Tema 4.3 - Pruebas A/B

Al igual que las heurísticas de Nielsen, hemos dedicado un apartado completo a las pruebas A/B, ya que son una forma excelente de obtener resultados durante una sesión de pruebas con usuarios.

La prueba A / B o prueba dividida, es un método de optimización del sitio web en el que las tasas de conversión de dos versiones de una página, la versión A y la versión B, se comparan entre sí mediante el tráfico en vivo. Los visitantes del sitio se agrupan en una versión u otra. Al rastrear la forma en que los visitantes interactúan con la página que se muestra (los videos que miran, los botones en los que hacen clic o si se suscriben o no a un boletín informativo), puede determinar qué versión de la página es más efectiva. 

Cabe resaltar que un usuario sólo visualizará una versión del diseño que se está probando, pero al tener una gran cantidad de usuarios visitando las diferentes versiones del sitio se podrá medir cuál de las distintas versiones da mejores resultados. 

La principal característica de las pruebas A/B consiste en comparar el rendimiento de dos o más versiones de una misma página web. Es esencialmente un experimento en el que se muestran dos o más variantes de una página a los usuarios de forma aleatoria, y se utiliza un análisis estadístico para determinar qué variación funciona mejor para un objetivo determinado.

 

¿Para qué sirven las pruebas A/B?

Las pruebas A/B sirven para determinar y tomar decisiones con cambios o variaciones que podemos hacer con la experiencia del usuario en la página como tal y de esta forma poder tomar las decisiones correspondientes con el fin de mejorar la experiencia de usuario.

Las tres funciones principales de las pruebas A/B son:

 

¿Cómo hacer A/B testing?

Las pruebas A/B sirven para >El software o aplicaciones para A/B testing nos permiten crear dos contenidos similares, que comparten la misma URL y el mismo objetivo (pero que son diferentes entre sí), y dirigir al público a una u otra versión de manera aleatoria.

Las pruebas A/B también tienen distintas variantes, dependiendo de lo que se necesite medir:

La mayoría de las plataformas para crear sitios web y funnels de ventas, como WordPress y ClickFunnels, ya integran entre sus plugins y funcionalidades la posibilidad de hacer A/B testing sin necesidad de lidiar con códigos de programación ni diseño web, mediante interfaces muy intuitivas.

Para efectos del presente curso se tomará como referencia Google Website Optimizer como herramienta para el desarrollo de este tipo de pruebas. Esta herramienta brinda la posibilidad de realizar 2 tipos de pruebas (Experimentos): 

 

 Experimento A/B: 

¿Cuándo se puede utilizar? Cuando se tienen rediseños completos o parciales de un sitio y se quiere determinar si los cambios no afectan la usabilidad o viceversa, cuando se desea mejorar la usabilidad de la página. 

 Además de tener la ventaja de que se pueden hacer combinaciones (usuario - versión) con el fin de saber cuál de ellas es más atractiva, en donde un botón, un link, un banner, etc genera mejores resultados de acuerdo a lo que el negocio espera. 

Incluso es posible tener más de dos versiones de una página (3 o 4) en cuyo caso recibe el nombre de pruebas A/B/C/D. Obviamente el público deberá dividirse en tercios o cuartos según sea el caso.  

¿Qué se puede medir con una prueba A/B? 

 

Ventajas:  

Desventajas: 

NOTA: En este punto es necesario y recomendable hacer un laboratorio de pruebas A/B con la herramienta Google Website Optimizer 

Experimento Multivariante:

¿Cuándo se puede utilizar? La prueba multivariada utiliza el mismo mecanismo central que la prueba A / B, pero compara un mayor número de variables y revela más información sobre cómo estas variables interactúan entre sí. Como en una prueba A / B, el tráfico a una página se divide entre diferentes versiones del diseño. El propósito de una prueba multivariante, entonces, es medir la efectividad que cada combinación de diseño tiene en el objetivo final. 

Una vez que un sitio ha recibido suficiente tráfico para ejecutar la prueba, los datos de cada variación se comparan para encontrar no solo el diseño más exitoso, sino también para revelar qué elementos tienen el mayor impacto positivo o negativo en la interacción de un visitante. 

¿Qué se puede medir con una prueba multivariante? 

