¿Qué es un test A/B?

Un test A/B tiene una premisa muy sencilla, muestra una web al 50% de tus usuarios y otra al otro 50%. De esta forma, puedes analizar la mejor versión. Sin embargo, bajo esta premisa se esconden intrincados mecanismos, en este post revisaremos los aspectos más importantes de todo buen test A/B.

¿Por qué hacer un test A/B?

Un test A/B es una herramienta muy potente para todo negocio digital, de hecho, es algo que sin importar tu tamaño ya deberías estar haciendo.

— Pero ¿Por qué? ¿Por qué debería de hacerlo?

Pues por optimización, por rentabilidad y por aumentar tu caja a final del mes ¿Suena bien, eh? Pues eso es lo que perseguimos cuando realizamos cualquier test A/B.

Al poder probar cada apartado de tu página estarás optimizándola al máximo para que convierta a tus visitantes en tus clientes.

Esto no es un secreto guardado que los más sabios marketers llevan escondiendo durante eones y que aquí os desvelamos, es algo que toda gran empresa hace pues son conscientes del gran potencial que nos brinda a todos los negocios con presencia en internet.

Sin embargo, esto no es magia, todo depende de que testemos, pues no tiene la misma importancia la posición de un botón de comprar que la tipografía de un título. Pero tal vez, una de las cosas más apasionantes de nuestra trabajo es que los resultados son completamente impredecibles puede la tipografía del título de una landing afecte mucho más de lo que cualquiera creería a simple vista.

¿Qué necesito para hacerlo?

— Vale, vale, me has convencido ¿Qué necesito para hacerlo?

Pues solo necesitas gente para que probar las variaciones de tu web. Si vienes de otros artículos o has comprobado otras fuentes probablemente te habrán dicho que necesitas un tráfico enorme para hacer A/B testing y que alcance «significancia estadística».

Pues, realmente no, no necesitas mucho tráfico para poder realizar un buen test A/B. Lo cierto es que lo importante son los resultados, no tanto la cantidad de personas que haya. Si modificamos el texto de un CTA puede que con muy pocas visitas veamos un cambio y tengamos la suficiente certeza para poder concluir que variante es mejor.

Tampoco podemos decir que con dos visitas diarias vayas a poder hacer gran cosa, simplemente, que no necesitas miles de visitas al día para poder hacer a/b testing.

Neil Patel, una auténtica eminencia en el marketing online, nos explica en su artículo porque no todo es cuestión de tráfico.

Aún así siempre quedan alternativas para aumentar el tráfico de una web si queremos realizar un test A/B, como puede ser un newsletter, una campaña en redes sociales o incluso siempre podremos recurrir al PPC o campañas publicitarias.

¿Qué puedo testear?

Pues aquí el límite es realmente a donde llegue tu imaginación. Si bien, lo más común es hacer un típico test A/B en un CTA o algún texto, puedes hacerlo en muchísimos más lugares y teniendo resultados igual o incluso más significantes.

Te dejamos algunas ideas:

• Landing pages (textos, títulos, tipografía)
• CTA (ubicación, tamaño, color, texto)
• Newsletter (Formato, tono, segmentación)
• Formularios (campos, diseño, posición)
• Imágenes

Estas son los clásicos del A/B testing y es que se pueden aplicar a tantos sitios como quieras y por el camino optimizar tu negocio y aumentar tus conversiones.

Elegir alguna de estas es tal vez un paso donde también más podemos atascarnos. Si este es tu caso te recomendamos siempre echar un vistazo al proceso que debe seguir un cliente hasta contratarte e ir detectando hipótesis por el camino que puedan ayudarte a mejorar el proceso.

¿Cuánto tiempo se necesita?

Pues los expertos en Google nos recomiendan siempre un mínimo de 2 semanas. Para poder así, observar el ciclo de una semana completa sin exponernos al error de una única semana.

También debemos de tener en cuenta la tan repetida en este mundillo: confianza estadística.

Si has estado investigando, tienes que estar cansado de escucharla, si no pues para eso estamos aquí.

La confianza estadística no es más que un número que nos indica cuan confiable es el resultado de nuestro test A/B y qué probabilidad hay de que este no sea el resultado del azar. Es decir, que el resultado sea producido por la variación y no por el mero azar.

La confianza estadística es eso, un número, y por tanto no podemos basarnos solo en ella para dar por válido nuestro test A/B. De hecho, este pensamiento es muy habitual entre los menos leídos en este mundo que fían completamente sus tests a este número.

Nada más lejos de la realidad, hay también muchos otros factores a tener en cuenta que pueden alterar nuestros resultados como problemas técnicos, la distribución normal o la muestra aleatoria. Conceptos estadísticos un poco más avanzado y que explicaremos en futuros posts.

