¿Cómo hacer test A/B para probar sus activos de marketing?

Sumérgete en el mundo del marketing online y te encontrarás rodeado de entradas de blog que ofrecen las mejores prácticas para crear los activos de marketing de mayor rendimiento. Desde formularios de recogida de clientes potenciales hasta pegadizos anuncios de banner, no faltan opiniones sobre lo que va a hacer crecer su negocio.

¿Cuál de estos anuncios de exhibición crees que resonaría mejor con tu audiencia?

Podemos hacer una prueba para averiguarlo.

Esto puede parecer útil, y es un buen punto de partida, pero las “mejores prácticas” están diseñadas para llegar al mayor número de personas posible, lo que a menudo no tiene en cuenta las necesidades específicas de sus clientes. Su público no es todo el mundo. Están influenciados por motivaciones únicas y sostenidos por preocupaciones únicas. Es probable que usted tenga un sentido de estas motivaciones y preocupaciones y su intuición le llevará bastante lejos, pero la intuición está muy influenciada por su propia experiencia personal y no siempre será capaz de ponerse en el lugar de su cliente.

Por eso, los vendedores a menudo se apoyan en técnicas probadas para validar sus teorías y mejorar la conversión de los clientes. En el mercadeo en línea, una de las técnicas más utilizadas es la prueba A/B, una metodología que le permite mejorar sus enfoques de mercadeo de manera constante y con confianza.

Entonces, ¿qué es la prueba A/B?

Una prueba A/B, también llamada prueba de división, es una forma de comparar cómo dos versiones diferentes de un activo de marketing se desempeñan con una audiencia. En el marketing digital, los clientes están expuestos a muchos activos diferentes que (con suerte) les animarán a comprar. Estos pueden ser anuncios, correos electrónicos, páginas de aterrizaje, anuncios de banner, flujos de incorporación, formularios o carros de compra. Las pruebas A/B pueden utilizarse para descubrir cómo los cambios creativos en estos activos, como las nuevas copias o imágenes, afectarán a las tasas de conversión.

Las pruebas A/B funcionan dividiendo una audiencia existente en dos grupos y presentando a cada grupo una versión diferente de un elemento creativo como una página de aterrizaje o un banner publicitario. Al grupo A, que actúa como grupo de control, se le muestra el creativo actual, mientras que al grupo B, el grupo de tratamiento, se le muestra la variante.

Uno de estos anuncios de Facebook fue claramente más exitoso que el otro. ¿Es el que habrías adivinado?

¿Cómo creo un test A/B?

Si esta es su primera experiencia con las pruebas A/B, su principal obstáculo será el desafío tecnológico de dividir su audiencia al azar. El énfasis aquí está en el “azar”. Si dividieras tu audiencia por ejemplo por género y mostraras una versión diferente de la página de aterrizaje a cada grupo, obtendrías resultados influenciados más por la audiencia que por el cambio que hiciste en la página de aterrizaje. Como regla, quieres que los dos grupos se parezcan lo más posible.

Necesitarás diferentes herramientas para dividir tu audiencia dependiendo de lo que quieras probar. Los vendedores de publicidad y de correo electrónico (como Facebook y Mailchimp, respectivamente) suelen tener herramientas incorporadas en sus plataformas que puedes utilizar para dividir las audiencias. Para probar la creatividad in situ, como las páginas de destino o los cambios de embudo, necesitarás un conjunto diferente de herramientas más sofisticadas. En la agencia online han usado Optimizely y Unbounce con éxito. Google Analytics también tiene una útil herramienta gratuita. Estas herramientas te permiten tener dos versiones separadas de la misma página web funcionando al mismo tiempo, y mostrarlas a diferentes visitantes al azar, para que puedas ver cuál es mejor para hacer que la gente haga lo que tú quieres que haga.

Google analytics puede ayudarte a dividir tu audiencia en dos grupos.

