Introducción a las pruebas A/B

En el marketing hay muchas opciones en cuanto a contenido y estrategia. Las respaldadas y probadas por datos guían las mejores decisiones. Una prueba A/B puede ayudarte a elegir el mejor contenido o estrategia de marketing para tu negocio. La prueba A/B (prueba dividida o bucket test) es una prueba en línea con dos versiones y una división aleatoria del 50% de los/las usuarios/as entre ellas para determinar la opción más efectiva. Casi todas las pruebas A/B envían aleatoriamente el 50% de sus usuarios/as a una versión y el resto a la otra. Por ejemplo, una prueba A/B puede dirigir el tráfico web de una página a dos versiones distintas. Las respuestas de las páginas se controlan en la versión de mejor rendimiento, según las métricas elegidas.

Una prueba A/B se realiza en páginas web publicadas. Se puede realizar una prueba A/B en páginas que no estén activas mientras que haya un gran número de usuarios/as para tener un resultado estadísticamente significativo. Digamos que deseas probar dos versiones de un anuncio de un programa de fidelización. En una versión aparece una celebridad y en la otra aparece un descuento. ¿Qué versión resultará en más conversiones o personas que se registren en el programa? La prueba A/B te dirá qué versión es mejor según la población analizada durante un periodo corto. En esta prueba específica hay un mayor número de conversiones con el descuento. 

Una prueba A/B toma datos estadísticos y determina cuál opción es más efectiva. El análisis estadístico usado durante una prueba A/B depende de si se utilizan métricas discretas o continuas para la comparación. Las métricas discretas tienen valores específicos, se cuentan o son binarias, como encendido/apagado o verdadero/falso. Ejemplos de valores específicos son la proporción de clics o CTR, la tasa de conversión y de rebote. Ejemplo de conteos: usuarios/as nuevos/as y recurrentes. Y una métrica binaria puede ser si una persona hizo clic o no en una acción. Las métricas continuas se miden y cambian con el tiempo. Algunas métricas continuas son los ingresos por usuario, la duración promedio de la sesión y valor promedio de la orden. Se llaman continuos porque la medición cambia con cada sesión u orden. La conclusión clave es que los datos estadísticos son importantes para las pruebas A/B. 

Tu software de pruebas A/B realizará el análisis estadístico en una muestra de usuarios/as amplia para ser informativo. Con la prueba A/B, por lo general, ensayas si una versión mejorará una métrica comparada con la versión original. Cuando planees la prueba, es útil documentar el rendimiento previo, el resultado esperado y la métrica de rendimiento que usarás. Puede que tu empresa tenga una plantilla que facilite registrar datos para cada prueba. Hay muchos softwares disponibles para pruebas A/B. Con Google Ads puedes hacer pruebas A/B en anuncios. Especialistas en marketing de rendimiento identifican las mejores páginas con pruebas A/B. Google Optimize te permite realizar pruebas A/B en tu sitio web para entender qué atrae a tus visitantes. Hubspot realiza pruebas A/B en correos y páginas de destino. Optimizely ofrece pruebas A/B en puntos de contacto del recorrido del/a cliente. Intellemize ayuda a personalizar páginas web con aprendizaje automático y lo que podría considerarse como una prueba A/B continua. Estas herramientas no son las únicas, pero se mencionan para que veas la gran variedad de soluciones disponibles. Más allá de la herramienta, si realizas pruebas A/B podrás cumplir con los objetivos de rendimiento, aumentar las conversiones y ofrecer mejores experiencias de cliente a través de páginas rediseñadas y probadas. Tus decisiones valen oro.

Fuente:
Coursera – Google Marketing Digital E-Commerce.