Tabla de Contenidos
Es simple y rápido, sin embargo a veces solo nos quedamos con lo que creemos que quiere nuestra audiencia. ¿Por qué suponer constantemente si podemos hacer testeos que nos ayuden a entregar de manera más efectiva un mensaje u oferta?
El A/B testing es un método estadístico en el que se compara un modelo A con un modelo B. Con esto puedes definir qué tipo de modelo funciona mejor y así saber qué seguir aplicando y/o qué dejar de aplicar.
Un dilema común de todo negocio, es creer que entendemos todo lo que quieren nuestros clientes. Pero en realidad los clientes se comportan muy distinto a lo que uno piensa. Conscientemente e inconscientemente. Los usuarios frecuentemente no saben por qué toman ciertas decisiones, solo las toman. Pero para tu negocio entender esto es importante y un experimento o una prueba A/B te puede entregar mucha información útil que optimice procesos.
Comencemos con un ejemplo exitoso para luego seguir con los elementos y aspectos claves a considerar en estas pruebas simples.
Cómo Obama recaudó $60 millones de dólares
Con un experimento muy simple, el ex presidente de Estados Unidos logró recaudar $60 millones de dólares para su campaña 2008.
Experimentaron con 2 formatos distintos:
- Variaciones de medios (en 3 campañas usaron imágenes y en 3 usaron videos).
- 4 botones distintos de llamadas a la acción.
Variaciones de Medios
Variaciones de Botones
Resultados
Midieron el éxito por la tasa de registros, es decir, el número de suscripciones dividido por el número de impresiones. Hubo un total de 310.382 visitantes a la página, y cada variación fue vista por aproximadamente 13.000 personas.
Ganador
La variación ganadora tuvo una tasa de registro del 11,6% en comparación con la página original que tenía un 8,26%, es decir, una mejora del 40,6%. Resultó en 2.880.000 direcciones de correo electrónico adicionales en su lista de correo electrónico y esto se tradujo en $60 millones de dólares adicionales en donaciones.
Elementos a considerar al hacer testeos A/B
- Pueden ser cambios pequeños. Utilizar tu mismo contenido para el experimento, pero cambiar el diseño, el color de la letra, el lado en el que sale el texto.
- Ten una hipótesis, ¿qué crees que pase cambiando al modelo B? Aumentar tu tasa de conversión, suscritos en tu newsletter, número de personas que abren el email, etc. Es decir, sé consciente de tu criterio de éxito.
- Asegúrate de dividir en dos grupos a los destinatarios. No tiene que ser 50/50 pero sí considera el mínimo de personas para alcanzar un número mínimo que entregue resultados estadísticos.
La idea es que hagas un cambio por experimento. Porque si cambiamos la foto y cambiamos el botón, no sabremos si la mejora o la disminución de resultados es por el cambio de foto o por el botón. Por lo que, lo ideal para que un testeo AB funcione y se logre medir el impacto de los ajustes, es que las demás condiciones se mantengan iguales.
💥 Un ejemplo práctico: en campañas a través de Facebook es posible hacer testeos AB. Separas a tu audiencia objetivo en dos grupos y a cada una le muestras el mismo anuncio pero con distintas fotos.
👇
Luego de unos días de que la campaña esté en circulación puedes ver las métricas y aumentar presupuesto a la que tuvo mejores resultados.
¿Esto realmente funciona?
Depende de ti, de tu contenido, de las variaciones que hagas. Pero si tienes una lista de personas a las que enviarlo, definitivamente puedes tener un resultado estadísticamente medido y así conocer mejor a tu audiencia. Lo que se traduce en entregarles contenido y formatos que calcen mejor con lo que ellos quieren recibir.
Suscríbete a nuestro blog para más contenido de este tipo o contáctanos si estás buscando una asesoría gratuita.