Las pruebas A / B (también conocidas como A/B Testing) son un método para comparar dos versiones de una página web o aplicación entre sí para determinar cuál funciona mejor.
Las pruebas AB son esencialmente un experimento en el que dos o más variantes de una página se muestran a los usuarios al azar, y se usa el análisis estadístico para determinar qué variación se realiza mejor para un objetivo de conversión determinado.
Ejecutar una prueba AB ( AB TESTING ) que compara directamente una variación con una experiencia actual te permite hacer preguntas específicas sobre los cambios en tu sitio web o aplicación, y luego recopilar datos sobre el impacto de ese cambio.
Las pruebas eliminan las conjeturas de la optimización del sitio web y permiten tomar decisiones basadas en datos que cambian las conversaciones de negocios de “pensamos” a “lo que sabemos”.
Al medir el impacto que los cambios tienen en sus métricas puedes asegurarte de que cada cambio produzca resultados positivos.
En un AB Testing, tomas una página web y la modificas para crear una segunda versión de la misma página.
Este cambio puede ser tan simple como un solo cambiar las palabras de un título o el color de un botón, o puede ser un rediseño completo de la página.
Luego, la mitad de tu tráfico se les muestra la versión original de la página (conocida como control) y la otra mitad muestra la versión modificada de la página (la variación).
A medida que los visitantes reciben el control o la variación, su participación en cada experiencia se mide y se recopila en un panel de análisis y se analiza a través de un motor estadístico.
Luego puedes determinar si cambiar la experiencia tuvo un efecto positivo, negativo o nulo en el comportamiento de los visitantes.
Las pruebas A/B permiten que individuos, equipos y empresas realicen cambios cuidadosos en sus experiencias de usuario mientras recopilan datos sobre los resultados.
Esto les permite construir hipótesis y aprender mejor por qué ciertos elementos de sus experiencias impactan el comportamiento del usuario.
De otra manera, se puede demostrar que están equivocados: su opinión sobre la mejor experiencia para un objetivo determinado puede demostrarse errónea a través de una prueba A/B.
Más que solo responder a una pregunta única o resolver un desacuerdo, las pruebas AB se pueden usar de manera consistente para mejorar continuamente una experiencia dada, mejorando una meta única como la tasa de conversión a lo largo del tiempo.
Por ejemplo, una empresa de tecnología B2B puede querer mejorar la calidad y el volumen de sus ventas desde las landing pages de la campaña.
Para lograr este objetivo, el equipo probaría los cambios A/B de prueba en el título, las imágenes, los campos de formulario, el llamado a la acción y el diseño general de la página.
Probar un cambio a la vez te ayuda a identificar qué cambios tuvieron un efecto en el comportamiento de tus visitantes y cuáles no.
Con el tiempo, puedes combinar el efecto de múltiples cambios ganadores de experimentos para demostrar la mejora estadística de la nueva experiencia sobre la anterior.
Este método para introducir cambios en la experiencia del usuario también permite que la experiencia se optimice para un resultado deseado y puede hacer que los pasos cruciales en una campaña de marketing sean más efectivos.
Al probar el texto del anuncio, los profesionales del marketing pueden saber qué versión atrae más clics.
Al probar la landing page posterior, pueden aprender qué diseño convierte a los visitantes en mejores clientes.
El gasto general en una campaña de marketing puede realmente disminuir si los elementos de cada paso funcionan de la manera más eficiente posible para adquirir nuevos clientes.
Los desarrolladores y diseñadores de productos también pueden usar las pruebas A/B para demostrar el impacto de las nuevas funciones o los cambios en la experiencia del usuario.
La incorporación del producto, la interacción del usuario, los movimientos y las experiencias en el producto pueden optimizarse con las pruebas A/B, siempre que los objetivos estén claramente definidos y tenga una hipótesis clara.
El siguiente es un marco de prueba A / B que puedes usar para comenzar a ejecutar pruebas:
Tus análisis a menudo brindarán información sobre dónde puedes comenzar a optimizar. Es útil comenzar con áreas de alto tráfico de tu sitio o aplicación, ya que te permitirá recopilar datos más rápido.
Busca páginas con tasas de conversión bajas que puedan mejorarse.
Tus metas de conversión son las métricas que estás utilizando para determinar si la variación es más exitosa que la versión original.
Las metas pueden ser cualquier cosa, desde hacer clic en un botón o un enlace hasta comprar productos y registrarse por correo electrónico.
