Pruebas A/B en marketing digital

En una prueba A/B, se crean dos versiones de un activo digital para ver a cuál responden mejor los usuarios. Entre los ejemplos de activos, se incluyen páginas de destino, anuncios gráficos, correos electrónicos de marketing y publicaciones en redes sociales. En una prueba A/B, la mitad de tu público recibe automáticamente la “versión A”, y la otra mitad recibe la “versión B”. El rendimiento de cada versión se basa en los objetivos de la tasa de conversión, como el porcentaje de personas que hacen clic en un enlace, completan un formulario o hacen una compra.

Las pruebas A/B no son ninguna novedad derivada de la llegada del marketing digital. Ya hace tiempo, el correo directo era especialista en “dividir” o “encajonar” ofertas para ver cuál funcionaba mejor. Las capacidades digitales se basan en la misma idea, pero brindan resultados de pruebas más específicos, fiables y rápidos.

Si estás intentando hacer crecer tu negocio, puede que te resulte difícil determinar qué activos de marketing resuenan más con tu público. Las pruebas A/B, junto con otras estrategias de optimización de conversión, te permiten probar cosas para que puedas mejorar tus contenidos, proporcionar las mejores experiencias a los clientes y llegar a tus objetivos de conversión más rápido. Esta guía de pruebas A/B te ayudará a conocer sus principios básicos.

Definición de prueba A/B: ¿Qué es una prueba A/B?

Las pruebas A/B, también conocidas como pruebas de división, te permiten comparar dos versiones de algo para descubrir cuál es más eficaz. Es decir, ¿a tus usuarios les gusta más la versión A o la versión B?

El concepto es similar al método científico. Si quieres saber qué sucede cuando cambias una cosa, tienes que crear una situación en la que solo cambie esa cosa.

Piensa en los experimentos que realizaste en la escuela primaria. Si colocas dos semillas en dos tazas de tierra y colocas una taza en el armario y la otra en la ventana, verás resultados diferentes. Este tipo de configuración experimental es la prueba A/B.

Historia de las pruebas A/B

En la década de 1960, los profesionales del marketing comenzaron a ver cómo este tipo de pruebas les podían ayudar a comprender el impacto de su publicidad. ¿Genera más ventas un anuncio en televisión o en radio? ¿Son mejores las cartas o las postales para el marketing por correo directo?

Cuando Internet se convirtió en una parte integral del mundo de los negocios en los años noventa, las pruebas A/B se digitalizaron. Una vez que los equipos de marketing digital tuvieron recursos técnicos, comenzaron a probar sus estrategias en tiempo real y a una escala mucho mayor.

¿Qué implica la prueba A/B?

Las pruebas A/B implican el uso de soluciones digitales para probar diferentes elementos de una campaña de marketing. Para comenzar las pruebas A/B, debes tener:

• Una campaña para probar . Para realizar una prueba A/B en una campaña de marketing, necesitas un correo electrónico, boletín informativo, anuncio, página de destino u otro medio que ya esté en uso.
• Elementos para probar . Observa los diferentes elementos de tu campaña y analiza qué puedes cambiar para motivar a los clientes a realizar una acción. Prueba los elementos de forma individual para asegurarte de obtener las mediciones correctas.
• Objetivos definidos . Entre los objetivos de tus pruebas A/B, se debería incluir averiguar qué versión de tu campaña tiene mejores resultados para tu negocio. Analiza las diferentes métricas que puedes seguir, lo que incluye clics, suscripciones o compras.

¿Cómo es la prueba A/B en la era digital?

Básicamente, las pruebas A/B en marketing siguen siendo las mismas de siempre. Eliges el factor que quieres verificar, como una entrada de blog con imágenes en lugar de esa misma publicación sin imágenes. Luego, se muestra al azar un estilo de entrada de blog a los visitantes y se controlan otros factores. También registrarás tantos datos como sea posible: tasas de rebote, tiempo dedicado a la página, etc.

Incluso puedes probar más de una variable por vez. Por ejemplo, si deseas evaluar la tipografía, así como la presencia de imágenes, puedes crear cuatro páginas de modo que en cada una de ellas, se incluya la publicación de blog en los siguientes formatos:

1. Arial con imágenes
2. Arial sin imágenes
3. Times New Roman con imágenes
4. Times New Roman sin imágenes

El software de marketing de pruebas A/B devuelve los datos de experimentos como este. Luego, alguien de tu empresa interpreta los resultados para decidir si tiene sentido que la empresa tome medidas a partir de ellos y, de ser así, cuáles serían.

