Cómo realizar pruebas A / B: una lista de verificación que querrá agregar a marcadores

Cuando los especialistas en marketing como nosotros crean páginas de destino, escriben una copia de correo electrónico o diseñan botones de llamado a la acción, puede ser tentamos a usar nuestra intuición para predecir qué hará que las personas hagan clic y generen conversiones.

Sin embargo, 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.

Prueba A / B puede ser valioso porque diferentes públicos se comportan, bueno, de manera diferente. Algo que funciona para una empresa puede no necesariamente funcionar para otra. De hecho, los expertos en optimización de la tasa de conversión (CRO) odian el término «mejores prácticas» porque puede que en realidad no sea la mejor práctica para usted.

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 hace que hagan clic, decisiones que fácilmente podrían desinformar otras partes de su estrategia.

Siga leyendo para aprender cómo hacer A / B realizar pruebas 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 un contenido, con cambios a 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 una versión de una pieza de el contenido de marketing funciona junto con otro. A continuación, se muestran 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 llamada a la acción (CTA) a la parte superior de la página de inicio en lugar de mantenerlo en la barra lateral mejorará su tasa de clics.

Para probar A / B esta teoría, » d crear otra página web alternativa que refleje ese cambio de ubicación de CTA. El diseño existente – o el «control» – es la Versión A. La Versión B es el «retador». Luego, probaría estas dos versiones mostrándoles cada una a un porcentaje predeterminado de visitantes del sitio. Idealmente, el porcentaje de visitantes que ven cualquiera de las versiones es el mismo.

Aprenda a realizar pruebas A / B fácilmente un componente de tu sitio web con el Centro de marketing de HubSpot.

Ejemplo 2: Prueba de diseño

Quizás quieras saber si cambiar el color de tu llamado a la acción (CTA ) puede aumentar su tasa de clics.

Para probar A / B esta teoría, debe diseñar un botón de CTA alternativo con un color de botón diferente que lleve a la misma página de destino que el control. Si Por lo general, utiliza un botón rojo de llamada a la acción en su contenido de marketing y la variación verde recibe más clics después de su prueba A / B, esto podría ameritar cambiar el color predeterminado de sus botones de llamada a la acción a verde de ahora en adelante. .

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 han una multitud de beneficios para una ma equipo de marketing, dependiendo de lo que decida probar. Sin embargo, sobre todo, estas pruebas son valiosas para una empresa porque «tienen un costo bajo pero una recompensa alta.

Supongamos que emplea a un creador de contenido con un salario de 50.000 dólares al año. Este creador de contenido publica cinco artículos por semana para el blog de la empresa, totalizando 260 artículos por año. Si la publicación promedio en el blog de la empresa genera 10 clientes potenciales, se podría decir que cuesta un poco más de $ 192 generar 10 clientes potenciales para la empresa ($ 50,000 de salario ÷ 260 artículos = $ 192 por artículo). Eso es un gran cambio.

Ahora, si le pide a este creador de contenido que dedique dos días a desarrollar una prueba A / B en un artículo, en lugar de escribir dos artículos en ese período de tiempo, podría gastar 192 dólares porque está publicando un artículo menos . Pero si esa prueba A / B encuentra que puede aumentar la tasa de conversión de cada artículo de 10 a 20 clientes potenciales, acaba de gastar $ 192 para duplicar potencialmente la cantidad de clientes que su empresa obtiene de su blog.

Si la prueba falla, por supuesto, perdió $ 192, pero ahora puede hacer que su próxima prueba A / B sea aún más educada. Si esa segunda prueba logra duplicar la tasa de conversión de tu blog, finalmente gastaste $ 284 para duplicar potencialmente los ingresos de tu empresa. No importa cuántas veces falle su prueba A / B, su eventual éxito casi siempre superará el costo de realizarla.

Hay muchos tipos de pruebas divididas que puedes 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 llegar a su sitio web. Como resultado, esto puede aumentar el tráfico del sitio web.
• Tasa de conversión más alta: probar diferentes ubicaciones, colores o incluso texto de anclaje en sus CTA puede cambiar la cantidad de personas que hacen clic en estas CTA para llegar a una página de destino. Esto puede aumentar la cantidad de personas que completan formularios en su sitio web, le envían su información de contacto y se «convierten» en un cliente potencial.
• Menor porcentaje de rebote: si los visitantes de su sitio web abandonan (o «rebotan «) rápidamente después de visitar su sitio web, probar diferentes introducciones de publicaciones de blog, fuentes o imágenes de funciones puede reducir esta tasa de rebote y retener a más visitantes.
• Reducir el abandono del carrito: las empresas de comercio electrónico ven del 40% al 75% de los clientes dejar su sitio web con artículos en su carrito de compras, según MightyCall. Esto se conoce como «abandono del carrito de la compra». Probar diferentes fotos de productos, diseños de páginas de pago e incluso donde se muestran los costos de envío puede reducir esta tasa de abandono.

Ahora, revisemos la lista de verificación para configurar, ejecutar, y medir una prueba A / B.

Cómo realizar pruebas A / B

Siga con nuestro kit de pruebas A / B gratuito con todo lo que necesita para ejecutar pruebas A / B, incluida una plantilla de seguimiento de pruebas, una guía práctica para la instrucción y la inspiración, y una calculadora de significación estadística para ver si sus pruebas fueron victorias, pérdidas o inconcluso.

Antes de la prueba A / B

Veamos los pasos a seguir antes de comenzar la prueba A / B.

1. Elija una variable para probar.

A medida que optimiza sus páginas web y correos electrónicos, es posible que descubra 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 desempeño; de lo contrario, no puede estar seguro de cuál fue la responsable de los cambios en el desempeño.

Usted puede probar más de una variable para una sola página web o correo electrónico; solo asegúrese de probarlos uno a la vez.

Observe los diversos elementos de sus recursos de marketing y sus posibles alternativas para el diseño, la redacción y el diseño. Otras cosas que puede probar son las líneas de asunto del 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 llamada 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 las que tiene más sentido probar varias variables en lugar de una sola variable. Este es un proceso llamada prueba multivariante. Si se pregunta si debería realizar una prueba A / B en lugar de una prueba multivariante, aquí tiene un artículo útil de Optimizely que compara las dos.

2. Identifique su objetivo.

Aunque medirá una serie de métricas para cada prueba, elija una métrica principal en la que centrarse, antes de realizar n 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. Puede formular una hipótesis oficial y examinar sus resultados en función de esta predicción.

Si espera hasta después para pensar qué métricas son importantes para usted, cuáles son sus objetivos y cuáles son los cambios que propone podría 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 el resultado deseado. Utilice 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 tal como ya existe. Si está probando una página de destino, este sería el diseño y la copia de la página de destino que utilizaría normalmente.

A partir de ahí, cree una variación o un «retador»: el sitio web, la página de destino o el correo electrónico que probará contra 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, cree su variación con un testimonio.

4. Divida su muestrear grupos de manera equitativa y aleatoria.

Para las pruebas en las que tiene más control sobre la audiencia, como con los correos electrónicos, debe probar con dos o más audiencias iguales para obtener resultados concluyentes.

La forma en que lo hagas variará según la herramienta de prueba A / B que uses. Si eres un cliente de HubSpot Enterprise que realiza una prueba A / B en un correo electrónico, por ejemplo, HubSpot dividirá automáticamente el tráfico según tus variaciones. para que cada variación obtenga una muestra aleatoria de visitantes.

5. Determine el tamaño de su muestra (si corresponde).

La forma en que determina el tamaño de su muestra también variará según su herramienta de prueba A / B, así como el 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 parte más pequeña de su lista para obtener resultados estadísticamente significativos. Con el tiempo, elegirá un ganador y envíe la variación ganadora al resto de la lista. (Consulta el libro electrónico «La ciencia de las pruebas divididas» al final de este artículo para obtener más información sobre cómo calcular el tamaño de la muestra).

