Uno de los principales errores cometidos por los equipos de Growth, Marketing y Producto es interpretar la correlación existente entre un evento y otro como el efecto que causa un evento en el otro. Este tipo de errores puede llegar a tener un costo muy alto para las empresas en términos de tiempo, esfuerzo, dinero y moral. Para evitarlos, es crucial tener clara la diferencia que existe entre “correlación” y “causalidad”.
La correlación se refiere a la relación que existe entre dos o más variables. Cuando dos variables están correlacionadas, significa que cuando una cambia, la otra también lo hace en cierta medida. Por ejemplo, si una empresa lanza una campaña en Facebook y las ventas de su producto aumentan, esto podría indicar una correlación entre la campaña y el incremento de las ventas. Sin embargo, esto no significa necesariamente que las ventas hayan aumentado como resultado directo de la campaña.
La causalidad se refiere a la relación entre dos variables donde una variable es la causa de la otra. Para establecer una relación causal, se requiere realizar experimentos aislados en los que se tenga el control de todos los factores que puedan influir en la variable dependiente. En el ejemplo anterior, si la empresa realiza el experimento adecuado y descubre que la campaña publicitaria fue la causa del aumento de las ventas, entonces se podría establecer una relación causal.
La correlación puede ser útil para identificar patrones en los datos, pero la causalidad es fundamental para comprender la verdadera relación entre las variables
Es crucial tener en cuenta la diferencia entre correlación y causalidad en los experimentos de growth, marketing y producto. Si bien la correlación puede ser útil para identificar patrones en los datos, la causalidad es fundamental para comprender la verdadera relación entre las variables. Sin una comprensión clara de la causalidad, las empresas pueden tomar decisiones equivocadas y asignar recursos incorrectamente.
Por ejemplo, si una empresa observa una correlación entre el uso de una determinada palabra clave y el aumento de las visitas a su sitio web, podría invertir en la optimización de la palabra clave para aumentar aún más las visitas. Sin embargo, si la empresa no entiende la causalidad detrás de la correlación, podría no darse cuenta de que otros factores, como el contenido de la página o la estructura del sitio web, también están contribuyendo al aumento de las visitas.
Una empresa de “delivery” a la que asesoré hace algunos meses encontró que los usuarios que hacían cinco pedidos durante los primeros 30 días tenían una probabilidad mayor de mantenerse activos (realizando por lo menos una orden al mes) durante los siguientes 180 días.
Como resultado de este análisis, el equipo de growth sugirió ofrecer envíos gratuitos a los nuevos usuarios durante sus primeros 30 días. Esto, con el objetivo de mejorar la retención y el LTV en el mediano plazo.
Para ofrecer envíos gratuitos a todos los nuevos usuarios, la empresa tuvo que hacer cambios significativos al producto e incurrió en gastos considerables a nivel marketing, no solo para comunicar la promoción, sino también para fondear el costo de los envíos para miles de usuarios.
Al término de los primeros tres meses, el equipo de growth no solo se dio cuenta que la retención de usuarios no había mejorado, sino también que su costo de adquisición (CAC) se había incrementado por arriba del lifetime value del usuario (LTV).
Esta iniciativa tuvo un impacto muy importante tanto en las finanzas de la compañía como en la moral del equipo.