¿Por qué es importante realizar pruebas A/B?

Las pruebas A/B te dan los datos necesarios para aprovechar al máximo tu presupuesto de marketing. Supongamos que tu jefe te dio un presupuesto para dirigir el tráfico a tu sitio mediante Google AdWords. Configuras una prueba A/B que hace un seguimiento del número de clics de tres títulos diferentes para un artículo. Ejecutas la prueba durante una semana y te aseguras de usar en todo momento el mismo número de anuncios para cada opción.

Los resultados de realizar esta prueba te ayudarán a determinar qué título recibe más clics. Luego, puedes utilizar estos datos para dar forma a tu campaña de marketing y mejorar así tu retorno de la inversión (ROI) incluso más que si eligieras un título al azar.

Pequeños cambios, grandes mejoras

Las pruebas A/B te permiten evaluar el impacto de cambios que son relativamente económicos de implementar. La ejecución de una campaña de AdWords puede ser costosa, así que cada punto debe ser lo más eficaz posible.

Supongamos que ejecutas pruebas A/B en la tipografía de tu página de inicio, el tamaño del texto, los títulos del menú, los enlaces y el posicionamiento del formulario de suscripción personalizado. Pruebas 2 o 3 de estos elementos por vez para que no haya demasiadas incógnitas interactuando entre sí.

Cuando terminas la prueba, descubres que cambiar los últimos 3 elementos aumenta tu tasa de conversión en un 6 % cada uno. Tu diseñador de sitios web implementa esos cambios en menos de una hora y, cuando estén terminados, tendrás la oportunidad de generar un 18 % más de ingresos que antes.

Riesgos bajos, recompensas altas

Las pruebas A/B no solo son rentables, sino que también son aprovechan el tiempo. Prueba dos o tres elementos, y obtén tu respuesta. A partir de ahí, es fácil decidir si debes implementar un cambio o no. Si los datos en la vida real no se ajustan a los resultados de tus pruebas, siempre es posible volver a una versión anterior.

Aprovecha al máximo el tráfico

Si utilizas pruebas A/B para que tu sitio web sea lo más eficaz posible, podrás obtener más conversiones por visitante. Cuanto mayor sea tu porcentaje de conversión, menos tiempo y dinero tendrás que gastar en marketing. Eso es porque, en teoría, es más probable que todos los que visitan tu sitio web realicen una acción.

Recuerda que cuando mejoras tu sitio web, puedes aumentar tu tasa de conversión tanto para el tráfico de pago como para el gratuito.

¿En qué se aplican las pruebas A/B?

Cuando se trata del contenido dirigido al cliente, hay muchos aspectos que puedes evaluar con las pruebas A/B.

Los objetivos comunes son:

• Campañas por correo electrónico
• Correos electrónicos individuales
• Estrategias de marketing multimedia
• Publicidad de pago en internet
• Boletines de noticias
• Diseño del sitio web

En cada categoría, puedes realizar pruebas A/B en cualquier número de variables. Si estás probando el diseño de tu sitio, por ejemplo, puedes probar diferentes opciones como las siguientes:

• Combinación de colores
• Diseño
• Número y tipo de imágenes
• Encabezados y subtítulos
• Precios del producto
• Ofertas especiales
• Diseño del botón de llamada a la acción
• Correos electrónicos con video frente a correos electrónicos sin video

Básicamente, se puede probar casi cualquier estilo o elemento de contenido en un artículo orientado al cliente.

¿Cómo realizas las pruebas A/B?

El proceso de prueba A/B solo es, en definitiva, el método científico. Si deseas aprovecharlo al máximo, necesitas abordarlo científicamente. Al igual que en la versión de laboratorio del método científico, las pruebas A/B empiezan con la elección de lo que se va a probar. El proceso consta de varios pasos:

1. Identifica un problema

Asegúrate de identificar un problema específico. “No hay suficientes conversiones”, por ejemplo, es demasiado general. Hay muchos factores que determinan si un visitante del sitio web se convierte en cliente o si un destinatario del correo electrónico hace clic en tu sitio web. Necesitas saber por qué tu material no genera conversiones.

