¿Qué es el A/B testing?

Todo lo que necesitas saber se encuentra aquí

Introducción

La época en la que el presupuesto de mercadotecnia se gastaba sin reparos, ha sido superada. Actualmente, los equipos de mercadotecnia están en condiciones de tomar decisiones bien informadas y adoptan un enfoque científico para optimizar la experiencia de sus visitantes. Sus decisiones no se basan en una intuición subjetiva sino en datos fidedignos obtenidos especialmente mediante el A/B testing..

¡Ya es hora de adoptar una cultura de experimentación y someter todas tus ideas a pruebas concretas!

Al basar tu estrategia sobre los datos, no sólo ganarás agilidad sino que sabrás también lo que realmente funciona y lo que no marcha. De ese modo, invertirás mejor tu tiempo y dinero en lo que tus visitantes desean realmente y asumirás así las mejores decisiones para tu negocio.

A/B testing: el arma secreta de los mejores mercadotécnicos

El 75% de los sitios con un tráfico superior a un millón de visitantes utilizan los test A/B. Quizás deberías tú también eliminar toda incertitud en tus decisiones de mercadotecnia.

Sin embargo, es cierto que los test A/B requieren la instauración de un proceso estricto y un periodo de aprendizaje. Deberás identificar las zonas de optimización de tu sitio, dar prioridad a tu agenda o programación y adquirir conocimientos (un poco) sobre la estadística a fin de no cometer errores..

Pero no te inquietes, hemos reunido todos los recursos que necesitarás para dominar el tema, así como los mejores contenidos provenientes de los más grandes expertos en esta disciplina.

¿Qué es el A/B testing?

Definición: El A/B testing es un experimento realizado en un sitio Internet, una aplicación para celular, publicidad (entre otras posibilidades), con el fin de validar hipótesis de optimización y mejoras potenciales comparadas a una variante de referencia (u original). Este test permite reconocer lo que funciona para tu audiencia, basándote en un análisis estadístico del rendimiento.



El A/B testing es llamado igualmente split testing o “split URL testing”. Sin embargo, en un test A/B clásico las dos variaciones de tus páginas se encuentran en el mismo URL. En el caso del split URL testing la variante B se encuentra en un URL distinto (evidentemente, los visitantes no advierten ninguna diferencia).


¿Qué es un test multivariante (MVT)?

En ciertos casos, es posible poner a prueba, simultáneamente, varios cambios en una página web: una banderola, un título, una descripción o incluso un vídeo. El test MVT permite poner a prueba todas las optimizaciones mediante un solo experimento.

El instrumento del A/B testing, genera tantas variantes como el número de combinaciones existentes para determinar cuál es la que posee un impacto mayor sobre tus tasas de conversión.

El problema de un test MVT es que éste exige un volumen considerable de tráfico para poner a prueba todas las variantes y obtener una significancia estadística que permita tomar decisiones bien informadas. Si se desea saber algo más sobre las diferencias entre un test MVT y un test A/B, recomendamos la lectura de este artículo de Hubspot.

Example with a banner and a picture
(4 variations, control version not pictured)


Test bandit o test de asignación dinámica de tráfico (multi-armed Bandit testing)

En el test bandit, un algoritmo redirige, en forma gradual y automática, una proporción creciente del tráfico hacia la variante ganadora..

Si se desea saber algo más sobre el multi-armed Bandit testing, el mejor artículo sobre este tema es claramente el de Alex Birkett, en el blog ConversionXL.


A/B/n testing

Los test A/B/n permiten poner a prueba n hipótesis de optimización de una página. Puedes, por ejemplo, poner a prueba 6 variantes de tu página realizando los test A/B/C/D/E/F.




¿Cuáles son los beneficios del A/B testing?

¿Por qué lanzarse a realizar test A/B? Una pregunta más pertinente sería: ¿Estás satisfecho de la manera como explotas el tráfico adquirido con el sudor de tu frente y el contenido de tu bolsillo? Optimizar tus conversiones es mucho más barato que adquirir mayor tráfico, con un ROI potencial mucho más significativo. Con el A/B testing los efectos serán magnificados. De otro lado, el A/B testing te ofrecen mucho más:

He aquí algunos ejemplos de las preguntas a las que puedes dar respuestas fiables, gracias al A/B testing:


¿Cómo se realiza el A/B testing?

El A/B testing te permite comparar la versión existente de tu página con una o más variantes , revelando así la optimización que deseas probar (CTA [llamada a la acción], título, elemento, etc.).


