¿Qué son las pruebas A/B? (Definición + Cómo ejecutar una prueba A/B)

Si está ejecutando campañas de marketing, enviando correos electrónicos o tratando de obtener clientes potenciales de su sitio web, está produciendo contenido valioso para sus seguidores de forma regular.

Pero, ¿sabe qué tan bien está funcionando ese contenido?

¿Estás satisfecho con los resultados que has estado viendo? Si ha estado tratando de descubrir por qué algunas piezas de contenido parecen tener mucho más éxito que otras, es posible que desee considerar realizar una prueba A/B.

Esta valiosa herramienta elimina las conjeturas de su estrategia de contenido y le brinda los datos que necesita para tomar las mejores decisiones para su negocio. ¿No está seguro de qué son las pruebas A/B o cómo ejecutar una? ¡Vamos directamente a lo básico con esta guía para que pueda ejecutar sus propias pruebas en poco tiempo!

¿Qué son las pruebas A/B?

Un componente clave para una estrategia de marketing exitosa es saber qué funciona y aprovechar esta información. Las pruebas A/B le brindan esta información clave y eliminan la necesidad de adivinar qué funciona mejor. Con las pruebas A/B, ejecuta un experimento aleatorio utilizando dos piezas de contenido similares que comparte con diferentes grupos y supervisa para ver cuál produce los resultados deseados.

Esto se hace a menudo con correos electrónicos, donde se pueden usar diferentes líneas de asunto o ángulos para probar cuál da como resultado una tasa de apertura más alta. O puede probar dos anuncios para la misma oferta con una copia ligeramente diferente para ver qué versión genera una tasa de clics más alta.

Las piezas de contenido que producen el mejor conjunto de resultados se consideran la muestra "ganadora" y se utilizan en campañas futuras o para crear otros materiales de marketing. Si encuentra que ambas muestras tienen resultados iguales o similares, puede significar que necesita hacer que cada una sea más distinta para probarlas correctamente.

Por supuesto, esto no significa que la muestra 'perdedora' sea mala. De hecho, la información de su desempeño puede ser crucial para ayudarlo a decidir cómo comunicarse mejor con un segmento más pequeño de su audiencia o qué evitar hacer en el futuro.

¿Por qué debería realizar una prueba A/B?

Sin pruebas AB, básicamente estás volando a ciegas. Estás compartiendo contenido y esperando que hayas elaborado el mensaje correcto para la audiencia que estás tratando de atraer. La razón principal para realizar pruebas A/B es recopilar información sobre su audiencia y cómo responden a su contenido. Esto te brinda datos que luego puedes usar para mejorar el contenido que estás produciendo, la frecuencia con la que se comparte e incluso la plataforma en la que se publica.

En las etapas iniciales de producción de contenido, está utilizando información general para guiarlo, pero las pruebas A/B le permiten afinar su enfoque. Si realizó una prueba A/B en un correo electrónico y lo envió a un grupo a las 10 am y al otro a las 3 pm, puede usar las tasas de apertura de cada uno para determinar el mejor momento para enviar sus correos electrónicos. Del mismo modo, puede realizar cambios menores en las líneas de asunto o en la vista previa del correo electrónico para ver cuál produce una mejor respuesta de sus suscriptores.

¿Cómo funcionan las pruebas A/B?

Las pruebas A/B suenan bastante simples, pero deben ejecutarse correctamente para producir resultados confiables. Está trabajando con una serie de variables no controladas, como el tiempo, el software y las personas, por lo que hay un gran margen de error. Aquí es donde la planificación adecuada puede ayudar. Aquí hay algunos pasos clave que debe seguir para ejecutar una prueba AB exitosa y producir resultados precisos.

Paso 1. Decide qué variable quieres probar

El primer paso es saber exactamente qué vas a probar. Para cada prueba AB que ejecute, solo debe concentrarse en una cosa. Esta variable podría ser su línea de asunto o el uso de personalización para un conjunto de correos electrónicos o la copia utilizada para su llamado a la acción. Si bien puede probar múltiples variables para una pieza de contenido, asegúrese de probar cada conjunto de variables en diferentes momentos. Si intenta probar múltiples variables a la vez, no podrá saber qué variable fue realmente más efectiva.

Además, al reducir exactamente lo que desea probar, podrá decidir mejor cómo crear las variables. Si desea probar qué tan efectiva es la personalización para aumentar sus tasas de apertura, sabe que un conjunto de correos electrónicos deberá incluir personalización y el otro no. De manera similar, si su atención se centra en cómo su copia afecta sus tasas de clics, su atención se centrará en crear dos conjuntos diferentes de copias de llamada a la acción.

