Test A/B

¿Qué es un test A/B? # #

El test A/B (también conocido como split test) es un método que consiste en comparar diferentes versiones de una página web o una aplicación para determinar cuál de ellas ofrece mejor tasa de conversión. El test A/B 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 el análisis estadístico para determinar qué variación funciona mejor para un objetivo de conversión determinado.

prueba test ab

Hacer una prueba AB que compare directamente una modificación de la experiencia actual te permite abordar preguntas concretas sobre los cambios en tu sitio web o app, y luego recopilar datos sobre el impacto de ese cambio. Es muy utilizado en las agencias SEO y marketing digital. Las pruebas descartan las conjeturas en la optimización de conversión del sitio web y permiten tomar decisiones basadas en datos que hacen que las conversaciones empresariales pasen de “creemos” a “sabemos”. Al medir el impacto que los cambios tienen en tus métricas, puedes asegurarte de que cada cambio produce resultados positivos. 

Cómo funciona el test A/B #

En un test A/B, tomas una página web o la pantalla de una aplicación y la modificas para crear una segunda versión de la misma página. Este cambio puede ser tan simple como un solo titular o botón, o ser un rediseño completo de la página. Entonces, a la mitad de tu tráfico se le muestra la versión original de la página (conocida como la de control) y a la otra mitad se le muestra la versión modificada de la página (la variación).A medida que a los usuarios se les ofrece la experiencia de control o la variación, su interacción con cada experiencia se mide y se recoge en un panel de análisis y se analiza a través de un motor estadístico. Así puedes determinar si el cambio de experiencia ha tenido un efecto positivo, negativo o nulo en el comportamiento del visitante.

Por qué deberías hacer pruebas A/B #

Las pruebas A/B permiten a las personas, equipos y empresas realizar cambios cuidadosos en las experiencias de sus usuarios mientras recogen datos sobre los resultados. Esto les permite construir hipótesis, y aprender mejor por qué ciertos elementos de sus experiencias impactan en el comportamiento del usuario. Por otra parte, se puede demostrar que se han equivocado: su opinión sobre la mejor experiencia para un objetivo determinado puede demostrarse errónea mediante una prueba A/B. Más que responder a una pregunta puntual o resolver un desacuerdo, las pruebas AB pueden utilizarse de forma consistente para mejorar continuamente una experiencia determinada, mejorando un único objetivo como la tasa de conversión a lo largo del tiempo. Por ejemplo, una empresa tecnológica B2B puede querer mejorar la calidad y el volumen de sus clientes potenciales de ventas desde las páginas de aterrizaje de la campaña. Para lograr ese objetivo, el equipo probaría cambios A/B en el titular, las imágenes visuales, los campos del formulario, la llamada a la acción y el diseño general de la página. Probar un cambio cada vez les ayuda a determinar qué cambios tuvieron efecto en el comportamiento de sus visitantes y cuáles no. Con el tiempo, pueden combinar el efecto de los múltiples cambios ganadores de los experimentos para demostrar la mejora cuantificable de la nueva experiencia sobre la anterior. Este método de introducir cambios en la experiencia del usuario también permite optimizar la actividad para obtener el resultado deseado, y puede hacer que los pasos cruciales de una campaña de marketing sean más eficaces. Probando el texto de los anuncios, los vendedores pueden aprender qué versión atrae más clics. Probando la página de destino posterior, pueden saber qué diseño convierte mejor a los visitantes en clientes. El gasto total de una campaña de marketing puede reducirse si los elementos de cada paso funcionan con la mayor eficacia posible para conseguir nuevos clientes. Los desarrolladores y diseñadores de productos también pueden utilizar las pruebas A/B para demostrar el impacto de nuevas funciones o cambios en la experiencia del usuario. El onboarding del producto, el compromiso del usuario, los modales y las experiencias dentro del producto pueden optimizarse con pruebas A/B, siempre que los objetivos estén claramente definidos y tengas una hipótesis clara.

Proceso de las pruebas A/B #

A continuación se presenta un marco de test A/B que puedes utilizar para empezar a realizar pruebas:

