Cómo hacer un Sitio Web o Blog en 2024 - Guía fácil y Gratuita para Crear un Sitio Web

3 cosas que puedes olvidar antes de realizar pruebas A/B

“¡Hola! La herramienta de optimización acaba de mostrar que la nueva versión de nuestro sitio web generó una tasa de conversión más alta que la versión original, ¡con un 95 % de confianza! ¡El número demuestra que tenía razón al idear el nuevo diseño!”, declara el jefe de pruebas A/B a cargo de su empresa, con un 200 % de entusiasmo. Por supuesto, después de todo el tiempo y el esfuerzo invertidos en configurar y ejecutar la prueba, ¿quién no estaría emocionado de ver que las estrellas finalmente se alinearon? ¿O debería el jefe a cargo de las pruebas A/B contener su entusiasmo y revisar a fondo la configuración de la prueba antes de llegar a una conclusión?

¿Colocaste los cimientos correctamente?

Las pruebas A/B implican mucho más que simplemente “probar”, y sin sentar las bases adecuadas mediante una preparación exhaustiva, la información que obtenga de sus pruebas será limitada e incluso incorrecta. Para evitar desperdiciar recursos comerciales en pruebas no válidas que pueden llevar a decisiones equivocadas, asegúrese de hacer su tarea y realice lo siguiente:

1. Haz tu investigación

El primer paso es recopilar datos cuantitativos (es decir, analizando métricas en Google Analytics) y/o datos cualitativos (es decir, hablando con sus clientes) para identificar qué elemento de diseño se podría mejorar. Los resultados de su investigación le permitirán comprender mejor cómo se relaciona un elemento de diseño en particular con el comportamiento del usuario, lo ayudarán a generar ideas sobre variaciones de diseño e identificar en qué etapa del proceso de compra del cliente tendrá un impacto la variación de diseño.

2. Identifica tu meta y objetivo

¿Qué desea optimizar? ¿Tasa de conversión? ¿Porcentaje de clics? Con una larga lista de posibles métricas que puede rastrear, necesita identificar la crítica que se alinea con su objetivo. Por ejemplo, si desea aumentar la cantidad de suscriptores del blog, puede establecer el objetivo como la tasa de conversión que resulta de las diferentes variaciones del botón «Registrarse» (es decir, de suscriptores del blog que llegaron / de visitantes). Además, es posible que desee colaborar con otros miembros del equipo para determinar qué nivel de mejora en la métrica en cuestión se necesita para declarar que la versión de prueba es la «ganadora». Por ejemplo, ¿es un aumento del 10% en la tasa de conversión suficiente para que apueste todo por la versión de prueba? Por último, pero no menos importante, nunca pierda de vista su resultado final, especialmente si su sitio vende un producto o servicio. Por ejemplo, si la versión de prueba aumenta el tiempo promedio de los usuarios en el sitio, pero los ingresos obtenidos a través de los clientes que llegaron a su página de prueba son significativamente menores que los ingresos obtenidos de los clientes que llegaron a su página de control original, la opción inteligente es mantener la versión original.

🔥 Leer:  ¿Google acaba de actualizar su algoritmo? Las fuentes dicen que sí.

3. Formula tu hipótesis

Después de investigar e identificar lo que desea optimizar, es hora de formular una hipótesis sólida que permita que la prueba se ejecute de manera eficaz. Básicamente, una hipótesis es “una suposición o explicación propuesta hecha sobre la base de evidencia limitada como punto de partida para una investigación más profunda”. En este caso, su “evidencia limitada” son los conocimientos que recopila durante su investigación cuantitativa/cualitativa, y lo que desea “investigar más a fondo” es el efecto que la(s) variación(es) en su sitio web tiene sobre el objetivo que identificó en el paso 2. A continuación, se muestra un ejemplo de la hipótesis nula y alternativa:

La hipótesis nula: La diferencia en la tasa de conversión observada entre la versión A y la versión B se debe al azar. En otras palabras, la hipótesis nula establece que los resultados producidos por la versión de prueba y la versión de control son esencialmente los mismos.

La hipótesis alternativa: Los visitantes que llegan a la versión A tienen una tasa de conversión más alta que los visitantes que llegan a la versión B.

Una nota sobre la hipótesis nula y alternativa: Los ejemplos anteriores son muy básicos. Lo ideal sería incluir lo que hace de manera diferente para la versión de prueba como parte de la hipótesis para garantizar que los conocimientos que genere a partir de su investigación se puedan probar adecuadamente. Por ejemplo, puede ampliar la «Versión A» indicando que «la versión A tiene una Llamada a la acción que usa miedo a perderse algo como motivador”. Durante la etapa de prueba, recopila datos sobre los resultados producidos por la Versión A y B, lo que dará como resultado dos resultados: a) rechaza la hipótesis nula y acepta la hipótesis alternativa (lo que nos impulsará a implementar la Versión A en el sitio), o b) no rechaza la hipótesis nula (lo que nos impulsará a mantener la Versión B y explorar otras posibilidades de variación). Como puede ver, formar la hipótesis nula y alternativa es una parte integral del proceso de iteración en la generación de ideas. Además, es importante pensar en la hipótesis nula como «inocente hasta que se demuestre lo contrario», en la que solo aceptamos la hipótesis alternativa cuando podemos estar relativamente seguros de que la probabilidad de ver la diferencia en el efecto que obtenemos de la Versión A frente a la B (es decir, la tasa de conversión obtenida de la Versión A-tasa de conversión obtenida de la Versión B) debido al azar es pequeña. También tenga en cuenta que nunca puede probar o refutar una hipótesis basándose en la significancia estadística. Debido a que solo probamos nuestra hipótesis en una muestra en lugar de en toda la población (es decir, todos los posibles visitantes del sitio web), nunca podemos declarar con un 100% de certeza que A es mejor que B. Tenga en cuenta que puede haber falsos negativos o falsos positivos debido a la muchos matices que vienen con pruebas de hipótesis y significación estadística.

🔥 Leer:  Semana de la teoría de la conspiración: ¿Los dinosaurios nunca existieron?

El peligro de no formular una hipótesis antes de recopilar datos o realizar la prueba: Puede perder de vista qué probar debido a la cantidad de posibles variaciones que puede probar. Formular una hipótesis le permite centrarse en una suposición a la vez y puede ayudarlo a refinar su proceso de investigación para obtener mejores perspectivas. Más importante aún, puede verse fácilmente influenciado por los resultados finales de la prueba si no comprende completamente por qué una versión es mejor que la otra, y no podrá obtener información que pueda replicarse en otras partes de su sitio web o producto.

¿En resumen? No se salte el trabajo preliminar y póngase el sombrero de «científico de marketing» cuando realice pruebas de optimización de productos y/o sitios web. Aborde las pruebas con un enfoque científico: a.) investigue y haga una lluvia de ideas sobre variaciones que se basen en su investigación, b.) identifique objetivos medibles y prácticos, y c.) formule hipótesis comprobables. La inversión inicial puede ser mayor, pero con una base sólida, podrá obtener información valiosa sobre el comportamiento del usuario, iterar con confianza, optimizar su sitio web con un objetivo alineado y claro, lo que en última instancia beneficiará el resultado final de su empresa.