El ejemplo más comúnmente citado de pruebas multivariadas es una página en la que se debaten varios elementos, por ejemplo, una página que incluye un formulario de registro, algún tipo de texto de encabezado pegadizo y un pie de página. Para ejecutar una prueba multivariada en esta página, en lugar de crear un diseño radicalmente diferente como en las pruebas A / B, puede crear dos longitudes diferentes de formulario de registro, tres titulares diferentes y dos pies de página. 

A continuación, canalizar a los visitantes a todas las combinaciones posibles de estos elementos. Esto también se conoce como prueba factorial completa, y es una de las razones por las cuales las pruebas multivariadas a menudo se recomiendan solo para sitios que tienen una cantidad sustancial de tráfico diario: cuantas más variaciones necesiten probarse, más tiempo se tarda en obtener datos significativos de la prueba. 

Una vez que se ha ejecutado la prueba, las variables en cada variación de página se comparan entre sí y con su rendimiento en el contexto de otras versiones de la prueba. Lo que emerge es una imagen clara de qué página tiene el mejor rendimiento y qué elementos son los más responsables de este rendimiento. Por ejemplo, se puede mostrar que variar el pie de página tiene muy poco efecto en el rendimiento de la página, mientras que variar la longitud del formulario de registro tiene un gran impacto. 

 

Ventajas: 

Las pruebas multivariadas son una forma poderosa de dirigir los esfuerzos de rediseño a los elementos de una página donde tendrán el mayor impacto. Esto es especialmente útil cuando se diseñan campañas de páginas de destino, por ejemplo, ya que los datos sobre el impacto del diseño de cierto elemento se pueden aplicar a campañas futuras, incluso si el contexto del elemento ha cambiado. 

 

Desventajas: 

La mayor limitación de las pruebas multivariadas es la cantidad de tráfico necesaria para completar la prueba. Dado que todos los experimentos son completamente factoriales, demasiados elementos cambiantes a la vez pueden sumar rápidamente un gran número de combinaciones posibles que deben probarse. Incluso un sitio con tráfico bastante alto podría tener problemas para completar una prueba con más de 25 combinaciones en una cantidad de tiempo factible. 

Cuando se usan pruebas multivariadas, también es importante considerar cómo encajarán en su ciclo de pruebas y rediseño en su conjunto. Incluso cuando está armado con información sobre el impacto de un elemento en particular, es posible que desee realizar ciclos de prueba A / B adicionales para explorar otras ideas radicalmente diferentes. Además, a veces puede que no valga la pena el tiempo extra necesario para ejecutar una prueba multivariada completa cuando varias pruebas A / B bien diseñadas harán el trabajo bien. 

Herramientas para pruebas A/B 

  

¿Qué son las hipótesis de test A/B?

Es relativamente sencillo correr pruebas A/B en un sitio web, lo que no es tan sencillo es determinar por qué hacer determinados cambios o agregar ciertos elementos va a optimizar su rendimiento.

Las hipótesis A/B son las posibles explicaciones de por qué un cambio u otro puede ayudarnos a alcanzar nuestro objetivo. En otras palabras, son las razones que hay detrás de, por ejemplo, un cambio de color en un CTA, con el objetivo de aumentar la conversión.

Las hipótesis de A/B testing son muy importantes en el CRO, porque de otro modo simplemente haríamos un montón de pruebas al azar sin llegar a descubrir nunca una pauta sistemática que nos permita optimizar todos nuestros contenidos.

Los siguientes pasos lo acercarán a identificar una hipótesis en una prueba A/B:

Inicialmente debemos hacer una identificación de los distintos problemas que existen en nuestro sitio web para poder formular una hipótesis ideal. Estas son algunas herramientas que lo ayudarán en este proceso:

La fórmula inicial para crear una hipótesis de test A/B consiste en cambiar algo por otro y de esta forma lograr un objetivo, así:

Cambiar X por Y aumentará o disminuirá el KPI Z.

Lo veremos en un ejemplo simple para acercar la formula a la vida real, por ejemplo, Cambiar nuestra llamada a la acción de “Compra tus tickets ahora” por “Los tickets se están agotando rápidamente – ¡solo quedan 50!» Mejorará nuestras ventas a través del sitio web. Aquí podemos ver como mi variable X es la acción en la cuál se realiza un cambio de textos para así lograr aumentar las ventas que sería nuestra variable Z.

El objetivo final de la creación de la hipótesis del test A/B, es el de identificar de forma rápida aquello que le otorgará beneficios para tu sitio web.

 

¿Qué es Google Analytics?