  • Recoge datos: Tus análisis a menudo te proporcionarán información sobre dónde puedes empezar a optimizar. Es útil empezar por las áreas de alto tráfico de tu sitio o aplicación, ya que eso te permitirá recopilar datos más rápidamente. Busca páginas con bajas tasas de conversión o altas tasas de abandono que puedan ser mejoradas.
  • Identifica los objetivos: Tus objetivos de conversión son las métricas que utilizas para determinar si la variación tiene más éxito que la versión original. Los objetivos pueden ser cualquier cosa, desde hacer clic en un botón o en un enlace hasta la compra de un producto o la suscripción a una lista de correo electrónico.
  • Genera una hipótesis: Una vez que hayas identificado un objetivo, puedes empezar a generar ideas de pruebas A/B e hipótesis de por qué crees que serán mejores que la versión actual. Una vez que tengas una lista de ideas, priorízalas en función del impacto esperado y de la dificultad de aplicación.
  • Crea variaciones: Utilizando tu software de pruebas A/B (como Optimizely), realiza los cambios deseados en un elemento de tu sitio web o de la experiencia de tu aplicación móvil. Esto podría ser cambiar el color de un botón, intercambiar el orden de los elementos en la página, ocultar los elementos de navegación o algo totalmente personalizado. Muchas de las principales herramientas de pruebas A/B tienen un editor visual que facilitará estos cambios. Asegúrate de hacer un control de calidad de tu experimento para comprobar que funciona como se espera.
  • Ejecuta la prueba: Pon en marcha tu experimento y espera a que los visitantes participen. En este punto, los visitantes de tu sitio o aplicación serán asignados aleatoriamente al control o a la variación de tu experiencia. Su interacción con cada experiencia se mide, se cuenta y se compara para determinar el rendimiento de cada una.
  • Analiza los resultados: Una vez completado tu experimento, es el momento de analizar los resultados. Tu software de pruebas A/B presentará los datos del experimento y te mostrará la diferencia entre el rendimiento de las dos versiones de tu página, y si hay una diferencia estadísticamente significativa.

Si la variación es la ganadora, ¡felicidades! Comprueba si puedes aplicar las enseñanzas del experimento en otras páginas de tu sitio y sigue iterando sobre 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 sobre futuras pruebas e iterar continuamente para optimizar la experiencia de tu aplicación o sitio.

Test A/B y SEO #

Google permite y fomenta las pruebas A/B y ha declarado que la realización de una prueba A/B o multivariante no supone un riesgo inherente para el posicionamiento de tu sitio web. Sin embargo, es posible poner en peligro tu posición en las búsquedas si se abusa de una herramienta de pruebas A/B con fines como el encubrimiento. Google ha articulado algunas prácticas recomendadas para garantizar que esto no ocurra:

  • Sin Cloaking – El Cloaking es la práctica de mostrar a los motores de búsqueda un contenido diferente al que vería un usuario normal. El cloaking puede hacer que tu sitio sea degradado o incluso eliminado de los resultados de búsqueda. Para evitar el cloaking, no abuses de la segmentación de visitantes para mostrar un contenido diferente a Googlebot según el agente de usuario o la dirección IP.
  • Utiliza rel=”canonical” – Si realizas una prueba de división con múltiples URLs, debes utilizar el atributo rel=”canonical” para remitir las variaciones a la versión original de la página. Al hacerlo, evitarás que Googlebot se confunda con las múltiples versiones de la misma página.
  • Utiliza redirecciones 302 en lugar de 301 – Si realizas una prueba que redirija la URL original a una URL de variación, utiliza una redirección 302 (temporal) frente a una redirección 301 (permanente). Esto indica a los motores de búsqueda, como Google, que la redirección es temporal y que deben mantener indexada la URL original en lugar de la de prueba.
  • Ejecuta los experimentos sólo el tiempo necesario – Ejecutar las pruebas durante más tiempo del necesario, especialmente si estás sirviendo una variación de tu página a un gran porcentaje de usuarios, puede considerarse 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 finalice una prueba y evitar ejecutar pruebas innecesariamente largas.

Una empresa de comunicación puede querer aumentar el número de lectores, aumentar el tiempo que los lectores pasan en su sitio web y dar difusión a sus artículos en las redes sociales. Para lograr estos objetivos, podrían probar variaciones de:

  • Modelos de suscripción en campañas de email marketing
  • Contenido recomendado
  • Botones para compartir en redes sociales

Una empresa de viajes puede querer aumentar el número de reservas que se completan con éxito en su sitio web o aplicación móvil, o puede querer aumentar los ingresos procedentes de las compras de extras. Para mejorar estas métricas, pueden probar variaciones de:

Un comercio electrónico puede querer aumentar el número de transacciones realizadas, el valor medio de los pedidos o aumentar las ventas en las vacaciones. Para conseguirlo, pueden hacer una prueba A/B:

  • Promociones de la página web
  • Elementos de navegación
  • Funnel de compra

Una empresa tecnológica puede querer aumentar el número de contactos de alta calidad para su equipo de ventas, aumentar el número de usuarios de pruebas gratuitas o atraer a un tipo específico de comprador. Podrían hacer pruebas:

  • Contenido de los formularios de contacto
  • Flujo de registro de prueba gratuita
  • Mensajes de la página web y llamadas a la acción

Funciona con BetterDocs