Una vez que hayas identificado una meta, puedes comenzar a generar ideas e hipótesis de prueba A / B por las que crees que serán mejores que la versión actual.
Una vez que tengas una lista de ideas, priorícelas en términos del impacto esperado y la dificultad de implementación.
Utilizando tu software de prueba A / B, realiza los cambios deseados en un elemento de tu sitio web o la experiencia de la aplicación móvil.
Esto podría estar cambiando el color de un botón, cambiando el orden de los elementos en la página, ocultando elementos de navegación, o algo completamente personalizado.
Muchas de las principales herramientas de prueba A / B tienen un editor visual que facilitará estos cambios. Asegúrate de realizar un control de calidad en su experimento para asegurarse de que funciona como se espera.
¡Comienza tu experimento y espera a que los visitantes participen! En este punto, los visitantes de tu sitio o aplicación serán asignados al azar al control o la variación de tu experiencia.
Tu interacción con cada experiencia se mide, se cuenta y se compara para determinar cómo se desempeña cada uno.
Una vez que tu experimento está completo, es hora de analizar los resultados.
Tu software de prueba A / B presentará los datos del experimento y te mostrará la diferencia entre cómo se realizaron las dos versiones de tu página y si existe una diferencia estadísticamente significativa.
Si tu variación es un ganador, ¡felicidades! Ve si puedes aplicar los aprendizajes del experimento en otras páginas de tu sitio y continúa iterando en el experimento para mejorar tus resultados.
Si tu experimento genera un resultado negativo o ningún resultado, no te preocupes. Utiliza el experimento como una experiencia de aprendizaje y genera nuevas hipótesis que puedas probar.
Sea cual sea el resultado de tu experimento, utiliza tu experiencia para informar pruebas futuras y realiza iteraciones continuas para optimizar la experiencia de tu aplicación o sitio.
Google permite y fomenta las pruebas A / B y ha declarado que realizar una prueba A / B o multivariable no representa un riesgo inherente para el posicionamiento de búsqueda de tu sitio web.
Sin embargo, es posible poner en peligro tu posicionamiento de búsqueda al abusar de una herramienta de prueba A / B con fines tales como el encubrimiento de palabras clave. Google ha articulado algunas mejores prácticas para garantizar que esto no suceda:
La ocultación es la práctica de mostrar a los motores de búsqueda contenidos diferentes a los que vería un visitante típico.
La ocultación puede hacer que tu sitio sea degradado o incluso eliminado de los resultados de búsqueda.
Para evitar el encubrimiento, no abuses de la segmentación de visitantes para mostrar contenido diferente a Googlebot según el user-agent o la dirección IP.
Si ejecutas un AB Testing con múltiples URLs, debes usar el atributo rel = “canonical” para señalar las variaciones a la versión original de la página.
Si lo haces, ayudarás a evitar que el Googlebot se confunda con varias versiones de la misma página.
Si ejecutas una prueba que redirige la URL original a una URL de variación, usa una redirección 302 (temporal) frente a una redirección 301 (permanente).
Esto le dice a los motores de búsqueda como Google que la redirección es temporal, y que deben mantener la URL original indexada en lugar de la URL de prueba.
Ejecutar pruebas por más tiempo del necesario, especialmente si estás sirviendo una variación de tu página a un gran porcentaje de usuarios, puede considerarse como un intento de engañar a los motores de búsqueda.
Google recomienda actualizar tu sitio y eliminar todas las variaciones de prueba de tu sitio tan pronto como una prueba concluya y evita ejecutar pruebas innecesariamente largas..
.
Una empresa de medios podría querer aumentar el número de lectores, aumentar la cantidad de tiempo que los lectores pasan en su sitio y ampliar los shares de sus artículos en redes sociales.
Para lograr estos objetivos, pueden probar variaciones en:
.
Una empresa de viajes puede querer aumentar la cantidad de reservaciones exitosas que se completan en su sitio web o aplicación móvil, o puede querer aumentar los ingresos de compras complementarias.
Para mejorar estas métricas, pueden probar variaciones en:
.
Es posible que una empresa de comercio electrónico desee aumentar la cantidad de pagos completados, el valor promedio de los pedidos o aumentar las ventas de una cierta temporada.
Para lograr esto, pueden realizar una prueba A / B en
.
Una empresa de tecnología podría querer aumentar la cantidad de clientes potenciales para se atendidas por su equipo de ventas, aumentar la cantidad de usuarios de prueba gratuitos o atraer a un tipo específico de comprador.
Ellos podrían probar:
