10 grandes errores que cometen los especialistas en marketing durante las pruebas divididas

Para que cualquier negocio funcione de manera efectiva, una parte importante es su análisis e investigación de marketing que muchos empresarios tienden a perder. La tendencia de la mera venta sin tener en cuenta lo que funciona y lo que no determina el crecimiento del sitio. Bloquea el requisito más profundo de una investigación de mercado intensiva y, como resultado, a la larga, se pierden clientes. La mejor manera de realizar una investigación de clientes es mediante pruebas divididas.

¿Por qué dividir la prueba?

El split testing o A/B testing, por definición, es un método para realizar experimentos controlados pero aleatorios con el objetivo definitivo de mejorar el tráfico del sitio web. Para hacerlo más simple, es la comparación de dos versiones de la misma página para determinar cuál es más efectiva. Idealmente, habrá solo una o dos diferencias entre las dos versiones para identificar la efectividad con precisión.

Se analizan acciones comunes como contenido, clics, completar formularios y compras para ver qué variante ofrece mejores resultados para un objetivo de marketing predefinido. Las metodologías de marketing comunes utilizadas son formularios de registro, páginas de registro, botones de llamada a la acción o una redirección a una página diferente. Está comprobado que incluso un cambio tan pequeño como actualizar una palabra en el CTA ha ayudado a aumentar las conversiones en un 77%. Esto demuestra la importancia de realizar pruebas divididas para mejorar la eficacia de sus campañas de marketing.

Por tentador que parezca, a veces se ve que los especialistas en marketing probablemente se quejan de obtener análisis falsos negativos o que ni siquiera pueden generar los datos adecuados. Si está desconcertado por las pruebas divididas, es probable que las esté realizando de manera incorrecta. Aquí hay una lista de los 10 errores más comunes que es probable que cometan los probadores junto con sus posibles soluciones.

Errores y correcciones que vale la pena conocer

Puede haber una multitud de errores cuando un evaluador intenta comprender un análisis dividido. Los más comunes se anotan a continuación.

1. Pruebas arbitrarias

El mayor problema que la mayoría de los probadores están obligados a hacer es realizar una prueba dividida sin una razón. Por ejemplo, puede que le preocupe probar el tamaño del botón de "llamada a la acción", en cuyo caso puede diseñar las variantes con un enfoque específico. Si está realizando una prueba dividida solo porque sí, absténgase ya que está a punto de ser condenado.

La solución: use el software de mapa de calor para descubrir las áreas potenciales que no están muy enfocadas o que no obtienen mucho tráfico. Realice una prueba dividida y formule una hipótesis primero. Ahora realice la prueba y asegúrese de realizarla durante la fase de tiempo adecuada, compare los nuevos conjuntos de datos del mapa de calor y analícelos. Sigue repitiendo hasta que obtengas resultados satisfactorios.

2. Cancelar la prueba antes de tiempo

Este es un gran error de novato que la mayoría de los evaluadores están obligados a cometer. Supongamos que su sitio conduce mucho tráfico y, por lo tanto, dentro de los 3 días posteriores a la prueba dividida, genera un 98% de confianza y alrededor de 250 conversiones por variación y realiza la prueba. Aquí es donde su prueba obtiene un resultado falso positivo ya que no ha tenido en cuenta el parámetro de estacionalidad, e incluso el día de la semana en que realiza la prueba puede generar una variación significativa en la curva de prueba.

La solución: otro parámetro importante para cualquier análisis estadístico es el tamaño de la muestra tomada. Para obtener resultados adecuados, asegúrese de tomar un tamaño de muestra lo suficientemente grande, a saber. 100 o 1000 conversiones. Un tamaño de muestra demasiado pequeño puede conducir a implicaciones erróneas.

3. Pruebas de elementos múltiples

El análisis de mapas de calor del sitio web puede sugerir que hay más de un área que necesita atención, sin embargo, realizar varias pruebas al mismo tiempo no termina en ninguna parte.