Paso 2. Identifique en qué métrica enfocarse

También necesita saber lo que quiere medir. ¿Son sus tasas de clics? ¿Sus tasas de apertura? ¿El número de nuevos suscriptores? Al ser claro en la métrica, sabe exactamente en qué datos enfocarse al decidir qué versión es más efectiva.

En algunos casos, especialmente si tiene datos existentes, es útil tener en mente un objetivo real o incluso una hipótesis. Por ejemplo, es posible que haya notado que ciertas palabras afectan negativamente su tasa de apertura y tiene la intención de realizar una prueba AB para ver si esto es cierto. Su hipótesis podría ser que usar la palabra "agotamiento" en mi línea de asunto reduce mi tasa de apertura en un 3 % . Su objetivo será identificar qué línea de asunto da como resultado una tasa de apertura más alta.

Paso 3. Configure un control y un retador

Al completar los dos primeros pasos, ha identificado sus variables y el resultado deseado. Ahora estará listo para decidir cuál es su 'control' y 'desafiante'. Para su control, creará su contenido como lo haría normalmente.

Volviendo a nuestro ejemplo de tratar de aumentar las tasas de apertura probando las líneas de asunto, usaría el formato típico de su línea de asunto con la inclusión de la palabra "agotado". Por ejemplo, Diez formas comprobadas de prevenir el agotamiento como creativo .

Su retador es donde comenzaría a hacer ajustes en función de la hipótesis que tiene. En este caso, su línea de asunto podría verse así: Diez maneras de alimentar su energía creativa.

Paso 4. Divida su muestra de manera uniforme si es necesario

La forma en que divide su muestra está determinada por el tipo de contenido que está probando y la herramienta que utiliza. Para los correos electrónicos, normalmente divide su muestra por igual para que cada grupo sea bastante similar, pero también puede optar por que su herramienta de prueba AB la divida aleatoriamente.

Para otro contenido sobre el que tiene menos control, como una página de destino o anuncios, su muestra se dividirá aleatoriamente.

Paso 5. Elija el tamaño de su muestra

Al igual que al elegir cómo dividir su muestra, determinará el tamaño real de la muestra según la herramienta que use y el contenido que esté probando. Para los correos electrónicos, normalmente puede enviar su control y retador a un pequeño subconjunto de su lista de correo electrónico. Una vez que se haya alcanzado un objetivo específico, se enviará el 'ganador' a los contactos restantes.

Las páginas web y los anuncios son muy diferentes, ya que no tiene un número determinado de personas que espera que los vean. Por lo tanto, el tamaño de su muestra estará determinado por cuánto tiempo se comparte el contenido o cuánto dinero se gasta en el anuncio.

Independientemente del método que se utilice, debe asegurarse de permitir que la prueba se ejecute durante el tiempo suficiente para lograr resultados concluyentes.

Paso 6. Determine qué tan significativos deberían ser sus resultados

¿Recuerda ese paso anterior para identificar la métrica en la que desea enfocarse? Aquí es donde eso se vuelve particularmente importante. Debe determinar qué tan significativos deben ser sus resultados para elegir el contenido "ganador" o de mejor rendimiento. Aquí entra en juego la significación estadística. Si ha pasado un tiempo desde que hiciste una clase de estadística, es hora de un repaso rápido.

La importancia estadística habla de la probabilidad de que sus resultados se deban a un error o al azar. Cuanto mayor sea su significancia estadística, más confiables serán sus resultados, ya que esto significa que es poco probable que sus resultados hayan sido aleatorios o obtenidos por error.

Recuerde, el resultado de su prueba se utilizará para determinar su estrategia de marketing, cómo presupuesta su gasto publicitario y cómo se comunica con su audiencia. Por lo tanto, desea estar lo más seguro posible de que los datos que guían estas decisiones sean precisos. Por lo general, desea tener al menos un 95% de nivel de confianza, pero puede llegar hasta el 99%.

Calcular su significación estadística y sus niveles de confianza puede ser un proceso bastante complicado, pero afortunadamente existen herramientas útiles que pueden encargarse de eso por usted.

Paso 7. Elija una herramienta de prueba A/B

Muchas de las herramientas de marketing digital más populares del mercado se pueden utilizar para realizar pruebas A/B. Herramientas como Facebook Ads Manager, Google Optimizer, Hubspot, ActiveCampaign, Adobe Target y Visual Website Optimizer son solo algunos ejemplos de software que pueden ejecutar pruebas A/B para correos electrónicos, páginas web o anuncios.

Al elegir una herramienta, debe considerar cómo la usará, qué tipos de contenido o campañas probará, la asequibilidad y la facilidad de uso. Otra característica crucial en la que centrarse es cómo se recopilan y comparten los datos. Estos números son el resultado más importante que necesitará, por lo que querrá elegir una herramienta que proporcione informes detallados en un formato fácil de entender.

Paso 8. Pruebe las versiones A y B al mismo tiempo

Su prueba debe realizarse tanto con su control como con su retador al mismo tiempo. Eso significa que no puede enviar el correo electrónico A hoy y el correo electrónico B la próxima semana o publicar cada anuncio con días de diferencia. Deben probarse en las mismas condiciones, siendo las únicas diferencias el elemento alterado y las personas reales que ven el contenido.

La única excepción a esta regla es cuando la prueba se relaciona con su tiempo. Si está tratando de encontrar el momento o el día adecuado para llegar a su audiencia, naturalmente, compartirá su contenido en diferentes momentos. En este caso, sin embargo, la única diferencia entre el control y el retador sería el tiempo .

Paso 9. Enfoque el análisis en su objetivo principal

Una vez que haya ejecutado su prueba y comience a recopilar sus resultados, se verá inundado de datos. Si bien todo esto es relevante, debe priorizar la métrica que se ha propuesto medir. Si su objetivo principal era descubrir qué funciona mejor para su tasa de apertura, entonces ese debe ser el enfoque de su análisis. Ese será el factor determinante o cuál de los dos tuvo éxito.

Eso no quiere decir que deba descartar los datos restantes. Esto se puede usar para ayudarlo a comprender mejor a su audiencia e incluso mejorar aún más su contenido. Lo importante a recordar es que es bueno tener estos datos adicionales, no el enfoque principal de la prueba.

Paso 10. Mida sus resultados con una calculadora de prueba A/B

En esta etapa, tiene todos los datos y está revisando los números. Entonces, ¿cómo mide realmente sus resultados y determina si son lo suficientemente sustanciales como para realizar cambios en su estrategia?

Herramientas como Hubspot o la calculadora de pruebas A/B de Survey Monkey pueden eliminar las conjeturas. Con estas herramientas, ingresará la cantidad de personas que recibieron cada variable y cuántas personas tomaron medidas. Esto producirá las tasas de conversión para cada uno y brinda un indicador claro de cuál se desempeñó mejor.

Paso 11. Use sus resultados para guiar su próxima acción

Ahora que tiene datos sólidos, puede usarlos con confianza para determinar qué cambios, si los hay, son necesarios para su estrategia. Tenga en cuenta que las pruebas AB no siempre son una actividad única. Puede probar su contenido ganador contra otro retador para obtener aún más información hasta que esté satisfecho de que lo que está produciendo producirá resultados óptimos.

Y si no está satisfecho con los resultados, siempre puede comenzar de nuevo con conjuntos de contenido completamente nuevos. Lo bueno es que incluso si los resultados no son satisfactorios, aún le brindan información valiosa que puede usar.

Cómo interpretar los resultados de las pruebas A/B

Hablamos bastante sobre cuán valiosa es la información recibida de su prueba, pero ¿cómo la interpreta correctamente? Una vez más, debe concentrarse en su objetivo principal. Si la métrica en la que se estaba enfocando eran las tasas de apertura, entonces las mirará primero. Ese es el número que ingresará en su herramienta de prueba A/B.

A continuación, observará las diferencias en las tasas de conversión. Es posible que haya visto una tasa de conversión del 3 % para el correo electrónico A, pero una tasa de conversión del 7 % para el correo electrónico B con un nivel de confianza del 95 %. Estos resultados se consideran estadísticamente significativos y puede esperar que el uso del correo electrónico B como modelo para futuros correos electrónicos dé como resultado una tasa de conversión más alta.

También puede profundizar en la otra información: los datos demográficos de la audiencia, como la edad, el sexo, la ubicación, el tipo de dispositivo o la hora del día en que se abrieron sus correos electrónicos. Toda esta información le brinda una visión más amplia de quién es su audiencia y qué podría funcionar para ellos.

Errores comunes de las pruebas A/B que se deben evitar

Incluso los especialistas en marketing experimentados cometen errores con las pruebas AB que pueden afectar negativamente sus resultados y, por extensión, la estrategia. Aquí hay un vistazo a algunos de los errores más comunes y los pasos que puede seguir para evitar cometerlos.

