Porque Eliminei os Números Mais Impressionantes da Minha Página Inicial

Havia uma secção na página inicial da FastFound que dava a sensação de ser uma verdadeira empresa de tecnologia.

Tinha números.

Números específicos.

Números são reconfortantes.

Fazem um produto parecer medido.

“Melhor” é marketing.

“62%” parece evidência.

Havia apenas um problema.

Não eram os números da FastFound.

A FastFound ainda está em fase pré-beta.

Não há coortes de clientes de seis meses. Não há um grande volume de dados de resultados de clientes. Não há história suficiente para publicar um desempenho de retenção significativo.

Os números tinham vindo de pesquisa utilizada durante a conceção do negócio.

E tínhamos feito algo que, em retrospetiva, parece obviamente errado.

Colocámo-los na página inicial.

Até sabíamos que não eram nossos

Não se tratava de esquecer a origem de um número.

A página incluía um aviso de estilo interno que deixava claro que as estatísticas eram ilustrativas e deveriam ser substituídas por dados de clientes verificados antes do lançamento.

À primeira vista, isso parece responsável.

Não era.

Pelo contrário, expôs o problema de forma mais clara.

Um aviso que diz “isto não é a nossa evidência” não torna magicamente o número evidência sobre o nosso produto.

Estávamos, efetivamente, a dizer:

“Aqui está um resultado impressionante. Por favor, repare no resultado impressionante. Além disso, tecnicamente, não é o nosso resultado.”

Esse não é o padrão pelo qual quero que a FastFound opere.

Então os números foram removidos.

Remover dados parecia errado

Esta é a parte estranha.

Substituir estatísticas impressionantes por nada faz com que uma página inicial pareça menos madura.

Há um forte instinto, ao construir um novo produto, de preencher todas as lacunas.

Espaços vazios parecem inacabados.

“Ainda sem resultados de clientes” parece fraqueza.

Mas a FastFound genuinamente não tem resultados de clientes ainda.

Está em fase pré-beta.

Por que razão o website implicaria o contrário?

Um dos números relacionava-se com a recuperação de oportunidades perdidas.

Outro relacionava-se com receita recorrente.

Um terceiro comparava a rotatividade de clientes sob dois modelos de serviço diferentes.

Todos os três foram pesquisa útil ao conceber o negócio.

Nenhum deles descrevia o desempenho real da FastFound.

Então introduzi uma regra muito mais rigorosa.

Nenhum número de desempenho é publicado como um resultado da FastFound até que eu possa escrever de onde veio o nosso número e que período abrange.

Se não conseguir escrever a linha da fonte, a estatística não está pronta.

Um número tinha um problema ainda mais profundo

O número de rotatividade de clientes revelou algo mais interessante.

O modelo de negócio tinha evoluído para a venda de pacotes em vez de um menu de serviços individuais.

Mas a estatística da pesquisa comparava clientes de pacotes com clientes de serviço único.

Isso soa como algo que poderíamos eventualmente validar.

Exceto que não podemos.

Se a FastFound não vender uma coorte significativa de contas de serviço único, nunca haverá uma coorte de serviço único da FastFound para comparar.

A estatística original nunca poderia, portanto, tornar-se “a nossa” estatística.

Poderíamos deixá-la lá por cinco anos e ainda pertenceria à pesquisa de outra pessoa.

Essa distinção importa.

Podemos eventualmente medir a própria retenção da FastFound.

Podemos perguntar:

“Que percentagem de clientes ainda estava connosco após seis meses?”

Mais tarde:

“Doze meses?”

Essas são perguntas reais que o nosso negócio pode responder.

Mas não podemos fingir ter realizado uma experiência que o nosso modelo de negócio não realiza de facto.

Portanto, essa comparação não foi meramente escondida à espera de melhores dados.

Foi eliminada.

A evidência tem de corresponder à afirmação

Isto parece óbvio quando escrito.

Durante o desenvolvimento do produto, muitas vezes não é.

Números de pesquisa migram.

Começam num documento de análise de mercado.

Depois aparecem numa especificação de serviço.

Depois alguém usa um na justificação de preços.

Depois torna-se texto de marketing.

Após algumas movimentações, um número pode perder a sua proveniência enquanto retém a sua autoridade.

Isto é especialmente fácil ao usar IA.

Dê a uma IA um grande contexto de projeto contendo estatísticas da indústria e informações da empresa e ela pode produzir um parágrafo lindamente escrito no qual a fronteira entre os dois se torna difusa.

A prosa não é maliciosa.

A distinção da fonte simplesmente não foi codificada com força suficiente.

Então tornei-me muito mais interessado na proveniência.

Não apenas:

“Qual é o número?”

Mas:

“De quem é o número?”

“Que população foi medida?”

“Durante que período?”

“Essa população assemelha-se ao que afirmamos que descreve?”

“E a FastFound pode alguma vez gerar um número equivalente próprio?”

O estado vazio é agora deliberado

A página inicial tem agora uma posição muito menos impressionante.

Essencialmente:

Ainda não temos resultados de clientes para mostrar.

Esse espaço está vazio de propósito.

Estranhamente, prefiro-o.

Diz algo que quero que o próprio produto diga mais tarde:

a incerteza deve permanecer visível até que a evidência a remova.

Haverá uma forte tentação, após o início da beta, de preencher a secção o mais rapidamente possível.

Um cliente obtém um bom resultado.

Ótimo. Coloque-o no website.

Exceto que o resultado de um cliente é um estudo de caso, não uma distribuição de desempenho.

Dez clientes?

Melhor, mas agora temos de perguntar se a medida é comparável.

Alguns meses de retenção?

Útil, mas não rotatividade anual de clientes.

A nova regra cria atrito.

Isso é intencional.

O marketing não deve ser capaz de ultrapassar a evidência simplesmente porque a página fica melhor com um número nela.

Há um custo comercial para isto

Não assumo que a cautela factual radical seja sempre recompensada.

Um concorrente pode mostrar números maiores.

A página inicial deles pode parecer mais estabelecida.

Um comprador pode nunca inspecionar a metodologia.

Remover uma estatística impressionante pode reduzir a conversão.

Mas há outro custo que é mais difícil de medir.

No momento em que um cliente potencial descobre que uma afirmação supostamente precisa é, na verdade, emprestada, estimada ou enquadrada de forma criativa, todas as outras afirmações precisas também se tornam suspeitas.

A confiança acumula-se.

O mesmo acontece com a desconfiança.

Prefiro ter uma secção de prova vazia em fase pré-beta do que passar o próximo ano a explicar porque a prova não era realmente nossa.

Eventualmente, quero essa secção cheia de números.

Mas quando estiver, terão sido irritantemente difíceis de obter.

Esse é o ponto.

A FastFound está atualmente em fase pré-beta. Ainda não possui um corpo de dados de desempenho de clientes, e esta publicação descreve por que pretendo mantê-lo assim no website até que existam resultados genuínos.