Las pruebas divididas (prueba A/B) son un elemento crítico para ejecutar campañas de PPC exitosas. Aprenda a configurarlos y obtenga información procesable.
Las pruebas divididas (pruebas A/B) son cruciales para el éxito de PPC a largo plazo porque lo ayudan a saber qué variable conduce a su ganancia y victoria.
Estructurar la prueba es tan importante como darle suficiente tiempo para que los datos lo guíen.. Un lector pregunta,
“How do you set up a split test? Do you recommend only testing one variable (ie. creative or copy or where the ads are placed)? Anything else you think could be help to go from 0>1 would be awesome!”
“¿Cómo se configura una prueba dividida? . creatividad o copia o dónde se colocan los anuncios)?
En esta publicación Ask the PPC, repasaremos:
- ¿Qué son las pruebas divididas?
- Consejos para estructurar pruebas A/B exitosas.
- Cómo evaluar y actuar en las pruebas.
Si bien esta publicación abordará las pruebas divididas desde una mentalidad de PPC, las ideas discutidas se pueden aplicar a todos los canales de marketing digital.
¿Qué son las pruebas divididas?
Las pruebas divididas (o pruebas A/B) comparan un elemento de su campaña con otro.
Estas pruebas pueden centrarse en:
- Páginas de destino.
- Elementos visuales en una página/anuncio.
- Guión de correo electrónico/llamada.
- Cualquier otro elemento del proceso de adquisición/retención.
Deberá decidir qué permanecerá consistente y qué elemento será su variable.
Las variables son un solo elemento que busca probar. Deben ser el único elemento diferente en su aspecto de la campaña.
Los controles son la configuración actual de la campaña y deben ejecutarse junto con su prueba.
Consejos para estructurar pruebas A/B
La parte más difícil de las pruebas divididas es configurarlo para que pueda obtener información procesable.
Las trampas comunes incluyen:
- Demasiadas variables: Evaluar más de una variable invita a dudar de la validez de la prueba.
- Terminar las pruebas demasiado pronto: las pruebas divididas solo funcionan si puede lograr una significación estadística (lo que no puede suceder en un día).
- Sin medidas de éxito/fracaso desde el principio: si no sabe lo que espera lograr, la prueba no tendrá sentido y probablemente sea una pérdida de tiempo y dinero.
Si bien la mayoría de los profesionales de PPC están de acuerdo en que 10,000 sesiones son el mínimo para la significación estadística, algunas marcas nunca alcanzarán eso en un trimestre, y mucho menos en 30 días.
Por eso es importante establecer plazos e hitos realistas para su negocio.
Obtener al menos 1000 sesiones es un umbral razonable, al igual que dejar que una prueba se ejecute durante 30 a 60 días.
Una vez tengas tus datos, podrás actuar. Mantenga la línea de base actual o evolucione su campaña adoptando completamente la variable.
Las pruebas significativas tienen medidas de éxito/fallo para garantizar que pueda obtener valor del período de prueba. Estos podrían ser:
- Tiempo en el sitio.
- Valor medio del pedido.
- Tasa de conversión.
- ROI.
Independientemente de la métrica que elija, es importante que se ciña a ella y sea consciente de si la prueba fue un éxito o no.. Apegarse emocionalmente a las creatividades o estrategias antes de que los datos las examinen puede corromper la prueba, así que asegúrese de mantenerse objetivo.
Cómo evaluar y actuar en las pruebas
Juzgar la «habilidad del barco» a partir de una prueba A/B puede ser bastante complicado. Implica investigar una variedad de métricas (algunas útiles, otras no) para comprender cómo los usuarios están experimentando sus cambios.
El análisis de comportamiento agiliza este proceso, simplificando todos los datos en una comprensión visual de las interacciones de sus usuarios.
Le ayuda a comprender de manera más eficiente los resultados de su prueba A/B: si su hipótesis fue validada, qué sorpresas puede haber causado, si el tratamiento es lo suficientemente bueno para enviarlo o si se necesita más iteración.
Los análisis de comportamiento como los que encontrará en Microsoft Clarity le brindan el «por qué» detrás de «cómo» se movieron las métricas.
Cómo usar las funciones de claridad en las pruebas A/B
Grabaciones de sesiones
Las pruebas A/B mostrarán una variedad de movimientos en las métricas (hacia arriba y hacia abajo), y las grabaciones de sesiones pueden ayudar a responder por qué las métricas se movieron al observar el comportamiento del usuario en sesiones reales.
mapas de calor
Use la vista agregada para comparar el tratamiento y el control, para ver si sus métricas clave en partes específicas de la página funcionan según lo previsto.
Haga clic en mapas de calor
Comprenda la participación de clics en su tratamiento frente a control.
- Compara hacia dónde se dirige la atención del CTA del usuario en ambos.
- Muestra contenido que distrae y posibles áreas de confusión imprevistas (como clics en contenido estático).
- Resume todos los patrones de interacción con la nueva función.
Desplazar mapas de calor
Comprenda la profundidad de desplazamiento en ambos.
- Compara el número de lectores: cuánto de su página podrían estar leyendo los usuarios.
- Ayuda a solucionar problemas de preguntas de descubrimiento (qué porcentaje de usuarios vieron realmente un CTA o párrafo específico).
Clics de ira
- A medida que se brindan nuevas experiencias de UX, ¿los usuarios entienden cómo usar la función y la función funciona como se esperaba en todos los casos extremos?
- Identifique si se necesita más iteración (¿los usuarios se frustran inesperadamente con alguna parte de la nueva experiencia?)
- Identifique si la capacidad de aprendizaje es un problema (¿los usuarios no entienden cómo usar la nueva función?)
Filtros útiles para pruebas A/B
Filtros UTM: rebanar y dividir en cubitos las fuentes de tráfico.
- ¿Cierto tráfico de referencia conduce a más éxito en un tratamiento que en otro?
- Vea sesiones completas para tratamientos de diferentes fuentes: ¿están explorando diferentes páginas o usando sus tratamientos de manera diferente?
Etiquetas personalizadas: diferenciando sesiones de control vs tratamiento.
- Agregue etiquetas en función de si cada tratamiento estuvo presente
- Puede acumular filtros adicionales, por ejemplo, ver sesiones en las que el tratamiento = un Y el usuario hizo XYZ (como hacer clic en un botón específico o visitar la página de contacto, etc.).
Quitar
Las pruebas divididas son un elemento crítico para ejecutar campañas de PPC exitosas.
Obtendrán los mejores resultados cuando tenga una idea clara de lo que quiere probar y cómo se ve el éxito o el fracaso.
Más recursos:
¿Tiene alguna pregunta sobre PPC? . ¡Te veo el siguiente mes!
Imagen destacada: Paulo Bobita/Search Engine Journal
Leer el articulo original en Search Engine Journal.