Ejemplo : Trabajas para una tienda de ropa para mujeres que tiene muchas ventas en línea, pero muy pocas de esas ventas provienen de sus campañas de correo electrónico. Vas a tu página de análisis de datos y descubres que un alto porcentaje de usuarios abren tus correos electrónicos con ofertas especiales y los leen, pero muy pocos generan conversiones.

2. Analiza los datos del usuario

Desde un punto de vista técnico, podrías llevar a cabo pruebas A/B con todo lo que ven tus clientes al abrir tus correos electrónicos, pero tardarías mucho tiempo. Hay muchos elementos de diseño y contenido que no son relevantes, por lo que es necesario que tengas en cuenta a qué elementos dirigirte.

Ejemplo: La gente abre tus correos electrónicos, por lo que no hay ningún problema con las líneas de asunto. También pasan tiempo leyéndolos, así que no hay nada que les haga cerrarlos inmediatamente. Debido a que muchos de los usuarios que encuentran tu sitio web desde otros lugares terminan convirtiéndose en clientes, se puede decir que tampoco hay nada malo en la forma en que estás presentando tus productos. Esto indica que, a pesar de que a la gente le interesan tus correos electrónicos, por algún motivo se pierden cuando deben hacer clic para ir a tu sitio.

3. Desarrolla una hipótesis para probar

Ya acotaste las opciones. El próximo paso es decidir exactamente lo que quieres probar y cómo quieres hacerlo. Reduce tus incógnitas a una o dos, al menos al principio. A continuación, puedes determinar cómo el hecho de cambiar ese elemento o elementos puede solucionar el problema que estás enfrentando.

Ejemplo : Te das cuenta de que el botón que lleva a las personas a tu tienda en línea se encuentra en la parte inferior del correo electrónico, por debajo de la pantalla principal. Sospechas que, si lo pones en la parte superior de la pantalla, puedes animar a la gente a visitar su sitio de manera más eficaz.

4. Realiza la prueba de la hipótesis

Desarrolla una nueva versión del elemento de prueba que implemente tu idea. A continuación, ejecuta una prueba A/B entre esa versión y tu página actual con tu público objetivo.

Ejemplo : Creas una versión del correo electrónico con el botón colocado en la pantalla principal. No cambias su diseño, solo su posición. Decides ejecutar la prueba durante 24 horas, por lo que estableces ese período como tu parámetro de tiempo y comienzas la prueba.

5. Analiza los datos

Una vez terminada la prueba, revisa los resultados y verifica si el nuevo diseño de tu correo electrónico generó algún cambio importante. De lo contrario, prueba con un nuevo elemento.

Ejemplo : Tu nuevo correo electrónico aumentó ligeramente las conversiones, pero tu jefe quiere saber si hay algo más que se podría mejorar. Puesto que la variable fue el posicionamiento del botón, decides colocarlo en otras dos ubicaciones diferentes.

6. Busca nuevas variantes para la opción ganadora

A veces, el mundo de las pruebas A/B usa los términos “champion” (ganador) y “challenger” (variante) para referirse a la mejor opción actual y a las nuevas posibilidades. Cuando dos o más opciones compiten, y una tiene significativamente más éxito, se la denomina “ganadora”. Luego, puedes probar esa opción ganadora frente a otras, llamadas “variantes”. Tras esa prueba, quizás obtengas una nueva opción ganadora o confirmes que la ganadora original era la mejor opción.

Ejemplo : Hiciste pruebas A/B de dos versiones de una página de destino y determinaste la opción ganadora, pero también hay una tercera versión de la página que te gustaría comparar con la opción ganadora de la primera prueba. La tercera versión se convierte en la nueva variante que probarás frente a la opción ganadora anterior.

Una vez que hayas completado los seis pasos, puedes decidir si la mejora ha sido lo suficientemente significativa como para dar por terminada la prueba y hacer los cambios necesarios. O bien, puedes ejecutar otro tipo de prueba A/B para evaluar el impacto de otro elemento, como el tamaño del botón o su combinación de colores.

Consejos para quienes hacen pruebas A/B

Estos son algunos consejos para garantizar que tus pruebas A/B sean lo más útiles posible.

