Pruebas A/B

Si estás tratando de hacer crecer tu negocio, puede ser difícil saber qué estrategias de marketing atraen más la atención de 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 AB te ayudará a conocer sus principios básicos.

¿Qué es una prueba A/B?

Las pruebas A/B, también conocidas como prueba por redirección, te permiten comparar dos versiones de algo, para aprender cuál es más eficaz. Simplificando, ¿a tus usuarios les gusta más la versión A o la versión B?

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

Piensa en los experimentos que realizaste en el colegio. 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.

Las pruebas A/B evolucionan

En los años 60, los profesionales del marketing comenzaron a ver cómo este tipo de pruebas les podían ayudar a comprender el impacto de su publicidad. ¿Atrae más negocio un anuncio en televisión o en radio? ¿Son mejores las cartas o las postales para el marketing directo?

Cuando Internet comenzó a convertirse en una parte integrante del mundo comercial en los 90, las pruebas A/B empezaron a ser digitales. Una vez que los equipos de marketing digital tuvieron recursos técnicos, comenzaron a probar sus estrategias en tiempo real y en una escala mucho más grande.

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

En esencia, las pruebas A/B son las mismas de siempre. Eliges el factor que deseas comprobar, como una publicación del blog con imágenes, frente a la misma publicación sin imágenes. Luego se muestra al azar un estilo de entrada de blog a los visitantes, controlando los otros factores. También registrarás tantos datos como sea posible: las tasas de rebote, el tiempo que pasan los usuarios en la página, etc.

Incluso puedes probar más de una variable a la vez. Por ejemplo, si deseas evaluar la tipografía, así como la presencia de imágenes, podrías crear cuatro páginas, cada una de ellas mostrando la publicación de blog con:

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

El software 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 actúe sobre ellos, y si es así, de qué manera.

¿Por qué es importante realizar pruebas A/B?

Las pruebas A/B te dan los datos que necesitas para aprovechar al máximo tu presupuesto de marketing. Supongamos que tu jefe te ha dado un presupuesto para dirigir el tráfico a tu sitio usando Google AdWords. Configuras una prueba A/B que rastrea el número de clics de tres títulos diferentes para un artículo. Ejecutas la prueba durante una semana, asegurándote de que cualquier día y en cualquier momento estás usando el mismo número de anuncios para cada opción.

Los resultados de realizar esta prueba te ayudarán a determinar qué título recibe más clics. Entonces puedes utilizar estos datos para dar forma a tu campaña en consecuencia, mejorando tu retorno de la inversión (ROI) más que si seleccionases un título al azar.

Pequeños cambios, grandes mejoras

Las pruebas A/B te permiten evaluar el impacto de cambios que son relativamente baratos de implementar. La ejecución de una campaña de AdWords puede ser cara, por lo que deseas que cada punto sea lo más eficaz posible.

Supongamos que ejecutas las pruebas A/B en la tipografía, tamaño del texto, títulos de menús, enlaces y el posicionamiento del formulario de suscripción personalizado. Pruebas dos o tres de estos elementos a la vez, para que no tengas demasiadas cosas que interactúen entre sí.

Cuando se acaba la prueba, verás que cambiar los últimos tres elementos mejora las conversiones en un 6 % cada uno. Tu diseñador web implementa esos cambios en menos de una hora y, cuando termine, tendrás la oportunidad de obtener un 18 % más de ingresos que antes.

Riesgos bajos, altas recompensas

Las pruebas A/B no solo son rentables, sino que 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 las pruebas, siempre es posible volver a una versión anterior.

Aprovechar al máximo el tráfico

Si utilizas pruebas A/B para hacer que tu sitio web sea lo más efectivo posible, puedes conseguir más conversiones por visitante. Cuanto mayor sea tu porcentaje de conversión, menos tiempo y dinero tendrás que gastar en marketing. Esto es debido a que, en teoría, es más probable que todos los que visitan tu sitio web actúen.

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

¿Para qué es buena la prueba A/B?

Cuando se trata del contenido de cara al cliente, hay mucho 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:

• Esquema de colores
• Diseño
• Número y tipo de imágenes
• Encabezados y subtítulos
• Precio del producto
• Ofertas especiales
• Diseño del botón de llamada a la acción

Básicamente, casi cualquier estilo o elemento de contenido en un artículo orientado al cliente es comprobable.

¿Cómo se realizan las pruebas A/B?

Cuando todo está dicho y hecho, el el proceso de prueba A/B es tan solo un método científico. Si deseas aprovecharlo al máximo, necesitas abordarlo científicamente.

El proceso

Al igual que en la versión de laboratorio del método científico, las pruebas A/B empiezan con elegir qué 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 demasiados 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 se convierte.