Si eres cliente de HubSpot Enterprise, tendrás ayuda para determinar el tamaño de su grupo de muestra usando un control deslizante. Le permitirá hacer una prueba 50/50 A / B de cualquier tamaño de muestra, aunque todas las demás divisiones de muestra requieren una lista de al menos 1000 destinatarios.

Si está probando algo que no tiene una audiencia finita, como una página web, entonces el tiempo que mantenga la prueba en ejecución afectará directamente a su tamaño de muestra.

Deberá dejar que la prueba se ejecute el tiempo suficiente para obtener una cantidad sustancial de visualizaciones; de lo contrario, será difícil saber si hubo una diferencia estadísticamente significativa entre las dos variaciones.

6. Decida qué tan significativos deben ser sus resultados.

Una vez que haya elegido la métrica de su objetivo, piense qué tan significativos deben ser sus resultados para justificar la elección de una variación sobre otra. La significación estadística es una parte muy importante del proceso de prueba A / B que a menudo se malinterpreta. Si necesita un repaso sobre la significación 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 podrá estar acerca de sus resultados. En la mayoría de los casos, querrá un nivel de confianza mínimo del 95%, preferiblemente incluso del 98%, especialmente si la configuración fue un experimento que requiere mucho tiempo. Sin embargo, a veces tiene sentido utilizar una tasa de confianza más baja si no necesita que la prueba sea tan estricta.

Matt Rheault, ingeniero de software senior de HubSpot, le gusta pensar en la importancia estadística como colocar una apuesta. ¿Con qué probabilidades te sientes cómodo apostando? Decir «Estoy» al 80% seguro de que este es el diseño correcto y «estoy dispuesto a apostarlo todo» es similar a ejecutar una prueba A / B con una significancia del 80%. y luego declarar un ganador.

Rheault también dice que probablemente querrá un umbral de confianza más alto cuando pruebe algo que solo mejore ligeramente la tasa de conversación. ¿Por qué? Porque es más probable que la varianza aleatoria juegue un papel más importante.

«Un ejemplo en el que podríamos sentirnos más seguros al reducir 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 sea el cambio, menos científicos necesitamos para ser sabios en el proceso. el cambio (color del botón, microcopia, etc.), más científicos debemos ser porque es menos probable que el cambio tenga un impacto grande y notable en la tasa de conversión «.

7. Asegúrese de que solo está ejecutando 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 realiza una prueba A / B de una campaña de correo electrónico que dirige a una página de destino al mismo tiempo que realiza una prueba A / B de esa página de destino … ¿cómo puede saber qué cambio causó el aumento de clientes potenciales?

Durante la prueba A / B

Veamos los pasos a seguir durante la prueba A / B.

8. Utilice una herramienta de prueba A / B.

Para hacer una prueba A / B en su sitio web o en un correo electrónico, necesitará utilizar una herramienta de prueba A / B. Si eres cliente de HubSpot Enterprise, el software de HubSpot tiene características que te permiten probar correos electrónicos A / B (aprende cómo aquí), llamadas a la acción (aprende cómo aquí) y páginas de destino (aprende cómo aquí).

Para los clientes que no son de HubSpot Enterprise, otras opciones incluyen los «Experimentos de Google Analytics», que le permiten 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 un diseño diferente o por un mes diferente?

Cuando ejecute pruebas A / B, deberá ejecutar el dos variaciones al mismo tiempo; de lo contrario, es posible que se quede cuestionando los resultados.

La única excepción aquí es si está probando el tiempo en sí, como encontrar el momento óptimo para enviar correos electrónicos. una buena prueba porque, según lo que ofrece su empresa y quiénes son sus suscriptores, el momento óptimo para la participación de los suscriptores puede variar significativamente según la industria y el mercado objetivo.