Utiliza muestras representativas de tus usuarios

Cualquier científico te dirá que si estás realizando un experimento, debes asegurarte de que los grupos de participantes sean lo más similares posible. Si estás probando un sitio web, puedes usar varias herramientas de prueba automatizadas para garantizar que una selección aleatoria de personas vea cada versión.

Si envías material directamente a tus clientes o clientes potenciales, debes crear listas comparables de forma manual. Haz que los grupos tengan el tamaño más parecido posible y, si tienes acceso a los datos, distribuye equitativamente a los destinatarios según el género, la edad y la ubicación geográfica. De esta forma, las variaciones en estos factores tendrán un impacto mínimo en tus resultados.

Maximiza el tamaño de tu muestra

Cuantas más personas pruebes, más confiables serán tus resultados. Esto se relaciona con un concepto que los estadísticos llaman “significación estadística”.

Si el resultado es estadísticamente significativo, es poco probable que haya ocurrido al azar. Por ejemplo, si envías una nueva versión de un correo electrónico a 50 personas y una versión de control a 50 más, un aumento del 5 % en la tasa de clics solo significará que 5 personas respondieron mejor a tu nueva versión. La diferencia es tan pequeña que podría considerarse una casualidad. Si realizas la misma prueba de nuevo, hay una gran probabilidad de que obtengas resultados diferentes. Es decir, tus resultados no fueron estadísticamente significativos.

Si envías el mismo conjunto de correos electrónicos a grupos de 500, un aumento del 5 % implica que 50 personas respondieron mejor a tu nuevo estilo, lo que es mucho más significativo.

Evita errores comunes

Es tentador crear un botón emergente con una nueva tipografía, un nuevo tamaño de texto, nuevo tamaño del botón y nuevos colores. Pero cuantos más elementos añadas, más confusos serán los resultados.

Retomemos el ejemplo anterior: si tu nueva ventana emergente tiene un diseño completamente diferente al original, es probable que veas correlaciones que son solo coincidencias. Tal vez te parezca que ese gran botón morado de “echa un vistazo” con la imagen del signo del dólar funciona mejor que el botón azul pequeño que había antes. Sin embargo, es posible que solo uno de esos elementos de diseño fuera significativo, como el tamaño, por ejemplo.

Recuerda que siempre podrás ejecutar otra nueva prueba con diferentes elementos más adelante. Observar esa prueba de seguimiento siempre será más fácil que intentar analizar una prueba con 18 variables distintas.

Espera a que la prueba termine para hacer cambios

Debido a que las pruebas A/B te permiten ver los efectos de un cambio en tiempo real, resulta tentador terminar la prueba en cuanto ves resultados e implementar una nueva versión de inmediato. Sin embargo, hacer eso implica que tus resultados pueden estar incompletos y tendrán menos probabilidades de ser estadísticamente significativos. Los factores que cambian con el tiempo pueden afectar a tus resultados, por lo que es necesario que esperes a que la prueba termine para aprovechar la distribución aleatoria.

Realiza las pruebas más de una vez

Hasta el mejor software de prueba A/B devuelve falsos positivos, ya que el comportamiento del usuario es muy variable. La única manera de asegurarte de que tus resultados son exactos es ejecutar la misma prueba de nuevo con los mismos parámetros.

La repetición de la prueba es especialmente importante si tu nueva versión muestra un pequeño margen de mejora. Un solo falso positivo importa más cuando no hay tantos positivos.

Además, si ejecutas muchas pruebas A/B, es más probable que encuentres un falso positivo. Si no puedas costear la repetición de todas las pruebas, puedes repetirla en un tiempo y tendrás una mayor posibilidad de captar errores.

Simplifica las pruebas A/B con Mailchimp

La prueba A/B es una forma eficiente y eficaz de medir la respuesta de tu público a un diseño o a una idea de contenido, ya que no interfiere en la experiencia de los usuarios ni envía encuestas molestas. Solo prueba algo nuevo y deja que los resultados hablen por sí mismos.

¿Es tu primera prueba A/B? Prueba fácilmente tus campañas con Mailchimp para determinar qué encabezados de correo electrónico, elementos visuales, asuntos y textos resuenan más entre tus clientes.