Siempre es mejor optar por el split test en lugar de uno multivariado. Esto se debe a que cuando realiza una prueba dividida en dos páginas que tienen diferencias en un solo parámetro, es fácil juzgar qué página funciona mejor.

La solución: Sin embargo, en el caso de las pruebas multivariadas, suponga que está probando cuatro páginas web diferentes con dos o tres parámetros diferentes. En ese caso, cuando obtiene los datos, no puede fijar el factor decisivo real. En tales ocasiones, debe comparar los datos de todas las páginas y también analizar la correlación entre diferentes parámetros.

4. Centrarse solo en las conversiones de tráfico

Cuando esté probando un parámetro en particular o un par de parámetros, asegúrese de estar profundamente arraigado en lugar de solo pensar a corto plazo. Esto significa que si ve que ciertos cambios están generando más tráfico en su sitio, no se deje llevar por la complacencia. Si el alto tráfico incluye clientes de baja calidad, esto eventualmente podría generar resultados negativos para su negocio.

La solución: Entonces, cada vez que opte por una prueba dividida, verifique su métrica de conversión, luego correlacione ese tráfico con clientes potenciales reales y vea cuántos generan clientes potenciales.

5. Optar por una hipótesis aleatoria o simplemente seguir ciegamente las prácticas de prueba dividida

Una prueba estadística no tiene significado sin una hipótesis adecuada. Entonces, antes de perder el tiempo realizando una prueba, asegúrese de tener una hipótesis adecuada. En caso de que no esté seguro de la credibilidad de su hipótesis, realice una investigación de mercado, analice los resultados para la variable elegida, verifique la estrategia de sus competidores y conozca a sus clientes objetivo.

La solución: Además, al verificar las estrategias de los competidores, asegúrese de no optar por seguirlos ciegamente. Lo que funcionó para otra persona no funcionará para ti. Verifique las estrategias de sus competidores, pero al mismo tiempo conozca sus propios USP y elabore estrategias en consecuencia.

6. Eliminando las variables de confusión

Las variables de confusión son aquellos elementos que no forman parte de sus parámetros de hipótesis significativos y es probable que arruinen los resultados de su prueba. Algunos de estos incluyen presentaciones de nuevos productos, lanzamientos de campañas de marketing y rediseño de sitios web.

Esto generalmente sucede cuando cambia algunos parámetros de prueba en medio de la prueba para generar una variación más significativa. Esto podría generar tráfico desde lugares fuera de su grupo objetivo potencial.

La solución: al realizar una prueba dividida, asegúrese de eliminar tales variables de confusión y asegúrese de que el resto de los factores permanezcan constantes durante toda la prueba.

7. Probar solo cambios incrementales

Hay una diferencia significativa entre cómo operan los sitios web grandes y cómo el resto de los pequeños empresarios deben manejarlo. Para sitios web grandes, algunos cambios incrementales de minutos pueden conducir a generar un gran retorno de la inversión. Pero para las nuevas empresas y las empresas más pequeñas, esta actividad puede no producir los resultados esperados. Por ejemplo, no es muy factible probar el color del botón CTA o del sitio web y sus diversos tonos, ya que agregará muy poco a la renovación general del sitio.

La solución: las pruebas divididas brindan mejoras mínimas, pero eso no generará una rotación significativa en el caso de las pequeñas empresas. Por lo tanto, no se concentre solo en los cambios incrementales, en lugar de eso, concéntrese en los grandes aumentos de rendimiento. Lo que se necesitará es apostar por un cambio radical a nivel global. Esto es más intensivo que una técnica de prueba A/B limitada. Esto puede implicar un rediseño importante de la página que puede requerir esfuerzos sustanciales. También es importante tener en cuenta que, debido a los múltiples elementos que se están rediseñando, puede ser difícil determinar qué elemento en particular provocó un aumento en el tráfico después de que la página rediseñada esté activa.

