20.4: Diseño de pruebas
- Page ID
- 67690
Para diseñar pruebas con éxito, necesitas saber qué puedes probar, cómo puedes probar y qué tipo de períodos de tiempo estás buscando para realizar las pruebas. Si es la primera vez que realiza la optimización de conversiones, debe comenzar con pruebas simples y rápidas, para tener una idea del proceso antes de embarcarse en pruebas más complicadas.
Tipos de pruebas
Cuando hablamos de optimización de la tasa de conversión, generalmente nos referimos a ejecutar pruebas divididas. Una prueba dividida es aquella en la que mostramos diferentes versiones de una página web a grupos de usuarios y determinamos cuál ha funcionado mejor.
Podemos ejecutar pruebas A/B. Aquí cada versión que se está probando es diferente de todas las demás. Las pruebas A/B siempre implican solo dos versiones de lo que se está probando: la original y una alternativa.
Las pruebas A/B son ideales para una incursión inicial en la optimización de la conversión, ya que pueden ser fáciles de configurar. Si estás ejecutando solo una alternativa y la original, también puede significar que obtengas un resultado más rápido. Al realizar pruebas A/B, solo debe cambiar un elemento a la vez para que pueda aislar fácilmente qué impacto tiene cada factor en su tasa de conversión.
También podemos realizar pruebas multivariadas, a veces denominadas MVT. Aquí, se prueban varios elementos de una página para determinar qué combinación da los mejores resultados. Por ejemplo, podemos probar titulares alternativos, copia alternativa y botones alternativos de llamada a la acción. ¡Dos versiones de tres elementos significan que estamos probando ocho combinaciones!
Las pruebas multivariadas pueden ser más complicadas de configurar, pero permiten probar más elementos a la vez. Las pruebas multivariadas son ideales cuando se tienen grandes volúmenes de tráfico. Si los volúmenes de tráfico no son muy altos, puede llevar mucho tiempo llegar a un resultado estadísticamente significativo, especialmente si se están probando muchas combinaciones.
Longitud de las pruebas y tamaño de la muestra
Varios factores determinan qué pruebas puedes realizar. Cálculos relativamente simples te ayudan a determinar cuánto tiempo es probable que tome una prueba, que se basa en el número de participantes así como la mejora en la tasa de conversión. Hemos incluido algunas calculadoras de tamaño de muestra en Herramientas del oficio, en la sección 20.6 de este capítulo.
Número de participantes
El número de participantes en la prueba está determinado por cuántos usuarios ven realmente la página que se está probando, así como qué porcentaje de tus clientes potenciales quieres incluir en tu prueba.
El número de usuarios que ven la página que se está probando puede no ser el mismo que el número de visitantes a su sitio web. Deberá usar sus análisis de datos para determinar el número de usuarios que ven esa página específica. Por supuesto, si estás ejecutando campañas publicitarias para dirigir el tráfico a la página que se está probando, siempre puedes gastar un poco más de dinero para aumentar el número de usuarios que llegan a esa página.
También desea determinar qué porcentaje de usuarios participarán en la prueba. En una simple prueba A/B, si incluyes al 100% de tus visitantes en la prueba, el 50% verá la versión A y el 50% verá la versión B. Si incluyes solo el 50% de tus visitantes en la prueba, esto significa que el 25% de tus visitantes generales verán la versión A, y el 25% verá la versión B. Incluyendo el 100% de tus visitantes darán resultados más rápidamente. Sin embargo, puede que te preocupe que tu versión alternativa pueda funcionar peor, y no quieras comprometer demasiado tu rendimiento.
Cambio en la tasa de conversión
Si bien esto no es algo que sabrás por adelantado, el cambio porcentual en la tasa de conversión también afecta la duración de una prueba. Cuanto mayor sea el cambio, más rápidamente se puede tomar una decisión estadísticamente significativa.
Número de variaciones
Cuantas más variaciones tengas, más tiempo tardará en determinar qué combinación funciona mejor.
Estos factores se pueden usar para calcular el tiempo sugerido para que se ejecute una prueba. Hay varias calculadoras en línea que hacen esto por ti. Una buena para probar es esta, ofrecida por Visual Website Optimizer: visualwebsiteoptimizer.com/ab-splittest-duration.
Por lo general, es preferible probar cambios o variaciones más grandes, en lugar de cambios muy pequeños, a menos que tengas una audiencia muy grande.
Diseñando para el análisis
El propósito de ejecutar pruebas es mejorar el rendimiento. Para ello, analizas tus resultados frente a lo que esperabas encontrar y luego eliges la opción que mejor funcionaba. Esto suena sencillo, pero ¿cómo sabes lo que cuenta como lo suficientemente mejor para garantizar un cambio? ¿Es un clic más que la otra opción, tres clics más, o uno debería funcionar 25% mejor que el otro? También hay que pensar en el azar: ¿qué tan seguro está de que las diferencias en sus resultados no fueron solo coincidentes? Estas pueden ser preguntas complicadas.
Para determinar qué opción en su prueba dividida le fue mejor, establezca parámetros y evalúe la significancia estadística de sus resultados. En estadística, creamos una hipótesis nula. Para las pruebas divididas, la hipótesis nula es que no hay diferencia entre el desempeño de las dos opciones y cualquier diferencia registrada se debe al azar. Luego usa estadísticas para calcular el valor p, que muestra si la diferencia probablemente se debió a la casualidad (o no). Si la diferencia es significativa, probablemente no se deba al azar. Generalmente, para ser significativo, el valor de p debe ser menor o igual a 0,05, lo que indica una probabilidad menor al 5% de que la diferencia en el desempeño entre las dos opciones se debió a la casualidad.
No es necesario poder realizar los cálculos estadísticos complejos. Herramientas prácticas como la calculadora de significancia de prueba dividida de VWO harán esto por usted. Todo lo que tienes que hacer es ingresar el número de usuarios que visitaron tu versión de control y el número de conversiones, así como el número de usuarios que visitaron la variación y el número que convirtió. Luego, la calculadora proporciona su valor p y establece si su prueba es lo suficientemente significativa como para cambiar a la variación. Puedes encontrar la calculadora aquí: https://vwo.com/ab-split-test-signif...ce-calculator/
Al diseñar sus pruebas, es importante considerar la hipótesis nula y establecer los parámetros de significancia. Al tener en cuenta estos aspectos, desarrollarás pruebas que permitan un análisis más claro y sencillo, lo que hará que todo el proceso de pruebas sea mucho más efectivo.