Si prefieres centrarte en tu negocio y no quieres ponerte a aprender estadística para hacer tests A/B, puedes dejarlos en nuestras manos y nosotros nos ocuparemos de ello.

¿Cómo empiezo?

Tras toda esta parrafada tal vez te estés preguntando: ¿Cómo empiezo a realizar tests A/B?

1. Identificar hipótesis

El primer paso es ponerte manos a la obra y anotar en algún sitio, un bloc de notas, un documento o si prefieres hacerlo como un verdadero profesional usa una hoja de cálculo ;)

Apunta lo siguiente, recuerda ser conciso esto no es más que un banco de ideas:

• Qué es lo que vas a testear
• El momento en el que está (si es solo una idea, si está planeado o si está en marcha)
• La métrica que definirá el experimento (la apertura de un correo, la tasa de clic, la tasa de rebote..)
• Cuál es tu predicción para esa hipótesis.
• Calificación PIE

Todo bien hasta que llegamos a la calificación PIE, este va a ser un número que nos ayudará a definir que experimentos vamos a llevar a cabo pues de alguna manera hay que priorizarlos ya que no podemos (o no debemos) hacer más de uno en el mismo sitio.

PIE, es el acrónimo de Potencial, Importancia y Ejecutabilidad y la calificación PIE es un promedia de estas 3. De tal manera, que priorizaremos cada experimento según este promedio.

2. Puesta en marcha

Una vez identificado el experimento que queremos llevar a cabo es hora de ponerlo en marcha. Para ello debemos de diseñar que queremos probar en nuestro test A/B, si es el color de un botón es fácil pero si es el estilo de redacción de un texto hay que ponerse manos a la obra…

Con esto ya tenemos dos variaciones: la variación de control que deberá ser lo que ya tenemos actualmente y sabemos como estaba funcionando (versión A) y la versión B que es lo que queremos probar en nuestro test A/B.

Teniendo claro nuestras dos variaciones que queremos probar, y por qué los tests A/B se llaman así (que sorpresa ¿Verdad? :p), es el momento de hacerlo. Así que llegamos al paso donde hay que elegir una tecnología.

El problema (o ventaja) de este punto es que hay realmente infinidad de productos en el mercado. Desde los ofrecidos por Hubspot o VWO para grandes empresas hasta los plugins para WordPress como Nelio A/B Testing o los servicios que te pueden ofrecer tu plataforma de email marketing.

3. Análisis

Esta es tal vez la parte más crítica de todo test A/B. Una vez puesto en marcha empezaremos a recopilar datos de nuestros usuarios, deberemos de prestar atención a la estadística que intentaremos mejorar en nuestro test y a la cantidad de personas que han pasado por él.

Si bien, casi todas las herramientas de tests del mercado utilizan un stop automático o te invitan a modular tu test según a la confianza estadística o también pueden mostrarlo como «probabilidad de que sea la mejor», esto es estadísticamente erróneo.

Debes de fijar de antemano el tamaño de la muestra que será sometida al test A/B, y solo entonces cuando el test haya alcanzado esta muestra se deberá de deliberar acerca de los resultados. Ni antes, ni después ya que estaríamos tirando por tierra el sentido de la confianza estadística, aunque por desgracia muchas herramientas y profesionales hoy en día ignoran esto.

Alternativas a esta opción, son otras más complejas como el A/B testing secuencial o incluso el A/B testing con metodología bayesiana. Alternativas mucho más complejas y que nosotros no recomendamos a aquellos que no posean algunas bases de estadística.

4. Implementación de las mejoras

¡Ya hemos terminado nuestro test A/B! Siguiendo estos pasos tendremos podemos llegar a tres posibles resultados:

1. Nuestra hipótesis es correcta, hora de aplicar la variación a la web.
2. Nuestra variación de control ha resultado la mejor.
3. No ha habido diferencia significativa en el resultado.

En el primero de nuestros casos la solución es fácil, hemos testeado y confirmado nuestra hipótesis y ahora solo tenemos que aplicarla.

En el segundo y tercer caso nuestra hipótesis era errónea, así que es momento de analizar por última vez un poco más (la última vez, lo prometo). En el segundo caso, hemos demostrado que si bien la hipótesis no es correcta sí que a nuestros clientes afectan el punto que hemos tocado. Así que es momento de volver un poco más arriba en el post y realizar otro test A/B para tocar justo lo que acabamos de hacer pero de forma diferente.

En el tercer caso, podemos concluir que aquello que hayamos tocado no afecta realmente a nuestros usuarios y por tanto, debemos de pasar a la siguiente hipótesis.

Sin importar el resultado que sea, el último paso del A/B testing es siempre ponerse manos a la obra con el siguiente ¡Tu negocio te lo agradecerá!