos novos canais adicionados ao longo do tempo (por causa dos incentivos) performam pior do que os canais iniciais
  • Assim, conforme você avança, o sistema inteiro fica mais lento e mais difícil
• Curiosamente, na Uber, o programa de indicação do lado dos motoristas atraía usuários altamente selecionados
  • Enquanto no programa de indicação de passageiros havia muitas pessoas atrás de desconto, os motoristas tinham uma motivação financeira forte
  • Como estavam muito motivados e se cadastravam para receber recompensas maiores de indicação, acabavam tendo desempenho melhor depois de entrar
  • Indicações representavam 15% dos cadastros, mas, entre quem fez a primeira viagem, esse número passava com folga de 30%

[cosine20]

Concordo totalmente.

[eifjklwkj]

Obrigado por compartilhar este ótimo artigo

[xguru]

Como projetar um programa de indicação

Parece ser um texto que precisa ser lido em conjunto com este.
Juntando os dois, fica: "programas de indicação ajudam, mas recursos virais são ainda melhores. Se for adotar indicações, é preciso estruturá-las bem para atrair usuários ativos"

[xguru]

Opiniões do Hacker News

• Pessoas que trabalhavam com esquemas de cupons antes da internet provavelmente já sabiam disso.

  • Antigamente, era preciso recortar cupons de jornais ou revistas e enviá-los pelo correio para conseguir um desconto.
  • O objetivo desses cupons era a segmentação de mercado: oferecer desconto para quem compraria pouco ou talvez nem comprasse o produto, e não oferecer desconto para quem já compraria de qualquer forma.
  • As pessoas que se davam ao trabalho de recortar e juntar cupons podem ser chamadas de “pobres”, e chamá-las de “clientes muito piores” é um juízo de valor.

• Houve muita discussão sobre esse tema quando o Groupon estava em alta.

  • Os cupons atraíam pessoas que só apareciam pelo desconto, davam menos gorjeta e não viravam clientes fiéis.
  • Não estavam procurando um lugar novo, e sim uma oferta.
  • Testes gratuitos podem ser, para algumas pessoas, o incentivo necessário para experimentar algo novo.

• Cupons atraem pessoas com mentalidade de escassez.

  • Quando o produto é voltado para pessoas com mentalidade de crescimento, que têm pouco tempo e muito dinheiro, isso não combina.
  • Um exemplo é alguém que usa Groupon de forma agressiva, entra numa academia com uma promoção de 30 dias e depois desiste.

• Pela experiência pessoal, os piores clientes são os que querem o preço mais baixo possível.

  • Eles gastam tempo extra para baixar o preço e pedem desconto dizendo que vão trazer muito trabalho no futuro.
  • Durante o trabalho, pedem coisas extras e, depois que ele termina, fazem críticas e exigem retrabalho adicional.
  • Ainda assim, empresas honestas e compreensivas compensam os problemas causados por outras empresas problemáticas.
  • Ao identificar e recusar clientes problemáticos logo no início, acaba-se trabalhando principalmente com clientes remotos.

• Alguns amigos entram nessas ofertas, e isso pode servir como indicador antecedente de um modelo de negócio fadado ao fracasso.

  • Eles ficam girando por todas as ofertas e nunca assinam nada.
  • Se as startups que eles usam fossem empresas listadas em bolsa, isso poderia ser um indicador impressionante de quais ações vender a descoberto.

• Em SaaS, os usuários que exigem mais manutenção são as empresas “pequenas”.

  • Empresas com poucos usuários fazem muito mais exigências do que empresas com mais de 50 usuários.

• Um dos grandes motivos pelos quais é difícil começar uma startup é que é preciso ter acesso a clientes de alta qualidade.

  • Não dá para começar simplesmente oferecendo a versão beta de graça; o objetivo é ter clientes que não sejam motivados por preço.
  • Implementar o feedback de clientes de baixa qualidade obtidos no início pode, na prática, piorar o produto para os clientes que você realmente quer.

• Existe um mercado-alvo e, às vezes, o produto pode demorar para se espalhar entre os usuários ideais.

  • Isso parece mágica porque o boca a boca é gratuito.
  • Mas, se os usuários ideais conhecerem o produto por meio de um programa de incentivos, você acaba pagando para “antecipar” clientes que conseguiria de qualquer forma.
  • Pior ainda: alguns usuários que você acha que conquistou por meio do programa de incentivos talvez já fossem clientes fiéis de qualquer maneira.
  • É preciso definir a estrutura de preços e as promoções de forma a induzir o comportamento que se deseja dos clientes.

• Clientes “ruins” não estão agindo de forma ilegal nem violando os TOS.

  • Eles apenas aproveitam ofertas para coisas nas quais normalmente não gastariam dinheiro.
  • Não se deve se surpreender nem tratar como fracasso o fato de que eles não ficam por muito tempo ou não gastam tanto quanto clientes sem incentivo.

• Trabalhando com consultoria de UX, percebeu-se um padrão de que ter uma UX muito fluida em um produto inicial pode ser um antipadrão para o sucesso de longo prazo.

  • Existe um grupo de usuários que se cadastra e “brinca” com qualquer coisa que seja fácil de usar e fluida, mas isso não faz deles bons clientes.