¿SabÃas que solo 1 de cada 8 tests A/B consiguen dar resultados significativos?
¡Y eso es a nivel profesional! ImagÃnese cómo deben verse las estadÃsticas para las personas que recién comienzan.
Hay una serie de razones por las que sus pruebas A/B no le están dando los resultados que está buscando. Eso pudo sea ​​la prueba especÃfica que está ejecutando, pero, de nuevo, podrÃa ser un poco más profundo que eso.
Este artÃculo desglosará las 7 razones principales por las que sus pruebas A/B no funcionan y cómo puede volver a encarrilarse hoy.
Error n.° 1 en las pruebas A/B: solo copia las pruebas de otras personas
Nos hemos abstenido de escribir sobre ejemplos de pruebas A/B durante un tiempo en el blog de Wishpond porque creemos que, si bien puede ser una lectura entretenida, a menos que haya algún contexto detrás por qué esas pruebas fueron exitosas, descubrir que alguien recibió un aumento de conversión del 27% al cambiar el color de su botón no funcionará tu negocio cualquier bien.
Por supuesto, si bien leer un artÃculo sobre ejemplos de pruebas A/B puede ser una excelente manera de despertar su imaginación, siempre deben tomarse con pinzas y considerarse en relación con:
La oferta El diseño de la página La audiencia que ve la prueba La relación de la audiencia con el negocio en cuestión
Por ejemplo, eche un vistazo a este ejemplo de Salesforce que tuvo éxito utilizando una señal direccional que apunta a su formulario.
Después de leer esto, pensé: “DeberÃa agregar una señal direccional que apunte a mi ¡formulario!”
Asà que saqué mis habilidades de diseño del garaje y se me ocurrió esto:
¿Y el resultado?
Una ventana emergente que convertÃa un 18% peor que la original.
Punto clave:
El hecho de que algo haya funcionado para otra persona no significa que funcionará para ti. Tómese el tiempo para considerar por qué algo funcionó en lugar de apresurarse a implementar nuevas pruebas basadas en lo que ha escuchado en lÃnea. una flecha no es necesariamente mejor que no tener una flecha. Una imagen de fondo no es necesariamente mejor que ninguna imagen de fondo.
Se trata de contexto, y ese es el contexto que solo tú conoces mejor.
Nota al margen: no intente ser un héroe, busque a su diseñador y déjelo hacer su trabajo (lo juro, ¡pensé que las flechas amarillas eran buenas para las conversiones!).
Error de prueba A/B #2 – Probar demasiadas variables a la vez
Dicen que menos es más. Bueno, eso es definitivamente cierto sobre las pruebas A/B.
Al probar menos elementos a la vez, obtendrá…
Más claridad sobre la causa de un cambio especÃfico Un experimento más controlado Menos volatilidad dentro de sus conversiones generales/flujo de ingresos
Puede ser tentador probar varios elementos en una página a la vez. No hay nada de malo en esto y en realidad tiene un nombre, prueba multivariada.
Pero con el posible aumento de un aumento masivo de las conversiones, también corre el riesgo de una disminución masiva de las conversiones. Esto es especialmente preocupante para las empresas que dependen de sus páginas de destino y sitios web para contribuir con una parte importante de su negocio.
Si desea ejecutar una verdadera prueba A/B, debe concentrarse en probar un elemento a la vez.
Este es un ejemplo de lo que no se debe hacer en una prueba A/B:
Original
Variación
A primera vista, podrÃa pensar que la única diferencia entre estos dos anuncios es el color de fondo. Pero después de un examen más detallado, puede ver que el tÃtulo, el subtÃtulo y el CTA también han cambiado.
Ahora imagina que la variación gana esta prueba. Al crear un nuevo anuncio, ¿sabrÃas qué CTA usar? ¿Qué hay de qué tÃtulo o subtÃtulo? ¿Quizás fue el fondo amarillo lo que marcó la diferencia?
Si bien es posible que pueda obtener un cambio más significativo cambiando varios elementos a la vez, probar más de una cosa a la vez da como resultado pruebas no analÃticas descuidadas que no arrojan resultados concluyentes.
Punto clave
CÃñete a una prueba a la vez. Tu equipo te lo agradecerá más tarde.
Error de prueba A/B n.º 3: muy poco tráfico, cambios demasiado pequeños
Dependiendo del tráfico a su sitio, diferentes especialistas en marketing podrán ejecutar diferentes grados de pruebas y aun asà encontrar significación estadÃstica.
Un error que cometen los especialistas en marketing es hacer cambios muy pequeños en las campañas de poco tráfico. Por ejemplo, la prueba A/B de “Crear su paquete” frente a “Crear mi paquete” como llamada a la acción para una página de destino con solo un par de cientos de visitantes al mes puede tardar un año en alcanzar la significación estadÃstica.
Echa un vistazo a esta prueba A/B que se ejecutó durante unos meses en una ventana emergente con poco tráfico.
Original:
Variación:
¿Notas la diferencia? Si miras de cerca, hay una pequeña flecha a la derecha del texto de la CTA en la variación. Si bien la conversión es un poco mejor, un cambio menor como este podrÃa llevar meses y meses para determinar un resultado concluyente.
En términos generales, tiene más sentido probar elementos menores de la página (como señales direccionales sutiles, pequeños cambios en el texto, etc.) en campañas de alto tráfico para que pueda obtener comentarios rápidamente. Luego aplique ese aprendizaje a sus campañas de menor tráfico.
Punto clave:
Pruebe grandes cambios en campañas de poco tráfico (manteniendo un solo cambio por prueba).
Error de prueba A/B n.º 4: no alcanzar la significación estadÃstica
Incluso si está realizando grandes cambios en campañas de alto tráfico, aún debe asegurarse de que está alcanzando una importancia estadÃstica antes de dar por terminado el dÃa.