No permitir que la prueba se ejecute el tiempo suficiente

Las pruebas AB generalmente se realizan a través de una plataforma específica y estas plataformas brindan datos en tiempo real. Ahora bien, esto puede ser un gran beneficio, siempre y cuando seas paciente. Es fácil ver el rendimiento inicial de la prueba y finalizarla prematuramente porque desea tomar una decisión rápidamente. El problema con eso es que no está permitiendo que la prueba se ejecute durante el tiempo suficiente para darle una visión general. Si finaliza su prueba después de unas pocas horas, no habría sido suficiente tiempo para obtener resultados reales.

Para evitar esto, decida en su etapa de planificación cuánto tiempo desea que se ejecuten sus pruebas. Si opta por las 24 horas, no haga nada durante esas 24 horas, sin importar el rendimiento del contenido.

También está el problema de que las personas no reservan un período de tiempo adecuado para realizar sus pruebas. Recuerde, los diferentes tipos de contenido deben probarse en diferentes circunstancias. Sus anuncios no se pueden probar durante el mismo período de tiempo que sus correos electrónicos o páginas de destino, por ejemplo. Además, querrá permitir más tiempo para audiencias más grandes. Se puede esperar que un grupo tan pequeño como 50 personas produzca resultados significativos en menos tiempo que un grupo de 35.000.

Probar demasiadas variables a la vez

Hay una razón por la que se llama prueba AB: está probando el elemento A contra el elemento B. Si bien hay pruebas multivariadas, esa es una forma de prueba completamente diferente y se realiza en diferentes condiciones. Lo que sucede cuando ejecuta una prueba AB e incluye demasiadas variables es que no se puede confiar en los resultados. Habría demasiados casos de error o probabilidad aleatoria que podrían haber afectado el resultado. Si envía sus correos electrónicos en diferentes momentos, eso podría ser lo que fuerza la tasa de apertura y no la línea de asunto. Si cambia el diseño del botón de llamada a la acción y la copia, no puede estar seguro de cuál marcó la diferencia.

Esta es la razón por la que es crucial conocer su objetivo y usarlo para guiar cómo se realiza su prueba. Si desea centrarse en las tasas de apertura, su variable debe relacionarse con eso. Si está tratando de obtener más visitas al sitio web, solo debe tener una única variable que se relacione con eso y nada más. Cuando hace esto, puede confiar más en los resultados.

Prueba demasiado pronto

Esto puede sonar un poco confuso, pero tengan paciencia conmigo. Cuanto más tráfico tenga, mayor será su audiencia, más personas podrá incluir en su prueba y más confiables serán sus resultados.

Esto no quiere decir que no deba probar su contenido cuando recién está comenzando, pero no puede confiar demasiado en los datos que obtiene. Deberá volver a realizar la prueba a medida que crezcan sus números. La otra advertencia es que la prueba demasiado pronto puede ser impulsada por una sensación de desesperación por ver mejores números que pueden sesgar su prueba. Esto lo hace impaciente cuando está ejecutando la prueba y puede caer en la trampa de finalizarla demasiado pronto, dejándolo con datos no concluyentes o fallidos.

La mejor manera de evitar cometer este error es simplemente ser paciente. Espere hasta que su contenido original haya tenido la oportunidad de funcionar y luego decida si hay margen de mejora. Tómese un tiempo para comenzar a aumentar su audiencia y atraer a sus objetivos ideales para que los datos sean realmente relevantes para usted. Lo más probable es que, con el tiempo suficiente, no necesite realizar una prueba: sus campañas comenzarán a acelerarse y, si no lo hacen, entonces podrá tomar la decisión.

¿Listo para usar las pruebas AB para mejorar su estrategia de marketing?

No hay duda de que las pruebas A/B son una parte vital de cualquier estrategia de marketing exitosa, pero deben ejecutarse bien. Esto significa identificar su objetivo, la métrica principal, las herramientas que necesita usar e identificar sus variables.

Si ha planificado correctamente su prueba siguiendo los pasos descritos anteriormente, recopilar e interpretar los resultados debería ser sencillo. Ingrese los datos en su calculadora y decida si la diferencia es lo suficientemente significativa como para realizar cambios en su contenido.

Si es así, tómese el tiempo para observar realmente los datos e interpretar sus resultados. Luego use sus hallazgos para impulsar su estrategia de marketing.

Y antes de que se dé cuenta, usted y su negocio estarán cosechando los beneficios de las pruebas AB.