Cuando los especialistas en marketing como nosotros crean páginas de destino, escriben copias de correos electrónicos o diseñan botones de llamado a la acción, puede ser tentador usar nuestra intuición para predecir qué hará que las personas hagan clic y se conviertan.
Pero basar las decisiones de marketing en un «sentimiento» puede ser bastante perjudicial para los resultados. En lugar de depender de conjeturas o suposiciones para tomar estas decisiones, es mucho mejor ejecutar una prueba A / B, a veces llamada prueba dividida.
Las pruebas A / B pueden ser valiosas porque diferentes audiencias se comportan, bueno, de manera diferente. Algo que funciona para una compañía puede no necesariamente funcionar para otra. De hecho, los expertos en optimización de la tasa de conversión (CRO) odian el término «mejores prácticas» porque en realidad puede no ser la mejor práctica para tú.
Pero las pruebas A / B también pueden ser complejas. Si no tiene cuidado, podría hacer suposiciones incorrectas sobre lo que le gusta a la gente y lo que les hace hacer clic, decisiones que podrían desinformar fácilmente otras partes de su estrategia.
Siga leyendo para aprender cómo hacer pruebas A / B antes, durante y después de la recopilación de datos para que pueda tomar las mejores decisiones a partir de sus resultados.
Para ejecutar una prueba A / B, debe crear dos versiones diferentes de una pieza de contenido, con cambios en una sola variable. Luego, mostrará estas dos versiones a dos audiencias de tamaño similar y analizará cuál funcionó mejor durante un período de tiempo específico (el tiempo suficiente para sacar conclusiones precisas sobre sus resultados).
Fuente
Las pruebas A / B ayudan a los especialistas en marketing a observar cómo funciona una versión de un contenido de marketing junto con otra. Aquí hay dos tipos de pruebas A / B que puede realizar en un esfuerzo por aumentar la tasa de conversión de su sitio web:
Ejemplo 1: Prueba de experiencia del usuario
Quizás desee ver si mover un determinado botón de llamado a la acción (CTA) a la parte superior de su página de inicio en lugar de mantenerlo en la barra lateral mejorará su tasa de clics.
Para probar esta teoría A / B, crearía otra página web alternativa que reflejara ese cambio de ubicación de CTA. El diseño existente, o el «controlar«- es la versión A. La versión B es el» retador «. Luego, probaría estas dos versiones mostrándolas a un porcentaje predeterminado de visitantes del sitio. Idealmente, el porcentaje de visitantes que ven cualquiera de las versiones es el mismo.
Aprenda cómo probar fácilmente A / B un componente de su sitio web con el Hub de Marketing de HubSpot.
Ejemplo 2: Prueba de diseño
Quizás desee saber si cambiar el color de su botón de llamado a la acción (CTA) puede aumentar su tasa de clics.
Para probar esta teoría A / B, diseñaría un botón CTA alternativo con un color de botón diferente que conduzca a mismo página de destino como control. Si generalmente usa un botón rojo de llamado a la acción en su contenido de marketing, y la variación verde recibe más clics después de su prueba A / B, esto podría merecer cambiar el color predeterminado de sus botones de llamado a la acción a verde a partir de ahora en.
Para obtener más información sobre las pruebas A / B, descargue nuestra guía introductoria gratuita aquí.
Los beneficios de las pruebas A / B
Las pruebas A / B tienen una multitud de beneficios para un equipo de marketing, según lo que decida probar. Sin embargo, sobre todo, estas pruebas son valiosas para una empresa porque son de bajo costo pero de alta recompensa.
Digamos que usted emplea un creador de contenido con un salario de $ 50,000 / año. Este creador de contenido publica cinco artículos por semana para el blog de la compañía, totalizando 260 artículos por año. Si la publicación promedio en el blog de la compañía genera 10 leads, se podría decir que cuesta un poco más de $ 192 generar 10 leads para el negocio (salario de $ 50,000 ÷ 260 artículos = $ 192 por artículo). Esa es una parte sólida de cambio.
