ab-testing-CTA

A/B Testing: en el camino hacia la conversión

Una pregunta frecuente que nos podemos hacer a la hora de buscar el crecimiento es ¿cómo puedo aumentar la conversión de mi producto / servicio? ¿qué debo cambiar para que aumente el ratio? El A/B Testing es una técnica que nos puede ayudar a responder a estas preguntas.

El concepto del A/B Testing es simple, pruebo con mis clientes dos opciones diferentes y me quedo con la que mejor funcione, siempre que alguna sea mejor que la otra claro 😉 Sin embargo, no se trata de ir cambiando aspectos de mi web al tuntún, detrás de la simplicidad del concepto, hay muchos detalles que hay que tener en cuenta para llevar a cabo el proceso correctamente. De hecho, según este artículo de Neil Patel:

Sólo 1 de cada 7 A/B test tiene realmente impacto estadístico en el producto Click Para Twittear

El objetivo del A/B Testing es mejorar la conversión de mi producto o servicio siguiendo un proceso que optimice la inversión realizada.

Los comentarios y el proceso de este post valen indistintamente para hacer A/B/n test o los Multivariate. En el fondo son muy parecidos ya que en ambos se prueban diferentes alternativas contra un grupo de control, sin embargo, en el A/B/n se prueba un aspecto sólo (por ejemplo, diferentes variaciones del CTA) mientras que en el Multivariate se realizan cambios en varios partes a la vez (como una copy, el CTA, el layout y el titular de una página) infiriendo después cuál o qué combinación de ellos tiene más impacto en la conversión.

Manos a la obra: hagamos un A/B Testing

La prueba puede ser aplicada a un botón (CTA), a un asunto de un correo electrónico, al titular de tu página web, al layout de la misma… cualquier cosa que impacte en el cliente. Adelante, aproximación clásica a la problemática:

“Probemos por ejemplo con el CTA principal de mi home (al fin y al cabo es donde los clientes convierten ¿no? y es lo que quiero mejorar ¿verdad?)… cambiemoslo de color… igual en azul pincha más gente… o quizá haciéndolo un poco más grande… o colocándole más a la izquierda…

Buff, creo que tendrá baja probabilidad de mejorar el producto realmente.

Bueno, quizá haya exagerado un poco, esto no suele pasar 😉 Vamos a hacer una aproximación más profesional:

“Después de analizar mi funnel de conversión veo que en la página de registro de leads, mi conversión con respecto a visitas es muy baja para mi sector. Vamos a hacer un A/B Testing en ese punto…

Mucho mejor, pero se puede mejorar. Te propongo estos pasos a seguir a la hora de realizar un A/B Testing de tu producto / servicio.

El proceso del A/B Testing

Primero, quisiera resaltar algo que puede parecer obvio pero que no siempre se tiene en cuenta.

Los Test A/B son decisiones de negocio, no se debe delegar en IT. Click Para Twittear

Se deben conocer perfectamente el producto, el cliente y el mercado para saber qué prueba puede tener más posibilidades de éxito y estos ámbitos no siempre son dominados por el equipo de IT.

La investigación

Antes de decidir que probar, hacemos lo comentado en apartados anteriores: ¿dónde encuentran mis cliente los mayores problemas a la hora de conseguir el producto o servicio que les ofrezco? Aquí Google Analytics es uno de nuestros mejores aliados, ¡¡qué gran herramienta!! En otro post contaré más detalladamente algunas cosas a tener en cuenta en la configuración de GA para sacarle su mayor potencial.

funnel-google-analytics

El siguiente paso es preguntar a los clientes. ¿Qué problemas están encontrando? ¿Qué les impide dar el siguiente paso del funnel? ¿No se entiende la copy? ¿El flujo no está claro? ¿No encuentran el CTA? ¿Les pedimos información que no están dispuestos a dar? Las respuestas de los clientes nos servirán para atinar más los problemas de ese paso del funnel y nos orientará sobre lo que debemos probar.

Por último, hay que entender bien cuál es el universo de dispositivos que acceden a nuestra aplicación. Debemos conocer resoluciones, versiones de navegador, tipos de dispositivo, SOs… Los cambios a realizar en las pruebas deben funcionar correctamente en todas las plataformas. En caso contrario, la veracidad de los resultados  del test puede verse afectada. Por ejemplo, si el test del nuevo formulario de registro de mi aplicación no funciona bien con el navegador Safari y este navegador ha sido predominante en una de las variantes del test, es muy difícil que gane a pesar que de quizá sea la que mejor convierta en igualdad de condiciones.