8. Hacer split test incluso sin tráfico

Si está ejecutando el negocio durante solo un par de meses, se recomienda lograr un mayor tráfico antes de comenzar a ejecutar una prueba dividida. Para las nuevas empresas y las nuevas empresas, realizar pruebas divididas con algunos usuarios beta será ineficaz. La prueba de diferentes hipótesis es un juego de significación estadística logrado por una muestra óptima. Pero si no se tiene una muestra adecuada, este objetivo subyacente no se cumplirá.

La solución: realice pruebas divididas solo cuando haya cumplido con 3 condiciones distintas

1- Tienes una muestra representativa adecuada

La prueba debe ejecutarse durante 3 a 4 semanas para adaptarse a diversos períodos de ventas. Cancelar la prueba antes de eso no representará una prueba universal, sino que mostrará un resultado de prueba selectivo/cíclico.

2- Tienes un tamaño de muestra suficiente

Un sitio web con más de 1000 transacciones (clientes potenciales, registros o suscripciones) puede realizar una prueba A/B en un mes para mejorar el tráfico. Factores como la tasa de conversión, las visitas totales y la transacción general determinarán cuánto debe ser el tamaño de muestra adecuado.

3- Cuando logras un valor p

Una vez que se cumplen los puntos 2 y 3, es importante observar el valor p (según un concepto erróneo común, el valor p no es la probabilidad de que B sea mayor que A). Por lo general, un nivel de significancia aceptable es del 5% (o 1 de cada 20 veces, la muestra mostrará un resultado extremo dado que la hipótesis nula es verdadera)

9. Las pruebas no se ejecutan durante semanas completas

Para que las pruebas divididas produzcan resultados adecuados, la estacionalidad, los parámetros semanales e incluso diurnos son importantes. Por lo tanto, el período de tiempo necesario para la prueba dividida debe elegirse cuidadosamente. No tener en cuenta la prueba de semanas completas sesgará los resultados, lo que podría mostrar la imagen correcta del resultado de la prueba.

La solución: por ejemplo, si usted es propietario de un sitio de comercio electrónico, los fines de semana su población objetivo está más inclinada a sus productos, mientras que los lunes o las horas pico de los días de semana su sitio podría no generar el tráfico adecuado. Por lo tanto, asegúrese de finalizar la prueba el mismo día que comenzó. Esto asegura que pruebe una semana completa en una iteración. Esto también se alineará con nuestra recomendación anterior: ejecutar pruebas durante 2-3 semanas.

10. Datos de prueba no enviados a Google Analytics

Las métricas de conversión generalmente muestran datos promedio y en el mundo del marketing, los promedios mienten. Nunca puede obtener una imagen completa si solo trabaja con datos porcentuales. Esto se debe a que el tiempo, la estacionalidad, las fases diurnas y muchos otros factores contribuyen a un gráfico de clientes adecuado.

La solución: Entonces, si ha atendido una cantidad significativa de datos, envíelos a Google Analytics. Ejecute informes avanzados de segmentos y personalizados. Los resultados le mostrarán el camino para ejecutar pruebas avanzadas y es posible que tenga una idea de dónde llevar las pruebas de su sitio a partir de ahí. El uso de las nuevas funciones de GA permite a los especialistas en marketing ejecutar hasta 20 datos de prueba A/B simultáneos analizados. Asegúrese de utilizar una Dimensión personalizada distinta (o una Variable personalizada en el modo clásico de GA) para un experimento activo. Herramientas como Optimizely Classic pueden ayudar en este caso.

En resumen

El marketing y el análisis empresarial son bastante complejos a su manera. Entonces, en lugar de verificar lo que otros están haciendo o utilizar las estrategias de prueba más comunes, siga la ruta inteligente y adopte las pruebas A/B rentables para aumentar el ROI de sus estrategias de marketing.