Test A/B y test multivariantes: Qué son y para qué sirven

test A/B

Si quieres optimizar tus proyectos de marketing digital y aprovechar al máximo todo tu presupuesto, los test A/B son una herramienta muy potente. En este post, vamos a ver en qué consisten, cuál es su función dentro de un proceso de analítica digital y veremos también un supuesto práctico para ejemplificar y entender cómo funcionan. ¿Me acompañas?🚀

Para comprender qué son los test A/B y qué tipo de información podemos validar con ellos, es indispensable que entendamos qué significa el modelo de diseño basado en datos y cuál es el procedimiento por el que puede ayudarnos a optimizar sitios web, apps, o incluso publicaciones en redes sociales.

¿Qué es el diseño basado en datos?

Podemos definir de una manera generalizada, que el diseño basado en datos son todas aquellas decisiones sobre cómo debe ser un sitio web, los correos electrónicos, el contenido en redes sociales, el contenido en vídeo, los podcasts…basándonos en la información que recogemos de la actividad de nuestros usuarios.

El diseño basado en datos, por tanto, hace referencia a crear o modificar los contenidos en base a los datos analíticos que recibamos del tráfico de los usuarios.

Proceso de analítica digital

Si estudiamos cualquier proceso de analítica digital, nos encontraremos con una situación bastante común: Primero, realizar un estudio analítico del contenido que estemos analizando y que estará dividido en dos partes bien diferenciadas:

  • Análisis cualitativo: Hace referencia a la experiencia de los usuarios y al proceso por el cual éstos interactúan con nuestro sitio web.
test a/b

Estos dos aspectos, tanto el cualitativo como el cuantitativo nos pueden dar sugerencias de mejoras de algunos de nuestros contenidos o servicios digitales para los cuales podemos realizar una hipótesis de mejora. Si hay algún punto que podamos cambiar y que va a funcionar mejor, lo hacemos a través de un prototipo, es decir una variación de lo que teníamos originalmente y que vamos a testear para medir la interacción de los usuarios para ver si ha mejorado o no. En caso afirmativo, implementaremos definitivamente el cambio.

Este proceso de estrategia analítica, se realiza prácticamente en cualquier tipo de actividad dentro de esta rama del marketing digital y por supuesto, también en los test A/B.

¿Qué son los test A/B?

Los test A/B, son una comparativa entre dos versiones de un mismo elemento. En realidad, se trata de una herramienta muy sencilla desde el punto de vista conceptual o teórico. Para entender mejor este concepto, lo más fácil es hacerlo a través de un ejemplo práctico.

Supongamos el siguiente caso: Tenemos una landing page dentro de nuestra tienda online y en ella tenemos un botón de “Comprar Ahora”. ¿Cómo podríamos conseguir que más gente haga clic en el botón de comprar?

test A/B

Respecto a este botón, si observamos que tiene un porcentaje de clics bajo para nuestros objetivos de conversión, podríamos realizar una hipótesis en la que definiríamos, por ejemplo, que el color no es lo suficientemente llamativo y por lo tanto, pasa desapercibido para el usuario.

Llegados a este punto, podríamos diseñar un prototipo, una segunda versión con un color más llamativo y a partir de aquí realizar un trabajo de testeo:

test a/b

A la hora de realizar el testeo, podemos enviar la mitad del tráfico, es decir un 50% a cada uno de los botones. Este porcentaje no tiene por qué ser de un 50% exactamente, podríamos ajustarlo como quisiéramos, pero para hacer el test A/B más efectivo y en un menor tiempo posible, lo dejamos al 50% cada uno.

El siguiente paso que tendríamos que realizar, es crear una matriz donde recogeremos los datos analíticos de cada una de las opciones y ver cual de ellas es la más eficiente.

Podríamos establecer por tanto, tres KPI’s analíticas como son las visitas, los clics y el CTR. Tras dejar pasar un período de tiempo en el que aplicaremos el test A/B para cada botón, tendríamos el siguiente supuesto que se muestra en la imagen:

test a/b

Observamos que botón A ha recibido 2436 visitas y el botón B, 2298 visitas. Aquí podría surgirnos una duda en lo que a la distribución de tráfico se refiere, y es que si hemos derivado la mitad de tráfico a cada uno: ¿Por qué no tenemos exactamente el mismo número de visitas en los dos botones?

Para contestar a esta pregunta, tenemos que tener en cuenta que cuando un usuario entra en el sitio web y ve una de las opciones, queda registrado en el dispositivo con una cookie de seguimiento para que cada vez que entre vea siempre la misma opción. De tal manera que, si para la opción A tenemos usuarios que son más recurrentes, que visitan más a menudo la página web, aunque la herramienta de test A/B haya dividido a la mitad el número de usuarios, puede que el número de visitas varíe porque estos entran más frecuentemente y siempre ven la opción A, por lo que las visitas totales pueden verse modificadas.