De los tres pasos anteriores saldrá un conjunto de propuestas de pruebas a realizar. Craig Sullivan nos propone una buena sintaxis en este post para  formular correctamente las pruebas de un A/B Test:
Simple Kit
    1. Because we saw (data/feedback)
    2. We expect that (change) will cause (impact)
    3. We’ll measure this using (data metric)
Advanced Kit
    1. Because we saw (qual & quant data)
    2. We expect that (change) for (population) will cause (impact(s))
    3. We expect to see (data metric(s) change) over a period of (x business cycles)
La priorización de las pruebas

Este paso es simple, pero muy relevante. Dado que no tenemos ni presupuesto ni capacidades infinitas y, además, debemos evitar solapar pruebas sobre los mismos pasos del funnel, es necesario priorizarlas. Yo os propongo priorizarla en función del tres factores (1-10):

  • Impacto esperado, esto lógicamente es una estimación pero tiene que ser comedida en reflexionada entre todo el equipo (1 bajo – 10 alto). Tener en cuenta que los test cuestan dinero, por el tiempo de desarrollo y por la merma de la conversión. Una forma de medir esto es establecer un valor monetario de cada test en función de que se tenga un éxito del 2%, 5%, 10% y 20%. Con esta matriz se puede estimar mejor qué test realizar y el impacto que podría llegar a tener.
  • La dificultad para llevar a cabo el test y el riesgo asociado (1 bajo – 10 alto).
  • Tiempo que llevará aproximadamente tener unos resultados relevantes. Uno de los problemas del A/B Testing es que tienes que tener mucho tráfico en tu web para poder tener resultados estadísticamente aceptables en un periodo de tiempo razonable. Tener en ejecución una prueba conlleva un impacto en la cuenta  de resultados de la compañía.

GoogleTestCosts

Existen herramientas gratuitas como VMO que ofrecen calculadoras del tiempo estimado necesario para la prueba.

Lanzar el test, al fin 😉 …

A la gente más operativa e inquieta le puede parecer un suplicio pasar por los pasos anteriores para lanzar un test pero a la larga los resultados que van a obtener van a ser mucho mejores.

Hay muy buenas herramientas como VMO o Optimizely que te facilitan el trabajo de probar páginas web usando Javascrip. Se basan en el concepto what-you-see-is-what-you-get (WYSIWYG) y son muy interesante porque otorgan mucha independencia de departamento de IT para poder realizar muchos ciclos de test.

Otro concepto interesante que quiero introducir en este punto es que los test deben ser diseñados para poder aprender lo máximo posible de nuestro clientes.

Una de las decisiones más importante es cuándo parar el test, cuándo hemos dado con una mejora significativa en nuestro producto / servicio. Para ello, se deberían dar dos circunstancias a la vez:

  • La diferencia entre las variantes tiene relevancia estadística (este valor lo calculan las herramientas de A/B Testing) y debería ser superior al 95%.
  • La prueba debe haber corrido al menos una semana y si en tu producto tienes ciclos de negocio, mejor 2 ciclos completos.

Y, por último, el análisis

Como hemos comentado anteriormente, cualquier A/B Test que hagamos nos tiene que proporcionar un mejor conocimiento de nuestros clientes. Por tanto, debemos preguntarnos siempre después de hacer un test: ¿Qué hemos aprendido del perdedor? ¿Qué hemos aprendido del ganador? ¿cuál es el valor de negocio que tendrá este cambio realizado?

Preguntarse también si el conocimiento adquirido con ese test puede expandirse al resto de la conversión o a otros productos / servicios similares que podamos tener.

Por último, no olvidar analizar los resultados de éxito en los sucesivos pasos del funnel de conversión porque quizá lo que parece muy prometedor en primeras etapas del funnel, no llega a serlo tanto en la cuenta de resultados.  Podemos haber hecho un cambio en la página de registro debido a un cambio de copy muy agresivo que hemos realizado, sin embargo, esos clientes que se han registrado se dan de baja al poco tiempo al no cumplir con las expectativas de la copy de registro.

¿Qué os ha parecido el proceso? ¿cuál es vuestra experiencia? ¿qué puntos de mejora veis? No dudéis en dejar un comentario 😉

2 comentarios en “A/B Testing: en el camino hacia la conversión

Deja un comentario