Una de las técnicas más utilizadas para trabajar el CRO (Conversion Rate Optimization) es el A/B testing. ¿En qué consiste? En desarrollar y lanzar dos versiones de un mismo elemento y medir cuál de las dos versiones funciona mejor. Es una de las mejores vías de optimización de la presencia online de un negocio. En el siguiente artículo, Javier Arenillas, Head of Analytics & CRO en Pompeii y profesor de Foxize, nos explica cómo funciona esta técnica, mucho más sencilla de lo que pueda parecer.
La complejidad de un test A/B depende de tus necesidades
Si no tienes conocimientos técnicos, seguramente cambiar el estilo de un botón te lleve mucho menos tiempo que jugar con la modularización de una página (priorizar los módulos que generan interacción y relegar a la parte inferior de la página aquellos que no la tienen, por ejemplo). Para este último necesitarás saber algo de Javascript.
De la misma manera, un test A/B no necesariamente tiene por qué tener una versión “control” (original) y una variación. Las variaciones pueden ser infinitas. Así, si creemos que aumentar la visibilidad de un call-to-action tendrá un impacto positivo en conversión, podemos recurrir a variaciones del CSS para modificar los estilos del botón: mayor y menor contraste, añadirle un borde al CTA, cambios de copys o literales, etc. Cuantas más variaciones o versiones del test tengamos, mayor será el tiempo que necesitemos para tener resultados consistentes.
Por otra parte, la segmentación puede ser más o menos compleja. Segmentar un test consiste en elegir a qué usuarios quiero impactar con una variación. Se me ocurren varios ejemplos, desde lo más sencillo a segmentaciones más complicadas:
- Quiero saber si metiendo un mensaje que recoja mi propuesta de valor (“Mejor precio garantizado”) aumenta la propensión a la compra de mis usuarios. Quiero que salga en todas las páginas, así que la segmentación será sencilla: se lo aplico a todos los usuarios y en todo mi dominio.
- Si quiero limitar ese trigger emocional a las fichas de producto, por ejemplo, tendré que crear una segmentación de página y es posible que tenga que recurrir a expresiones regulares.
- Si tengo un site de hoteles y quiero validar mi hipótesis “los alemanes dan mayor importancia a la gastronomía del hotel que a la situación del mismo, especialmente cuando me visitan desde dispositivos móviles” y voy a priorizar un módulo a otro para estos usuarios, tendré que crear una segmentación que limite mi test a Alemania y a móvil y tablet.
Recurrencia, número de visitas, número de páginas vistas en la sesión, dispositivos, fuentes de tráfico, geolocalización, variables del dataLayer… Las posibilidades de segmentación son infinitas en las herramientas de testing.
La importancia de una metodología en un proceso de testing
Sin embargo, es muy importante seguir una metodología importante a la hora de crear tests A/B: de nada sirve hacer cambios sin basarnos en un análisis previo y una generación de hipótesis. Por ejemplo, gracias a los datos sé que el buscador de mi e-commerce actúa como catalizador de conversión y sé que aquellas visitas o sesiones que buscan son más propensas a la compra. En este caso, mi hipótesis podría ser que “si aumento la visibilidad del buscador, aumentará el volumen de usuarios que lo utilizan. Y por tanto el ratio de conversión”. Será esta hipótesis la que validemos a través de las distintas variaciones de un test.
Los beneficios del A/B testing para un e-commerce
Optimizar nuestro negocio a través de tests A/B es muy importante porque tocamos diversas variables:
- Conversión: esta es la más clara, ¿verdad? Recuerda que cuando hablamos de mejorar la conversión no nos referimos necesariamente a aumentar los ratios de compra sino que podemos tener micro-conversiones (una suscripción a newsletter, por ejemplo).
- Decisión: los resultados tienen un rigor científico y podemos confiar en ellos para tomar decisiones de manera más ágil y segura.
- Economía: si tengo una hipótesis y realizo un test A/B para validarla antes de subir a producción la versión ganadora, tendré la certeza de que el “nuevo diseño” funciona mejor que el original. Pero a lo mejor no es así y me puedo evitar invertir en un desarrollo con el que no iba a obtener mejores resultados.
- Autonomía: relacionado con el anterior, el A/B testing es un proceso rápido que podemos hacer nosotros mismos, muchas veces sin necesitar la intervención de un recurso con conocimientos técnicos. Igual que ocurre al utilizar un tag manager o administrador de etiquetas, esa autonomía tiene un impacto directo en la agilidad con la que optimizamos nuestro negocio.
Si has analizado correctamente todos los datos verás si tus cambios han provocado un incremento en la conversión y, si así fuera, tomarás esa versión como la válida y enviarás todo el tráfico de cara a mejorar el ratio global. Sabiendo esto, ¿a qué esperas para empezar a testar y optimizar tu negocio?
Sobre Javier Arenillas
Head of Digital, Analytics & CRO en Pompeii. Responsable, entre otras áreas, de:
– Analítica digital, definición del plan de medición y seguimiento de indicadores clave y consecución de objetivos de los distintos equipos, identificando puntos clave de mejora en la conversión.
– Conversion Rate Optimization: optimización global del site a lo largo de todo el proceso de decisión del usuario (captación, navegación, conversión) trabajando con herramientas como Google Analytics, Google Optimize, Flocktory.
¿Dudas o preguntas? Nos tienes a tu disposición en el teléfono gratuito 900 701 159 o en alumno@foxize.com.