Testing A/B: una herramienta para maximizar el rendimiento

Compartir en:

En los tiempos desafiantes que corren es más relevante que nunca maximizar el rendimiento de cada acción de marketing.

Una de las herramientas para ello son los test A/B –o A/B testing- que consisten en probar 2 variantes de algún elemento de marketing, comparar su funcionamiento y la respuesta de los usuarios y aplicar los resultados en una versión definitiva. Es bastante popular para diseñar y lanzar landing pages y campañas de emailing.

Se trata de una metodología sencilla de utilizar, que requiere de organización, constancia y disciplina. Considera la creación de dos versiones del mismo contenido que varían solo en un elemento, se lanzan ambas a la vez, mostrándose  de forma aleatoria a los usuarios, y se comprueba cuál de las dos obtiene mejores resultados al comparar las métricas. El objetivo es identificar cambios pequeños y accionables que se pueden ir aplicando para conseguir mejores resultados cada vez. En otras palabras, se puede comprobar qué versión genera más clics, suscripciones, ventas, etc.

¿Cómo nació esta metodología?

El A/B testing no es un concepto nuevo, y existía antes del nacimiento de Internet, ya que consiste básicamente en comparar dos versiones de algo para ver cuál de las dos es más efectiva. El biólogo británico y estadístico Ronald Fisher fue el primero en introducir esta idea a través de las matemáticas en los años ’20, con la que mostraba cómo analizar las diferencias entre dos experiencias distintas de una forma científica. Su trabajo resultó ser todo un logro en el mundo científico. Unos años más tarde, el principio del A/B testing empezaría a usarse en ensayos clínicos.

Recién en la década de los ‘60 se empezó a aplicar en el ámbito del marketing y, tal como lo conocemos en la actualidad, desde los ‘90. Medios, páginas de lead generation y sitios de ecommerce son frecuentes usuarios de esta metodología.

Tipos de test A/B

Dependiendo del elemento que se probará o el objetivos del test, existen diferentes posibilidades:

Test A/B: el más usado y clásico. Muestra dos variaciones de una misma página a los usuarios de la web, y ambas variaciones cuentan con la misma URL.

Split test o test por redirección: otro de los tipos más usados y comunes. Consiste en crear dos variaciones, cada una con una URL diferente, y mostrarlas al tráfico del sitio web. Suelen ser los más adecuados cuando se hace un rediseño de la página completa.

Test multivariante o MVT: mide el impacto de cada una de las distintas modificaciones que se realizan en una página. Por ejemplo, una versión B de la página en la que cambie un banner, el color de un texto y la organización de algunos elementos al mismo tiempo. Gracias a este tipo de test, se puede ver el impacto de cada una de esas modificaciones en el resultado final. Este tipo de test son más avanzados, aunque no demasiado complicados de configurar.

Aplicando la metodología con Google Analytics

La popular herramienta Google Analytics permite hacer test A/B. ¿Cómo? En la sección de Contenido > Experimentos de esta herramienta, se deben seguir estos pasos:

  • Definir el experimento: decidir qué página se va a probar y cuál es el primer elemento que se va a modificar. Generalmente, la manera sencilla de crear las dos versiones de la página es hacer un duplicado y cambiar solo el elemento que se quiere testear. Se puede comparar una página en funcionamiento y una nueva versión, o bien crear una página con dos variantes desde cero.
  • Establecer las opciones del experimento: se pueden configurar varios aspectos del test: objetivo, porcentaje de visitantes incluidos en el experimento, tiempo durante el que estará activo o incluso el nivel de confianza de los resultados.
  • Listo para lanzar. Cuando se publique el experimento, los usuarios verán alguna de las dos alternativas, adjudicada al azar. El visitante nunca sabrá que es parte de un test. Si vuelve a visitar la página y tiene la cookie en el navegador, se le mostrará siempre la misma versión.
  • Analizar los resultados. A medida que se produzcan visitas, Analytics irá almacenando los resultados. Cuando se requiera, se podrán comprobar las métricas de ambas versiones y ver cuál es la que funciona mejor.

Asociación Nacional de Avisadores Chile