Los Tests A/B son uno de los métodos más útiles para optimizar una página web u otro tipo de contenidos como el copy de una campaña PPC o de email marketing.
Son una de las herramientas clave en cualquier proyecto de optimización de la tasa de conversión (CRO).
Los tests A/B, también llamados Split Testing y en español Pruebas A/B, permiten hacer pruebas y obtener mediciones estadísticamente válidas sobre cada uno de los elementos de una página, email o anuncio.
Haciendo tests A/B podemos detectar cuáles son los contenidos que más influyen en el rendimiento de la página web, email o anuncio y optimizarlos hasta conseguir el incremento de la tasa de conversión que nos hemos fijado como objetivo.
Pero no sólo sirven para poner a prueba cada uno de los elementos de un página web, sino que también utilizamos pruebas A/B para testear diferentes enfoques de esos contenidos cuando hacemos un rediseño radical de la misma .
Probar un rediseño radical con una prueba A/B es especialmente recomendable cuando nos encontramos con la necesidad de mejorar el rendimiento de una página en la que detectamos múltiples oportunidades de optimización.
Al hacer pruebas A/B utilizamos siempre una página que se denomina Control y que es la página de la que partimos para empezar la optimización.
Y la variación o variaciones que vamos a testear contra la página Control se llaman Tratamientos.
El Tratamiento o Tratamientos son la página o páginas en las que vamos a testear las hipótesis que hemos desarrollado para optimizar la tasa de conversión.
Esto es una parte muy importante de los tests A/B. Siempre testeamos basándonos en hipótesis.
En las pruebas A/B una hipótesis es una suposición que hacemos y que está basada en un problema o carencia que detectamos y que presuponemos que está afectando al comportamiento del usuario, y en consecuencia al rendimiento que obtenemos de la página.
Cada prueba A/B tiene un objetivo o gol que queremos alcanzar. Normalmente a ese objetivo lo llamamos una conversión. La conversión puede ser:
Hay cada vez más herramientas que permiten fácilmente realizar tests A/B.
Algunas de las más populares son: Optimizely, Unbounce, Visual Website Optimizer, ABTasty, Experimentos de Google,..
La facilidad de acceso y utilización de muchas de estas herramientas ha dado lugar a que mucha gente se lance a realizar pruebas A/B sin demasiado rigor.
Los tests A/B hechos sin los análisis previos que permitan desarrollar una hipótesis plausible sobre los usuarios de la página que queremos optimizar no tiene demasiado valor porque no generan ningún aprendizaje y los resultados suelen ser demasiado transitorios y coyunturales.
Uno de los objetivos principales de las pruebas A/B es permitirnos, a través del testeo de hipótesis, desarrollar un conocimiento sobre los usuarios que nos ayuden a realizar optimizaciones basadas en el conocimiento de su comportamiento y los elementos que motivan su acción.
1) Optimizar la tasa de conversión de un medio digital (página, mail, anuncio) para conseguir el incremento de la conversión que nos hayamos fijado
2) Poner a prueba hipótesis que desarrollamos sobre los usuarios/potenciales clientes
3) Obtener información estadísticamente válida sobre cuáles son los motivadores de conversión de los usuarios
Un aspecto de las pruebas A/B que siempre necesitamos explicar a nuestros clientes es que un test A/B nunca es una pérdida de tiempo, aunque la página de Tratamiento –que es la página en la que ponemos a prueba la hipótesis- no resulte ser la ganadora.
En la práctica es común que sólo 1 de cada 5 tests genere una hipótesis ganadora. Los «fracasos» anteriores son los que nos dan la suficiente información para desarrollar hipótesis cada vez más acertadas y generar mayores incrementos en las tasas de conversión.
Los beneficios de los Tests A/B son acumulativos. Cuando nos lanzamos a una campaña de pruebas A/B para optimizar la conversión de una página web, cada test nos proporciona un mayor conocimiento del usuario y sus prioridades.
El ratio de optimización se va acumulando a medida que realizamos nuevos tests y adquirimos nuevos conocimientos sobre lo que convierte con los usuarios de esos contenidos.
Es una tentación dar un test por finalizado en cuanto una de las opciones despunta como la versión ganadora.
Los datos y conversiones pueden variar dependiendo del día de la semana, de si es por la mañana o por la tarde, de si estamos en día laboral o en fin de semana.
Es importante mantener el test durante un tiempo suficiente si no queremos llegar a conclusiones que pueden ser muy costosas.
El mínimo aconsejable es un mes para que podamos ver que los datos se mantienen con cierta regularidad en el tiempo y no se ven afectados por circunstancias que puedan distorsionar la realidad.
Las circunstancias externas que pueden afectar los resultados de un test pueden ser principalmente las siguientes:
Otro grave error y que es muy común en personas con poca experiencia, es declarar un ganador en un test con una muestra demasiado pequeña.
Si tienes poco tráfico necesitarás testear durante largo tiempo para poder llegar a alguna conclusión válida.
Hay varias técnicas y herramientas que podemos utilizar para hacer CRO en páginas con poco tráfico, pero los tests A/B en estos casos no suelen ser lo más aconsejable.
Las muestras demasiado pequeñas invalidan los resultados de un test. Una cantidad mínima para empezar a obtener resultados concluyentes es trabajar alrededor de las 100 conversiones por variación para un split test
El Split Testing o Tests A/B es una de las herramientas más utilizadas en proyectos de optimización de la conversión (CRO).
Además de ayudarnos a encontrar los elementos que debemos utilizar para incrementar la conversión en una variedad de medios de marketing digital, el análisis de los resultados de una campaña de Pruebas A/B nos permite desarrollar una teoría sobre los usuarios de un medio digital y aprender sobre su comportamiento y los elementos y mensajes que motivan sus acciones de conversión.
Este conocimiento genera beneficios acumulativos y es aplicable a otros medios digitales que dirijamos al mismo segmento de mercado.
Es crucial ser rigurosos en el desarrollo de tests A/B si queremos obtener datos válidos que puedan utilizarse para planificar nuevas estrategias y objetivos de negocio.