Por ejemplo: Trabajas para un minorista de ropa de mujer que tiene muchas ventas en línea, pero muy pocas de esas ventas vienen de tus campañas por 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 de hecho muy pocos se convierten.

2. Analiza los datos del usuario. Técnicamente 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 probablemente no son relevantes, por lo que es necesario que tengas en cuenta a qué elementos dirigirte.

Por 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 sugiere que, a pesar de que la gente encuentra tus correos electrónicos atractivos, de alguna manera se pierden cuando toca hacer clic para ir a tu sitio.

3. Desarrolla una hipótesis para probar. Ya vamos cerrando el cerco. 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 viendo.

Por ejemplo: Verás que el botón que lleva a la gente 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 más eficazmente a la gente a visitar su sitio.

4. Realiza las pruebas de 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.

Por 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 lo estableces como tu parámetro de tiempo y comienzas la prueba.

5. Analiza los datos. Una vez que hayas terminado la prueba, mira los resultados y fíjate si la nueva versión de tu elemento ha dado como resultado cambios notables. De lo contrario, prueba con un nuevo elemento.

Por 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. Encuentra nuevos desafíos para tu opción campeona. A veces, el mundo de las pruebas A/B usa "campeona" y "aspirante" para referirse a la mejor opción existente y a las nuevas posibilidades. Cuando dos o más opciones compiten y una tiene significativamente más éxito, se la denomina campeona. A continuación, puedes probar esa ganadora frente a otras opciones, llamadas aspirantes. Esa prueba puede dar una nueva campeona, o podría revelar que la ganadora original realmente era la mejor.

Por ejemplo: Has hecho la prueba A/B con dos versiones de una página de destino y la ganadora se encuentra entre ellas, pero también hay una tercera versión de la página que te gustaría comparar con la campeona de tu primera prueba. La tercera versión se convierte en la nueva aspirante para probar frente a la campeona 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 puedes elegir ejecutar otro tipo de prueba A/B para evaluar el impacto de otro elemento, como el tamaño del botón o su esquema de colores.

Consejos para quienes hacen pruebas A/B

He aquí algunos consejos para ayudarte a hacer que tus pruebas A/B sean lo más útiles posible.

Utiliza muestras que realmente representen a tus usuarios.

Cualquier científico te dirá que, si estás ejecutando un experimento, tienes que asegurarte de que los grupos de participantes sean lo más parecidos posible. Si estás probando un sitio web, puedes utilizar una serie de herramientas de prueba automatizadas, para asegurarte de que una selección aleatoria de personas ve cada versión.

Si envías material directamente a tus clientes actuales o potenciales, es necesario crear listas similares manualmente. 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 geografía. De esta forma, las variaciones en estos factores tendrán un impacto mínimo en los resultados.

Maximiza el tamaño de tu muestra.

Cuantas más personas pruebes, mayor certeza tendrás de los resultados. Esto se aplica a un concepto al que los estadísticos se refieren como "significación estadística."

En pocas palabras: si el resultado es estadísticamente significativo, eso significa que es muy 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 se podría explicar como una casualidad. Si realizas la misma prueba de nuevo, hay una gran probabilidad de que obtengas resultados diferentes. En otras palabras, los resultados no fueron estadísticamente significativos.

Si puedes enviar el mismo conjunto de correos electrónicos a grupos de 500, un aumento del 5 % significará que 50 personas respondieron mejor a tu nuevo estilo, lo que es mucho más probable que sea 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.

Siguiendo con el ejemplo anterior, si tu nueva ventana emergente es completamente diferente en diseño que la original, es probable que veas correlaciones que son completamente coincidencias. Tal vez te parezca que ese gran botón púrpura de "echa un vistazo", con la imagen del signo del dólar, está funcionando mejor que el pequeño botón azul que había antes, pero es posible que solo uno de esos dos elementos del diseño fuese 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.

Deja que acabe la prueba antes de realizar los cambios.

Debido a que las pruebas A/B te permiten ver los efectos de un cambio en tiempo real, es tentador terminar la prueba tan pronto como ves resultados, para poder 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 sensibles al tiempo pueden afectar a tus resultados, por lo que es necesario que esperes a que la prueba termine para beneficiarte de la distribución aleatoria.

Ejecuta pruebas más de una vez.

Incluso el mejor software de prueba A/B devuelve falsos positivos, porque 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 te encuentres un falso positivo de vez en cuando. Es posible que no puedas permitirte volver a ejecutar cada prueba, pero si vuelves a repetir la prueba en un tiempo, tendrás una mayor posibilidad de captar errores.

Descubre qué es lo que funciona mejor

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