Una vez que sepas cómo dividir tu audiencia, es hora de definir tu experimento. ¡Esta parte necesitará algo de paciencia y atención! Como la mayoría de las pruebas, el mejor punto de partida será su hipótesis, que es simplemente su predicción de los resultados de la prueba (y la razón por la que está realizando la prueba en primer lugar). Su hipótesis debe ser específica y relacionarse directamente con sus objetivos, siguiendo una fórmula “si ____ entonces ____”.

Un ejemplo podría ser: “Si la página de aterrizaje incluye una imagen de un héroe, entonces la tasa de llenado del formulario de recolección de plomo aumentará”.

Con una clara hipótesis en mente, ahora es el momento de hacer un poco de matemáticas. Es fácil mirar los resultados después de un día y decir, “Oh, la nueva versión lo hizo mejor. ¡Hurra!” Pero si quieres probar numéricamente tu hipótesis, tendrás que asegurarte de que el tamaño de la muestra es lo suficientemente grande como para poder decir que el levantamiento no fue un resultado del azar. Puedes determinar cuánto tiempo necesitarás para hacer una prueba para alcanzar una significación estadística haciendo lo que se llama un análisis previo a la prueba. Herramientas en línea como ésta lo hacen fácil.

Guías de pruebas A/B como esta pueden guiarte a través de un análisis previo a la prueba.

Aquí hay un ejemplo: imagina que actualmente recibes 2000 visitas a tu página de destino cada semana y que tu tasa de finalización actual es del 2%. (Este es su control, agradable y simple.) Si la variante con nueva copia e imágenes obtiene un aumento del 50% (lo que significa una tasa de finalización del 3%), entonces usted será capaz de obtener un resultado estadísticamente significativo dentro de 2 semanas. En comparación, si el levantamiento es sólo del 25%, entonces tomará 6 semanas para alcanzar la significación. Esto se debe a que es más difícil medir un pequeño cambio que un gran cambio, y requiere una mayor población de visitantes para hacerlo.

Ahora, ¿qué hago con los resultados?

Has dividido tu audiencia y creado tu hipótesis, ahora puedes empezar la prueba A/B. La mayoría de las herramientas te permitirán seguir el progreso mientras se realiza la prueba y con suerte podrás ver una versión que funcione mejor que la otra. Si la mejora es obvia, puede incluso ser capaz de terminar el experimento antes de tiempo. Pero, ¿y si ocurre lo contrario?

Captura de correo electrónico

vs. botón CTA

Digamos que estás probando una página de aterrizaje con colección de emails contra una simple llamada a la acción. Basándose en su tráfico semanal, esperaba mostrar un aumento del 25% después de 6 semanas. Pero han pasado 6 semanas y sólo has visto un 10% de mejora. Ya que es más difícil tener confianza en un cambio más pequeño, necesitarías hacer la prueba durante 32 semanas al ritmo actual para conseguir una muestra de audiencia lo suficientemente grande para tener confianza en el 10% de mejora.

A menos que esta sea una página de aterrizaje muy importante, es demasiado tiempo para esperar. En casos como este, es importante reconocer que la diferencia es demasiado pequeña como para probarla fácilmente y es mejor que gaste su tiempo y energía en una prueba que tenga un mayor impacto.

 

Puedes probar algo más que la creatividad. Aquí probamos si nuestros clientes estaban más interesados en una promoción de descuento o una actualización.

Enjuague y repita

Mascota de unicornio enjabonado por 3AM3I

Las mejoras de las pruebas A/B son iterativas, lo que significa que debe aprender continuamente más sobre sus clientes con cada prueba. Cada test A/B te acerca a entender qué les motiva a comprarte y, lo que es igual de importante, qué les aleja.

A medida que continúe con la prueba A/B, podrá formar hipótesis más informadas e identificar más pruebas de impacto para ejecutar, lo que llevará a una base de clientes más amplia y ¡feliz!

admin

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Publicar un comentario