[vc_row][vc_column][vc_column_text]Las pruebas y la optimización de las tácticas de marketing son clave para el crecimiento sostenible de un negocio. Los A/B tests pueden ser potentes fuentes de información para la toma de decisión sobre elementos de alto impacto en la conversión como la estrategia, el diseño, CTA’s (Call to action – textos presentes en botones que indican la acción que tiene que tomar el usuario)  o copy.

No obstante, en muchos casos, los A/B tests no generan datos consistentes, sea por tener poco tiempo disponible para realizar el experimento (por ejemplo, páginas que promocionan un producto o beneficio en un corto espacio de tiempo) o por bajo tráfico del sitio web testeado.[/vc_column_text][vc_empty_space][vc_custom_heading text=»5 consejos para su implementación:» font_container=»tag:h2|text_align:left|color:%23dd3333″ google_fonts=»font_family:Hind%3A300%2Cregular%2C500%2C600%2C700|font_style:400%20regular%3A400%3Anormal»][vc_column_text]A la hora de crear A/B testings con resultados fiables en un sitio o página con bajo tráfico hay una serie de consejos que te vendrá bien tener en cuenta:[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width=»1/2″][vc_column_text]

  • Utiliza micro conversiones como objetivo: En vez de utilizar el formulario o la venta como objetivo, utiliza acciones que generen un mayor número de interacciones y estén relacionadas con algún KPI.   Para explicarlo, introducimos el concepto de índice de fiabilidad estadística. Este índice indica la probabilidad de que una mejora en el porcentaje de conversón ocasionada por una variante no se deba al azar. Se utiliza como referencia el índice 95%. Este índice está directamente relacionado con el tráfico y el número de conversiones del experimento, pues cuánto mayores sean más rápido se llegará al deseado 95%. En caso de sitios web con poco tráfico y por lo tanto pocas conversiones, este índice puede tardar muchos meses en alcanzarse, hasta más de 1 año para llegar a los 95% (lo que no es recomendable, ya que el mercado cambia muy rápidamente). Con lo cual, al elegir micro conversiones como objetivo, tendremos un mayor número de ellas y por lo tanto disminuimos el tiempo para llegar al nivel de confianza ideal.
  • Atrévete con un índice de confianza inferior al 95%: Como hemos explicado en el punto anterior, el nivel de confianza ideal depende del volumen de tráfico/conversiones y del tiempo. Si tenemos poco tráfico, más tiempo necesitaremos para llegar al nivel de confianza ideal. En esta situación, recomendamos utilizar un índice de confianza inferior al standard para obtener resultados en menos tiempo, en los casos que el bajo tráfico obligue a conducir el experimento durante un espacio de tiempo no razonable.

[/vc_column_text][/vc_column][vc_column width=»1/2″][vc_column_text]

  • Realizar pruebas en elementos presentes en muchas páginas: El principal beneficio de este tipo de pruebas es que contamos con la ventaja del tráfico acumulado de varias páginas a la vez. Un ejemplo efectivo de este tipo de prueba es hacer modificaciones de un formulario de contacto que se encuentra en muchas o todas las páginas de un sitio web. La desventaja es que este recurso no está disponible en herramienta gratis como Google Analytics, siendo necesaria la contratación de herramientas de pago específicas para experimentos. Herramientas como: Visual Website Optimizer, Optimizely o Convert son capaces de realizar este experimento.
  • Cambios dramáticos: Otra posibilidad es probar varios cambios a la vez pues tendrán un mayor impacto en el incremento de conversiones. El inconveniente es que no se podrá entender exactamente qué cambios fueron positivos y cuáles dieron resultados negativos, pero permite que un sitio con poco tráfico consiga obtener una versión de una página más efectiva que la anterior.
  • Cómo saber si tengo tráfico suficiente: Recomendamos utilizar la herramienta Experiment Calculator para calcular el tiempo necesario para concluir un A/B test con un determinado nivel de confianza: Experimentcalculator. Con esta herramienta podrás analizar si tienes masa crítica para realizar un test o bien si necesitarás replantear tus experimentos según algún de nuestros consejos.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]Conclusión, poco tráfico no es excusa para dejar de hacer los test A/B. Así que, ¡a por ello![/vc_column_text][/vc_column][/vc_row]