Tu audiencia es entonces dividida en porciones iguales y expuesta de forma aleatoria a las diferentes variantes ensayadas, hasta identificar la mejor variante con respecto a los objetivos que te habías fijado (convenio, clic, puesta en la cesta, etc.), es decir, aquélla con la mejor tasa de conversión. A continuación, los resultados son analizados y comparados, a fin de determinar si los cambios que se desea implementar valen la pena o no.


¿Deseas saber algo más sobre el funcionamiento del A/B testing?

La disciplina de la optimización de la conversión es indispensable para el A/B testing

¿Qué es la optimización de las tasas de conversión (o CRO)?

Se trata de la mejora iterativa y continua de tu sitio para que un número creciente de tus visitantes cumplan las acciones que esperas de ellos.


Puede tratarse de una compra (o “conversión”) o también de la recolección de datos personales, conduciendo a tus visitantes a lo largo de su ciclo de vida como clientes.

Disponer de un tráfico intenso es una ventaja innegable pero es necesario capitalizar este insumo. Es precisamente ahí que la optimización de las tasas de conversión cobra todo su sentido y su valor.


Algunas de las mejores guías sobre la optimización de las tasas de conversión:

Cómo llevar a cabo los test A/B: metodología y proceso

Como toda experimentación, el A/B testing reposa sobre una metodología y un proceso rigurosos destinados a priorizar las ideas y concentrarse sobre los test A/B más pertinentes.

Cada empresa desarrolla un proceso propio, pero éste se asemeja generalmente al siguiente:

  1. 1

    Mide y analiza el rendimiento de tu sitio para identificar las zonas de optimización y las oportunidades de crecimiento.

  2. 2

    Formula una o más hipótesis de optimización (tema muy bien expuesto por Craig Sullivan).

  3. 3

    Prioriza tus ideas de test A/B: uno de los métodos más utilizados es el sistema PIE framework creado por WiderFunnel.

    Gracias a este sistema puedes clasificar tus ideas de test de acuerdo a tres criterios puntuados de 1 a 10, para determinar por cuál o cuáles se debería comenzar.
    Potencial (./10): ¿en cuánto evalúas el margen de mejora de esta o estas páginas?
    Impacto (./10): cuál es el valor del tráfico (volumen, calidad) relativo a esta o estas páginas?
    Facilidad de instalación (./10): ¿cómo puntúas la facilidad de instalación del test? (10= muy fácil, 1=muy difícil).

    El valor promedio de las tres notas, indicará por cuál test comenzar (existen, por supuesto, otros sistemas de priorización, y depende de ti definir el que prefieres).

  4. 4

    Ensaya las hipótesis prioritarias mediante el A/B testing.

  5. 5

    Analiza los resultados de los test A/B y obtén conclusiones.

  6. 6

    Comunica internamente tus resultados.Este es uno de los factores clave del éxito de tus esfuerzos de optimización. Se debe estimular el intercambio y las discusiones a fin de generar nuevas ideas de test, sin olvidar de incluir siempre en el círculo al equipo de informática.

  7. 7

    ¡Recomienza!


Otros sistemas y procesos de A/B testing:

¿Qué se debe ensayar? Ideas a granel para test A/B

Puedes aplicar test A/B para todo en tu sitio:


Pero de cuando en cuando, hay que estimular la creatividad y determinar nuevas fuentes de inspiración. Por consiguiente, he aquí algunas ideas de test que te ayudarán:

Advertencia: ¡Lo que es eficaz para otros, no lo es necesariamente para ti! No trates de aplicar todo lo que leas aquí sin tomarte el tiempo necesario para analizar detalladamente su pertinencia en tu situación y, si fuese el caso, cómo poder adaptarlo a tu negocio.


Encuentra inspiración para tus próximos test A/B

A/B testing: Las prácticas buenas (y las malas)

La aplicación de test A/B puede ser complicada y contraria a los objetivos de tu negocio si es mal utilizada.

Asegura tu éxito informándote sobre las prácticas más idóneas y los errores a evitar.


Libros para profundizar en el tema

No hay muchos libros (en papel o electrónicos) acerca del A/B testing, al menos en francés. He aquí, algunos títulos que te permitirán adquirir mayores conocimientos sobre este tema.


Informes sobre el A/B testing y sus resultados

El A/B testing permite tomar decisiones, basadas en informaciones sólidas, y aprender. Tus informes y la buena interpretación de tus resultados son absolutamente esenciales para obtener un verdadero ROI.