En base a estas visitas del supuesto, tenemos los siguientes valores de clics:

test a/b

Para el caso de este ejemplo, observamos que la opción B pese a recibir un menor número de visitas, el número de clics es mayor, por lo que a priori sería la más interesante. Sin embargo, podría suceder que la opción B tuviera mayor número de visitas y de clics pero no fuera tan eficiente, por lo que sería necesario disponer de un valor de referencia que nos permitiera comparar ambos casos con una estimación porcentual. Esto se consigue con el CTR.

El CTR o Clic Through Rate es la tasa de clics que recibe cada uno de los botones, y se mide en tanto por ciento. Para el caso de nuestro supuesto:

test a/b

El CTR de la opción A es de un 7,9% y el de la opción B de un 8,9%. Aun habiendo un punto de diferencia entre un %CTR y otro, podríamos suponer que la segunda opción sería la ganadora ya que justificaría esta elección por la diferencia de porcentaje.

Para calcular el %CTR lo hacemos con una sencilla regla de tres. Para el caso de nuestro supuesto:

Si para la opción A hemos recibido 2436 visitas y 193 clics, ¿Cuántos clics necesitaremos para cada 100 visitas? La respuesta es: 7,9%.

La fórmula del cálculo del CTR es la siguiente:

CTR = (nº de clics x 100/ nº de visitas)

Por tanto, concluiríamos nuestro test A/B, eligiendo la opción B como opción con un mayor rendimiento frente a la opción A.

Podríamos incluso hacer un poco más complicado el test A/B y añadir una nueva hipótesis de mejora para nuestro botón inicial.

Nueva hipótesis: El color no es lo suficientemente llamativo y/o el tipo de letra no es el adecuado.

En este caso, podríamos crear un prototipo con versiones combinadas con un nuevo color y un tipo de letra diferente, tal y como se muestra en la imagen:

test a/b

Esto representa un problema a nivel de test A/B, ya que si pusiésemos en marcha la opción A y la opción B de este segundo caso, y viésemos que la opción B es la ganadora, no podríamos saber si es la ganadora porque el color convierte mejor o porque la tipografía convierte mejor. Es decir, tendríamos dos factores variantes que no controlaríamos.

Con el objetivo de solucionar este problema, crearemos varios elementos intermedios:

test multivariantes

En este caso, tenemos un 25% de tráfico para cada una de las cuatro opciones( recordemos que en el caso anterior, repartíamos el tráfico en un 50% para cada botón). Lo que va a suceder es que el test A/B se alargue en el tiempo para conseguir un número suficiente de clics que nos permita comparar de forma eficaz el rendimiento de cada uno de los botones. Es decir, cuantas más opciones tenemos, más se divide el tráfico y por tanto más se alargan los tiempos de testeo. A este tipo de test de le denominan test multivariantes.

¿Qué son los test multivariantes?

Los test multivariantes combinan distintas variaciones para ver cómo interactúan entre sí. Al existir múltiples combinaciones, los test multivariantes son muchos más complejos de realizar, en el sentido que requieren mucho más tiempo de evaluar y sus tiempos de testeo se ven incrementados en gran medida en función de las variantes que tengamos en nuestro análisis. Para el caso de nuestro supuesto anterior, tenemos cuatro opciones para sacar todas las combinaciones posibles de tipografía y color con el incremento de medición de las métricas de visitas, clics y %CTR que supone calcular para cada caso.

Por último, vamos a hacer un repaso de los 6 elementos que necesitamos para hacer un test A/B de manera eficaz.

¿Qué necesitamos para hacer un test A/B?

  • Un objetivo: En primer lugar necesitaremos un objetivo de mejora, algo que creemos que sea susceptible de mejorar implementando una variación.
  • Una hipótesis de mejora: Qué es lo que vamos a cambiar para alcanzar ese objetivo.
  • Una alternativa o prototipo. A partir de la hipótesis generada crearemos una alternativa o prototipo para trabajar la variación.
  • Implementar el test: Puesta en marcha de la prueba una vez tengamos realizados los pasos de análisis, hipótesis y prototipo.
  • Tráfico: flujo de usuarios que nos permitirá realizar el test y sacar conclusiones de las alternativas posibles.
  • Medir y comparar los resultados: Sería el final y el comiendo del proceso y culmina la prueba A/B con un resultado concluyente.

Como vemos, crear test A/B y test multivariantes nos permitirá optimizar procesos en nuestro sitio web y con resultados mucho más efectivos, lo que supone una ventaja cuantitativa y cualitativa en nuestras estrategias de marketing digital.

¿Te ha gustado el artículo? Si es así, compártelo🌟 en tus redes sociales y suscríbete✍ al boletín de newsletter para recibir más contenido como este.¡Hasta la próxima!👋

SUSCRÍBETE AL BOLETÍN DE NEWSLETTER

¿Te ha gustado el artículo?
Votos: 1 Promedio: 5
¡Comparte en tus redes sociales!