10. Dele a la prueba A / B el tiempo suficiente para producir datos útiles.

De nuevo, querrá asegurarse de dejar que la prueba se ejecute el tiempo suficiente para obtener un tamaño de muestra sustancial. 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, la obtención de resultados estadísticamente significativos podría suceder en horas … o días … o semanas. Una gran parte del tiempo que se tarda en obtener resultados estadísticamente significativos es la cantidad de tráfico que recibe, por lo que si su empresa no recibe mucho tráfico en su sitio web, le llevará mucho más tiempo ejecutar un A / B prueba.

En teoría, no debería restringir el tiempo en el que está recopilando resultados. (Lea esta publicación de blog para obtener más información sobre el tamaño y el tiempo de la muestra).

11. Solicite comentarios de usuarios reales.

Las pruebas A / B tienen mucho que ver con los datos cuantitativos … pero eso no necesariamente lo ayudará a comprender por qué las personas toman ciertas acciones sobre otras. Mientras usted ejecutando su prueba A / B, ¿por qué no recopilar comentarios cualitativos de usuarios reales?

Una de las mejores formas de pedirle a la gente su opinión es a través de una encuesta o sondeo. Puede agregar una encuesta de salida en su sitio que pregunte a los visitantes por qué no hicieron clic en una determinada CTA, o una en sus páginas de agradecimiento que les pregunte 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 convirtieron. Ese tipo de información le dará una gran cantidad de información sobre por qué sus usuarios se comportan de cierta manera.

Después de la prueba A / B

Por último, veamos los pasos para tomar después de la prueba A / B.

12. Céntrese en la métrica de su objetivo.

Una vez más, aunque medirá varias métricas, céntrese en la métrica principal usted hace su análisis.

Por ejemplo, si probó dos variaciones de un correo electrónico y eligió clientes potenciales como su métrica principal, no se deje atrapar por la tasa de apertura o la tasa de clics. Es posible que vea una tasa de clics alta y tasas de conversión bajas, 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 el resultados de su experimento en nuestra calculadora de prueba A / B gratuita.

Para cada variación que probó, se le pedirá que ingrese el número total de intentos, como correos electrónicos enviados o impresiones vistas. Luego, ingrese la cantidad de objetivos que logró. Por lo general, verá los clics, pero también podrían ser otros tipos 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 significancia estadística.

14. Tome medidas en función de sus resultados.

Si una variación es estadísticamente mejor que la otra, tiene un ganador. Complete su prueba desactivando 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 influyó en los resultados y tendrá que marcar la prueba como no concluyente. En este caso, siga 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 aprende de cada prueba y la aplica a esfuerzos futuros.

Por ejemplo, si ha realizado pruebas A / B en su marketing por correo electrónico y ha descubierto repetidamente que el uso de números en las líneas de asunto del correo electrónico genera mejores tasas de clics , es posible que desee considerar el uso de esa táctica en más correos electrónicos.

15. Planifique su próxima prueba A / B.

La prueba A / B que acaba de terminar puede haber ayudado descubre una nueva forma de hacer que su contenido de marketing sea más eficaz, pero no se detenga allí. 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 el texto del cuerpo? ¿O esquema de color? ¿O imágenes? Esté siempre atento a las oportunidades para aumentar las tasas de conversión y los clientes potenciales.

Inicie las pruebas A / B hoy mismo

Las pruebas A / B le permiten llegar a la verdad sobre qué contenido y marketing su audiencia quiere ver.Aprenda cómo llevar a cabo mejor algunos de los pasos anteriores utilizando el libro electrónico gratuito a continuación.

Nota del editor: esta publicación se publicó originalmente en mayo de 2016 y se ha actualizado para que sea más completa.

Publicado originalmente el 13 de abril de 2020 8:00 : 00 a. M., Actualizado el 8 de septiembre de 2020