Como interpretar y analizar los resultados de un test A/B:

Comprensión de la estadística para los test A/B

El A/B testing se basa en métodos de cálculo de la estadística. No es necesario ser un científico para lograr un resultado pero algunas nociones de matemática serán indudablemente útiles.

En el A/B testing existen 2 métodos de cálculo estadístico que responden a dos necesidades y objetivos distintos. He aquí cómo abordamos este tema con el motor estadístico de Kameleoon.

El método determinista (llamado también “de frecuencias”) permite una interpretación muy simple de la fiabilidad de los datos con el indicador de la tasa de confianza: tiene el 95% de probabilidad de obtener el mismo resultado si reproduces el experimento en las mismas condiciones. Sin embargo, el método tiene una limitación: es de “horizonte fijo”, quiere decir que hasta no haber finalizado el test esta tasa no tiene valor para juzgar la fiabilidad de los resultados.

Bayesian approach provides a result probability as soon as the test starts. No need to wait until the end of the test to spot a trend and interpret the data. But this method also has prerequisites: you need to know how to read the confidence interval given to the estimations during the test. With every additional conversion, the trust in the probability of a reliable winning variant improves.


A/B testing statistics decrypted

A/B testing: competencias clave y gobernanza

To put all odds in your favor, there are a number of skills and management tips you can polish. Web analytics, UX design, communicating results, are some examples.


Instrumentos complementarios para maximizar las probabilidades de éxito de tus test A/B

Be it project management, sample size or duration calculator, or toolkits for your process, there are many tools to help you win.


¿Qué blogs sobre el A/B testing deberías leer?

There are some awesome blogs with stellar A/B testing or Conversion Rate Optimization related content you can follow to learn, get inspired, and do better A/B Testing.


86 Expertos a seguir en materia de A/B testing

You might want to keep yourself in the loop as the CRO world moves quite fast. Best way to do that is to follow the most prominent experts. Here are their handle on twitter, and a list so you can follow all of them (and us of course @kameleoonrocks)


Twitter list:

https://twitter.com/AlarconJB/lists/cro-experts


Individual Twitter handles


Lance Jones

Jason Kincaid

Noah Kagan

Hiten Shah

Dave McClure

Avinash Kaushik

Daniel Gonzalez

David Kirkpatrick

Shanelle Mullin

Steve Blank

Matt McGee

Rand Fishkin

Bart Schutz

Rick Perreault

Sean Ellis

Campaign Monitor

Moz

Bryan Eisenberg

Shopify

Scott Brinker

Chris Goward

Brian Massey

Jeffrey Eisenberg

Sherice Jacob

Carlos del Rio

Pam Moore

Angie Schottmuller

Ryan Deiss

Ian Lurie

ashukairy

Khalid Saleh

Anne Holland

Lincoln Murphy

Amy Africa

Unbounce

Raven Tools

Roger Dooley

Neil Patel

Nichole Elizabeth

Craig Sullivan

Peep Laja

Jon Henshaw

Marketing Nutz

Dan Siroker

Tommy Walker

John Teevan

Joanna Wiebe

Rich Page

Tiffany Da Silva

Jason Quey

Ton Wesseling

Adam Hutchinson

Michael Aagaard

Matt Gershoff

Andy Johns

Brian Balfour

Oli Gardner

Tim Ash

Paul Rouke

Linda Bustos

Theo van der Zee

Get Elastic

Conversion Conference

MAA1

Talia Wolf

Justin Rondeau

Tyson Quick

KlientBoost

Andre Morys

Conversion.com

Anna Talerico

Kelly Cutler

Brooks Bell

Andrew Youderian

Alhan Keser

Conversion Sciences

Alex Birkett

Steven Jacobs

Kaitlyn Nelson

Kevin Hillstrom

Dan Wang

Malachi Leopold

Pete Koomen

Aaron Orendorff

Chief Conversionista

Joel Harvey

Jean-Baptiste Alarcon

Clément René

¿Deseas recurrir a una agencia para hacer A/B testing?

Outsourcing your A/B testing can be a great way to still do it without the necessary resources. Here are some of the best ones out there.

Nota: Los equipos de Kameleoon pueden también acompañarte en la implementación y ejecución de tu estrategia de optimización. Para mayor información clic aquí


¿Estás dispuesto a lanzar la aplicación de los test A/B?
¡Ensaya gratuitamente nuestra solución de aplicación de A/B testing!

Al hacer clic en el registro, usted acepta nuestros términos de uso.