El Google Analitycs es una plataforma de análisis de datos en línea de Google que, a partir de la instalación de un código en las páginas del sitio, recopila información de los usuarios y los transforma en informes.

Es una excelente herramienta para entender mejor el público de tu sitio y medir los resultados de marketing digital, siendo una de las herramientas primordiales de una estrategia. Ella permite realizar un seguimiento de varias informaciones sobre tu dominio, como el volumen de visitas, el tiempo que el usuario gasta en las páginas, los canales de origen e incluso las conversiones. Así mismo nos proporciona información más dificultosa como: el rendimiento de una campaña específica, el porcentaje de conversiones que el sitio web recibe, o el comportamiento de los usuarios en un proceso de compra y el motivo por el cual los usuarios abandonan el sitio web, entre otras variables relevantes.

Google Analytics saca partido del sitio web de tal forma que con tiempo y análisis llegamos a estar en capacidad de averiguar los fallos y los aciertos que día a día se producen en la página web y dar solución.

La forma en la que funciona Google Analytics, y obtiene la información es en base a 3 variables, las cuales son el navegador, las cookies y el código JavaScript.

En conclusión, con la información generada por GA, es posible tomar las mejores decisiones sobre qué aspectos cambiar o mejorar, o qué cosas nuevas implementar para el logro de los objetivos del sitio.

 

¿Qué es Google Optimize?

Google Optimize es una solución para ejecutar experimentos en sitios web y personalizar el contenido para diferentes audiencias. Su objetivo es optimizar la experiencia de usuario, haciendo pruebas controladas de diferentes variantes para quedarnos con las que funcionen mejor. Gracias a su integración con Analytics, podemos obtener una gran cantidad de información sobre el resultado de las variables testeadas. Esta herramienta nos brinda la opción de poder hacer Test Multivariantes y Redirect Test, los cuales se especializan respectivamente en mostrar cambios de diseño en dos o más secciones de la misma página y realizar test de páginas web independientes, mandando un porcentaje de tráfico a una y un porcentaje a la otra.

Al igual que ocurre con las otras herramientas de la suite de Google Analytics, tenemos la versión gratis (Google Optimize) y la premium (Google Optimize 360). La segunda incorpora la segmentación por audiencia de Google Analytics, incluye servicios de implementación y asistencia y permite más objetivos, experimentos, usuarios y variables. Para usar Google Optimize, tenemos que cumplir una serie de requisitos previos: instalar los códigos de seguimiento tanto de Google Analytics como del propio Optimize en nuestra página web y tener instalado el navegador de Google Chrome y la extensión para hacer experimentos con Optimize.

Ventajas:

En conclusión, Google Optimize es una herramienta mejorada que nos permite tener todos nuestros datos y análisis conectados para agilizar el proceso de toma de decisión y hacerlo de una forma más precisa.

 

Descripción general para la configuración de Optimize

Define bien tu test. Identifica los aspectos de tu página que deseas mejorar y plantea posibles hipótesis, por ejemplo "aumentar el tamaño de fuente mejoraría la legibilidad y disminuiría el porcentaje de rebote". Es importante seleccionar cuidadosamente la métrica que vas a utilizar para valorar los resultados, ya que debería estar conectada con los objetivos de negocio.

Crea una cuenta en Optimize (desde la que podrás hacer experimentos en varios sitios web distintos) y un contenedor (sitio donde se guardan todos los experimentos y que nos permite configurarlos). Haz clic en el botón "Crear experimento" para abrir el configurador de experimentos. Selecciona el nombre del experimento, la URL y el tipo que más se adapte a lo que buscas: test A/B, test multivariable o test de redireccionamiento (para comparar diferentes páginas web). Se creará automáticamente la versión original del test, que nos servirá como versión de control para comparar el rendimiento de las diferentes variantes. A partir de aquí, podemos ir creando las diferentes variantes.

En la página de configuración del experimento, selecciona un objetivo. Por defecto, los objetivos son páginas vistas, duración de la sesión y rebote, pero también puedes configurar y añadir objetivos nuevos a través de Google Analytics. Aquí también puedes decidir a qué porcentaje de los visitantes se les muestra el experimento, cómo se distribuye el tráfico entre las variantes y cuándo se muestra el experimento. Antes de lanzar el experimento, no te olvides de hacer una prueba de previsualización para comprobar que todo funciona a la perfección. Y por supuesto, puedes ir haciendo un seguimiento de los resultados desde la pestaña Informes (Reporting).