Ahora, si le pide a este creador de contenido que pase dos días desarrollando una prueba A / B en uno artículo, en lugar de escribir dos artículos en ese período de tiempo, puede quemar $ 192 porque está publicando un artículo menos. Pero si esa prueba A / B determina que puede aumentar la tasa de conversión de cada artículo de 10 a 20 clientes potenciales, acaba de gastar $ 192 para potencialmente duplicar el número de clientes que su empresa obtiene de su blog.
Si la prueba falla, por supuesto, perdió $ 192, pero ahora puede hacer su siguiente Prueba A / B aún más educada. Si esa segunda prueba logra duplicar la tasa de conversión de su blog, finalmente gastó $ 284 para duplicar los ingresos de su empresa. No importa cuántas veces falle su prueba A / B, su éxito final casi siempre superará el costo de realizarla.
Hay muchos tipos de pruebas divididas que puede ejecutar para que el experimento valga la pena al final. Estos son algunos objetivos comunes que los especialistas en marketing tienen para su negocio cuando realizan pruebas A / B:
- Aumento del tráfico del sitio web: Probar diferentes publicaciones de blog o títulos de páginas web puede cambiar la cantidad de personas que hacen clic en ese título con hipervínculo para acceder a su sitio web. Esto puede aumentar el tráfico del sitio web como resultado.
- Mayor tasa de conversión: Probar diferentes ubicaciones, colores o incluso texto de anclaje en sus CTA puede cambiar la cantidad de personas que hacen clic en estos CTA para llegar a una página de destino. Esto puede aumentar el número de personas que completan formularios en su sitio web, le envían su información de contacto y se «convierten» en clientes potenciales.
- Baja tasa de rebote: Si los visitantes de su sitio web se van (o «rebotan») rápidamente después de visitar su sitio web, probar diferentes introducciones de publicaciones de blog, fuentes o imágenes destacadas puede reducir esta tasa de rebote y retener a más visitantes.
- Abandono del carro inferior: Según MightyCall, las empresas de comercio electrónico ven que el 40% – 75% de los clientes abandonan su sitio web con artículos en su carrito de compras. Esto se conoce como «abandono del carrito de compras». Probar diferentes fotos de productos, diseños de página de pago e incluso donde se muestran los costos de envío puede reducir esta tasa de abandono.
Ahora, recorramos la lista de verificación para configurar, correr y medir una prueba A / B.
Cómo realizar pruebas A / B
Antes de la prueba A / B
1. Elija una variable para probar.
A medida que optimiza sus páginas web y correos electrónicos, puede encontrar que hay una serie de variables que desea probar. Pero para evaluar qué tan efectivo es un cambio, querrá aislar una «variable independiente» y medir su rendimiento; de lo contrario, no puede estar seguro de cuál fue el responsable de los cambios en el rendimiento.
Puede probar más de una variable para una sola página web o correo electrónico; solo asegúrate de probarlos uno a la vez.
Mire los diversos elementos en sus recursos de marketing y sus posibles alternativas de diseño, redacción y diseño. Otras cosas que puede probar incluyen líneas de asunto de correo electrónico, nombres de remitentes y diferentes formas de personalizar sus correos electrónicos.
Tenga en cuenta que incluso los cambios simples, como cambiar la imagen en su correo electrónico o las palabras en su botón de llamado a la acción, pueden generar grandes mejoras. De hecho, este tipo de cambios suelen ser más fáciles de medir que los más grandes.
Nota: Hay ocasiones en que tiene más sentido probar múltiples variables en lugar de una sola variable. Este es un proceso llamado prueba multivariante. Si se pregunta si debe ejecutar una prueba A / B en lugar de una prueba multivariante, aquí hay un artículo útil de Optimizely que compara los dos.
2. Identifica tu objetivo.
Aunque medirá una cantidad de métricas para cada prueba, elija una métrica primaria en la que centrarse: antes de ejecutas la prueba De hecho, hágalo incluso antes de configurar la segunda variación. Esta es su «variable dependiente».