Eso significa no determinar los resultados de una prueba antes de haber alcanzado un resultado de un nivel de confianza de aproximadamente el 95 %.
Puede ser tentador llamar a sus pruebas antes, especialmente si su variación está ganando. Sin embargo, esto puede ser peligroso, ya que se sabe que las pruebas regresan repentinamente incluso cuando pierden más del 80%.
Eche un vistazo a este ejemplo de Peep Laja de ConversionXL, donde explica cómo una prueba que estaba perdiendo por más del 89 % logró volver y vencer a la original por más del 25 % con un nivel de confianza del 95 %.
Pérdida de variación en las primeras etapas de la prueba:
La variación que terminó ganando:
Punto clave
Ten paciencia al probar. Los primeros resultados no siempre indicarán un ganador definitivo. Mantenga sus pruebas vivas hasta que alcancen al menos un nivel de confianza del 95 % con al menos 100 conversiones por variación antes de llamarlas.
Error n.º 5 en las pruebas A/B: estás conduciendo por el tráfico equivocado
Hay dos componentes principales de una prueba A/B: las variaciones que está probando y los usuarios que las están viendo.
La mayorÃa de los especialistas en marketing se atascan tanto con su prueba real que se olvidan de considerar el otro lado: las personas detrás de la prueba.
En un artÃculo publicado en Search Engine Journal, el columnista Jacob Baadsgaard de Disruptive Advertising explica cómo realizó una campaña de PPC en Facebook para generar tráfico a su nueva publicación. Cómo darle vida a tu vida amorosa con AdWords.
A pesar del tÃtulo picante, el artÃculo no trata sobre las relaciones en absoluto, sino que es un desglose interesante de cómo usar AdWords de una manera novedosa.
Para su sorpresa, una vez que la campaña estuvo en marcha, a pesar del flujo regular de tráfico de una campaña de este tipo, su tasa de conversión fue mucho peor de lo habitual.
Luego de una investigación más profunda, descubrió que el anuncio y el término “darle sabor a tu vida amorosa” resonaban entre las mujeres de más de 55 años.
Debido a la demografÃa (desinteresado en el marketing de Adwords), ninguno de ellos se estaba convirtiendo y su campaña estaba fracasando.
Gracias a su investigación, pudo excluir a la población femenina de más de 50 años y sus tasas de conversión volvieron a la normalidad.
Punto clave:
Sepa de dónde viene su tráfico y qué están buscando. No se apresure a dejarlo todo en una prueba A/B, especialmente si no ha considerado quién estás probando.
Error de prueba A/B n.º 6: no ejecutar pruebas durante una semana completa
Incluso si tiene un sitio de alto tráfico con la audiencia adecuada que alcanza un nivel de confianza del 95%, sus datos de prueba A/B aún podrÃan ser defectuosos.
¿Por qué?
Porque hay que tener en cuenta las tendencias semanales que se derivan de los hábitos de navegación. ¿Su sitio recibe un pico de tráfico los fines de semana? ¿Existen fluctuaciones en los tipos de personas que visitan su sitio en función de su programa de publicación semanal?
Todos estos aspectos deben tenerse en cuenta al ejecutar una prueba A/B.
Eche un vistazo a esta instantánea de análisis de un desglose de tráfico semanal de negocios de comercio electrónico:
¿Observa cómo el tráfico de los domingos es la mitad de lo que es el tráfico de los viernes? ¿Y notas cómo su tasa de conversión el sábado es casi un 2% menor que la del jueves?
Punto clave:
Ejecute sus pruebas durante una semana completa para asegurarse de que tiene en cuenta las variaciones diarias para toda la semana.
Error de prueba A/B #7: no estás probando completamente tus pruebas de alto impacto
No hay mejor sensación que hacer que una de tus pruebas A/B destruya el original para que puedas coronarte como el “Rey de la Conversión”.
Pero antes de su toma de posesión, es posible que desee volver a verificar sus hallazgos para asegurarse de que los resultados no fueron solo una casualidad y que realmente ha profundizado en algunos resultados significativos.
Esto es especialmente cierto para las pruebas que lo sorprendieron por sus repentinas y aplastantes victorias con un alto nivel de significación estadÃstica. Estos son los tipos de pruebas en las que podrÃa sentirse tentado a declarar rápidamente un ganador y seguir adelante. Pero incluso si este es el caso, y ha finalizado una prueba con un 95% de confianza, todavÃa hay un 5% de posibilidades de que la prueba dé un falso positivo.
Tenga cuidado de no sacar conclusiones precipitadas (particularmente en estos casos) si los resultados son algo que aplicará globalmente en todo su sitio o como parte de su proceso de optimización generalizado.
Punto clave:
Los resultados de las pruebas de alto impacto deben probarse sin lugar a dudas ejecutando la prueba nuevamente. Asegúrese absolutamente de que no haya una variable no identificada antes de implementarla en todo su sitio. Si realiza pruebas con una significación del 95 %, solo hay una posibilidad entre 400 de que obtenga un falso positivo dos veces.
Terminando
Ahà lo tienes: 7 razones por las que tus pruebas A/B podrÃan no darte los resultados que buscabas.
Recuerda, las pruebas A/B son una ciencia, asà que trátalas como tal. AÃsle sus pruebas, analice sus hallazgos y siempre cuestione por qué algo funciona, en lugar de simplemente aceptarlo al pie de la letra.
Como consejo adicional, recuerde registrar siempre los resultados de las pruebas A/B en una hoja de cálculo para que su equipo pueda consultar los resultados más adelante. El cerebro humano tiende a olvidar y no hay nada peor que volver a realizar la misma prueba una y otra vez 6 meses después.
Lecturas recomendadas