Piense dónde quiere que esté esta variable al final de la prueba de división. Podrías declarar un oficial hipótesis y examine sus resultados basados en esta predicción.
Si espera hasta después para pensar qué métricas son importantes para usted, cuáles son sus objetivos y cómo los cambios que está proponiendo podrían afectar el comportamiento del usuario, entonces es posible que no configure la prueba de la manera más efectiva.
3. Cree un ‘control’ y un ‘retador’.
Ahora tiene su variable independiente, su variable dependiente y su resultado deseado. Use esta información para configurar la versión inalterada de lo que esté probando como su «control». Si está probando una página web, esta es la página web inalterada como ya existe. Si está probando una página de destino, este sería el diseño y la copia de la página de destino que normalmente usaría.
A partir de ahí, cree una variación o un «retador»: el sitio web, la página de destino o el correo electrónico que probará con su control. Por ejemplo, si se pregunta si incluir un testimonio en una página de destino marcaría la diferencia, configure su página de control sin testimonios. Luego, crea tu variación con un testimonio.
4. Divida sus grupos de muestra de manera equitativa y aleatoria.
Para las pruebas en las que tiene más control sobre la audiencia, como los correos electrónicos, debe realizar una prueba con dos o más audiencias iguales para obtener resultados concluyentes.
La forma de hacerlo variará según la herramienta de prueba A / B que utilice. Si usted es un cliente de HubSpot Enterprise que realiza una prueba A / B en un correo electrónico, por ejemplo, HubSpot dividirá automáticamente el tráfico a sus variaciones para que cada variación obtenga una muestra aleatoria de visitantes.
5. Determine el tamaño de su muestra (si corresponde).
La forma en que determine el tamaño de su muestra también variará dependiendo de su herramienta de prueba A / B, así como del tipo de prueba A / B que esté ejecutando.
Si está probando A / B un correo electrónico, probablemente desee enviar una prueba A / B a una porción más pequeña de su lista para obtener resultados estadísticamente significativos. Eventualmente, elegirás un ganador y enviarás la variación ganadora al resto de la lista. (Consulte el libro electrónico «La ciencia de las pruebas divididas» al final de este artículo para obtener más información sobre el cálculo del tamaño de la muestra).
Si es cliente de HubSpot Enterprise, tendrá ayuda para determinar el tamaño de su grupo de muestra con un control deslizante. Le permitirá realizar una prueba 50/50 A / B de cualquier tamaño de muestra, aunque todas las demás divisiones de muestra requieren una lista de al menos 1,000 destinatarios.
Si estás probando algo que no lo hace tener una audiencia finita, como una página web, entonces el tiempo que mantenga su prueba en ejecución afectará directamente el tamaño de su muestra.
Tendrá que dejar que su prueba se ejecute el tiempo suficiente para obtener una cantidad considerable de vistas, de lo contrario será difícil saber si hubo una diferencia estadísticamente significativa entre las dos variaciones.
6. Decide cuán importantes deben ser tus resultados.
Una vez que haya elegido la métrica de su objetivo, piense en cuán importantes deben ser sus resultados para justificar la elección de una variación sobre otra. La importancia estadística es una parte súper importante del proceso de prueba A / B que a menudo se malinterpreta. Si necesita una actualización sobre la importancia estadística desde el punto de vista del marketing, le recomiendo leer esta publicación de blog.
Cuanto mayor sea el porcentaje de su nivel de confianza, más seguro estará de sus resultados. En la mayoría de los casos, querrá un nivel de confianza mínimo del 95%, preferiblemente incluso del 98%, especialmente si fue un experimento que requirió mucho tiempo. Sin embargo, a veces tiene sentido usar una tasa de confianza más baja si no necesita que la prueba sea tan estricta.
A Matt Rheault, ingeniero de software sénior en HubSpot, le gusta pensar en la significación estadística como hacer una apuesta. ¿En qué probabilidades se siente cómodo haciendo una apuesta? Decir «Estoy 80% seguro de que este es el diseño correcto y estoy dispuesto a apostarlo todo» es similar a realizar una prueba A / B con un 80% de importancia y luego declarar un ganador.
Rheault también dice que probablemente querrás un umbral de confianza más alto cuando pruebes algo que solo mejore ligeramente la tasa de conversación. ¿Por qué? Porque la varianza aleatoria es más probable que juegue un papel más importante.
«Un ejemplo en el que podríamos sentirnos más seguros bajando nuestro umbral de confianza es un experimento que probablemente mejorará la tasa de conversión en un 10% o más, como una sección de héroe rediseñada», explicó.
«La conclusión aquí es que cuanto más radical es el cambio, menos científico debemos ser en cuanto al proceso. Cuanto más específico sea el cambio (color del botón, micro copia, etc.), más científico deberíamos ser porque el cambio es menor es probable que tenga un impacto grande y notable en la tasa de conversión «.
7. Asegúrese de ejecutar solo una prueba a la vez en cualquier campaña.
Probar más de una cosa para una sola campaña, incluso si no está en el mismo activo exacto, puede complicar sus resultados. Por ejemplo, si A / B prueba una campaña de correo electrónico que se dirige a una página de destino al mismo tiempo que A / B prueba esa página de destino … ¿cómo puede saber qué cambio causó el aumento de clientes potenciales?
Durante la prueba A / B
8. Use una herramienta de prueba A / B.
Para hacer una prueba A / B en su sitio web o en un correo electrónico, deberá usar una herramienta de prueba A / B. Si es cliente de HubSpot Enterprise, el software HubSpot tiene características que le permiten probar correos electrónicos A / B (aprenda cómo aquí), llamados a la acción (aprenda cómo aquí) y páginas de destino (aprenda cómo aquí).
Para los clientes que no son HubSpot Enterprise, otras opciones incluyen Experimentos de Google Analytics, que le permite probar A / B hasta 10 versiones completas de una sola página web y comparar su rendimiento con una muestra aleatoria de usuarios.
9. Pruebe ambas variaciones simultáneamente.
El tiempo juega un papel importante en los resultados de su campaña de marketing, ya sea la hora del día, el día de la semana o el mes del año. Si tuviera que ejecutar la Versión A durante un mes y la Versión B un mes después, ¿cómo sabría si el cambio de rendimiento fue causado por el diseño diferente o el mes diferente?
Cuando ejecute pruebas A / B, deberá ejecutar las dos variaciones al mismo tiempo, de lo contrario, puede que tenga que adivinar sus resultados.
La única excepción aquí es si está probando el tiempo en sí mismo, como encontrar los tiempos óptimos para enviar correos electrónicos. Esto es una gran cosa para probar porque dependiendo de lo que ofrezca su negocio y quiénes sean sus suscriptores, el momento óptimo para la participación de los suscriptores puede variar significativamente según la industria y el mercado objetivo.
10. Dé a la prueba A / B suficiente tiempo para producir datos útiles.
Nuevamente, querrá asegurarse de dejar que su prueba se ejecute el tiempo suficiente para obtener un tamaño de muestra considerable. De lo contrario, será difícil saber si hubo una diferencia estadísticamente significativa entre las dos variaciones.
¿Cuánto tiempo es suficiente? Dependiendo de su empresa y de cómo ejecute la prueba A / B, puede obtener resultados estadísticamente significativos en horas … o días … o semanas. Una gran parte del tiempo que lleva obtener resultados estadísticamente significativos es la cantidad de tráfico que recibe, por lo que si su negocio no recibe mucho tráfico a su sitio web, le llevará mucho más tiempo ejecutar un A / B prueba.
En teoría, no debe restringir el tiempo en el que recopila los resultados. (Lea esta publicación de blog para obtener más información sobre el tamaño y el momento de la muestra).
11. Solicite comentarios de usuarios reales.
Las pruebas A / B tienen mucho que ver con datos cuantitativos … pero eso no necesariamente lo ayudará a comprender por qué las personas toman ciertas acciones sobre otras. Mientras ejecuta su prueba A / B, ¿por qué no recopila comentarios cualitativos de usuarios reales?
Una de las mejores formas de pedir a las personas sus opiniones es a través de una encuesta o encuesta. Puede agregar una encuesta de salida en su sitio que pregunte a los visitantes por qué no hicieron clic en un determinado CTA, o una en sus páginas de agradecimiento que les pregunte a los visitantes por qué hicieron clic en un botón o completaron un formulario.
Puede encontrar, por ejemplo, que muchas personas hicieron clic en un llamado a la acción que los llevó a un libro electrónico, pero una vez que vieron el precio, no se convirtieron. Ese tipo de información le dará mucha información sobre por qué sus usuarios se comportan de ciertas maneras.
Después de la prueba A / B
12. Concéntrate en la métrica de tu objetivo.
Nuevamente, aunque medirá varias métricas, mantenga su enfoque en esa métrica de objetivo principal cuando realice su análisis.
Por ejemplo, si probó dos variaciones de un correo electrónico y eligió clientes potenciales como su métrica principal, no se quede atrapado en la tasa de apertura o tasa de clics. Es posible que vea una alta tasa de clics y bajas tasas de conversión, en cuyo caso podría terminar eligiendo la variación que tuvo una tasa de clics más baja al final.
13. Mida la importancia de sus resultados con nuestra calculadora de pruebas A / B.
Ahora que ha determinado qué variación funciona mejor, es hora de determinar si sus resultados son estadísticamente significativos o no. En otras palabras, ¿son suficientes para justificar un cambio?
Para averiguarlo, deberá realizar una prueba de significación estadística. Puede hacerlo manualmente … o simplemente puede conectar los resultados de su experimento a nuestra calculadora de pruebas A / B gratuita.
Para cada variación que haya probado, se le pedirá que ingrese el número total de intentos, como correos electrónicos enviados o impresiones vistas. Luego, ingrese la cantidad de objetivos que completó; en general, verá los clics, pero esto también podría ser otro tipo de conversiones.
La calculadora escupirá el nivel de confianza que producen sus datos para la variación ganadora. Luego, mida ese número con el valor que eligió para determinar la significación estadística.
14. Tome medidas en función de sus resultados.
Si una variación es estadísticamente mejor que la otra, tienes un ganador. Complete su prueba deshabilitando la variación perdedora en su herramienta de prueba A / B.
Si ninguna de las variaciones es estadísticamente mejor, acaba de enterarse de que la variable que probó no tuvo un impacto en los resultados, y tendrá que marcar la prueba como no concluyente. En este caso, quédese con la variación original o ejecute otra prueba. Puede usar los datos fallidos para ayudarlo a descubrir una nueva iteración en su nueva prueba.
Si bien las pruebas A / B lo ayudan a impactar los resultados caso por caso, también puede aplicar las lecciones que aprende de cada prueba y aplicarlo a esfuerzos futuros.
Por ejemplo, si ha realizado pruebas A / B en su marketing por correo electrónico y ha encontrado repetidamente que el uso de números en las líneas de asunto del correo electrónico genera mejores porcentajes de clics, puede considerar usar esa táctica en más de sus correos electrónicos.
15. Planifique su próxima prueba A / B.
La prueba A / B que acabas de terminar puede haberte ayudado a descubrir una nueva forma de hacer que tu contenido de marketing sea más efectivo, pero no te detengas ahí. Siempre hay espacio para una mayor optimización.
Incluso puede intentar realizar una prueba A / B en otra función de la misma página web o correo electrónico en el que acaba de hacer una prueba. Por ejemplo, si acaba de probar un título en una página de destino, ¿por qué no hacer una nueva prueba en la copia del cuerpo? O esquema de color? O imágenes? Siempre esté atento a las oportunidades para aumentar las tasas de conversión y los clientes potenciales.
Aprenda cómo realizar mejor algunos de los pasos anteriores utilizando el libro electrónico gratuito a continuación.
