El A/B testing es una de las maneras más efectivas para progresar las métricas de una compañía y también acrecentar los beneficios. No obstante, como hemos mencionado previamente, requiere una buena dosis de planificación, paciencia y precisión. Cualquier pequeño fallo podría repercutir en pérdidas de tiempo y dinero para tu negocio.
Para evitar esto, te presentamos una lista con los fallos más frecuentes a evitar a lo largo de tus programas de A/B testing y los Test A/A.
Fallo n.º 1: no planificar la hoja de ruta de optimización
A. Creación de hipótesis no válidas: En el A/B testing, es necesario elaborar hipótesis ya antes de ejecutar los tests, ya que representan el punto de inicio para todos y cada uno de los pasos posteriores: qué se debe cambiar, por qué, qué resultados se aguardan, etc. Comenzar con una hipótesis equivocada reducirá la probabilidad de éxito significativamente.
B. Confianza en el éxito ajeno: Quizá conozcas a alguien que, a raíz de cambiar su flujo de registro, haya aumentado las conversiones en un 30 por cien . Sin embargo, ese es el resultado de sus tests, que se fundamentan en su tráfico, sus hipótesis y sus objetivos. Por consiguiente, no debes aplicar los resultados logrados por otras personas a tu sitio web, puesto que cada caso es plenamente diferente y lo que funciona para unos puede que no funcione para otros. Esto es debido a que lo más probable es que ni el tráfico, ni el público objetivo ni el procedimiento de optimización sean exactamente los mismos que deberían tenerse en cuenta en tu situación.
Fallo n.º 2: ejecutar tests en un número de elementos excesivo Los especialistas del campo recomiendan no ejecutar un número excesivo de tests al tiempo. El hecho de probar demasiados elementos de un sitio web al unísono puede hacer que resulte difícil determinar cuál de ellos es el principal responsable del éxito o el fracaso del experimento. Cuantos más elementos incluya el test, mayor deberá ser el tráfico de la página para que los resultados resulten estadísticamente relevantes. Por tanto, la priorización resulta fundamental para hacer una campaña de A/B testing triunfante.
Error n.º 3: pasar por alto la significación estadística Si hacemos demasiado caso a nuestro instinto o nuestras opiniones a la hora de elaborar hipótesis o bien de establecer los objetivos del proceso de A/B testing, las probabilidades de descalabro se incrementan de forma significativa. Con independencia de esto, es esencial, tanto si el test llega a buen término como si no, dejar que se ejecute durante todo el tiempo previsto para que alcance su significación estadística.
Los resultados obtenidos, ya sean buenos o malos, van a ofrecer insights muy valiosos que te ayudarán a planificar mejor el siguiente test.
Error n.º 4: recurrir a un tráfico poco equilibrado Las compañías tienden a efectuar sus campañas de testing a un tráfico poco equilibrado. Este es un punto fundamental a tener en consideración si se desean conseguir resultados significativos. Recurrir a un nivel de tráfico mayor o bien menor del necesario acrecienta las posibilidades de que el test resulte fallido y de obtener resultados no concluyentes.
Fallo n.º 5: no acertar con la duración de los tests Los tests deben ejecutarse a lo largo de un periodo determinado, en función del tráfico y los objetivos, para alcanzar la significación estadística. Si el tiempo de ejecución es demasiado largo o demasiado corto, el test podría resultar fallido o bien ofrecer resultados no significativos. El hecho de que una versión del sitio web parezca ser la ganadora a lo largo de los primeros días no significa que debas concluirlo antes de tiempo y decidirte por ella. Además, muchas empresas cometen el fallo de ejecutar los tests durante demasiado tiempo. La duración precisa varía en función de distintos factores como el tráfico y la tasa de conversión existentes, las mejoras aguardadas, etcétera
Fallo n.º 6: no seguir un procedimiento basado en la repetición El A/B testing es un proceso basado en la repetición en el que cada nuevo test se apoya en los resultados de los precedentes. Las empresas tienden a descartar el A/B testing cuando el primer intento resulta errado. Sin embargo, para acrecentar las posibilidades de éxito en el futuro, debes fijarte en los insights recopilados a raíz de tus últimos ensayos e implementarlos en los próximos. Esto aumenta la probabilidad de que tu test llegue a buen término y ofrezca resultados significativos a nivel estadístico.
Tampoco debes detenerte solo por el hecho de que un test concluya de manera exitosa. Testa cada elemento de forma repetida para dar con la versión más optimada, aun cuando hayan resultado ganadores en campañas precedentes.
Error n.º 7: pasar por alto factores externos Los tests deberían ejecutarse en periodos de tiempo equiparables para ofrecer resultados significativos. No se debe equiparar el tráfico del sitio web de los días con mayor afluencia y los días más sosegados, en especial si se debe a factores externos como periodos de rebajas o bien festivos, etcétera De hacerlo, puesto que no se estarían equiparando dos elementos afines entre sí, las probabilidades de no conseguir conclusiones significativas aumentan. Emplea la calculadora de significación para A/B testing de VWO para saber si los resultados obtenidos pueden considerarse significativos.
Fallo n.º 8: no emplear las herramientas adecuadas A medida que el A/B testing adquiere popularidad, el mercado se marcha llenando de nuevas herramientas low-cost. No obstante, no todas ellas son igual de buenas. Ciertas pueden frenar tu sitio de forma drástica, al paso que otras no están integradas con las herramientas cualitativas necesarias (heatmaps, grabación de sesiones, etcétera), lo cual afecta de forma negativa a los datos. Efectuar experimentos de A/B testing con herramientas poco adecuadas puede poner bajo riesgo el éxito de tu campaña desde el primer instante.
Error n.º 9: un exceso de precaución en el momento de crear tests A/B Muchos especialistas aconsejan empezar en el mundo de la experimentación con la ejecución de pequeños tests A/B para ir viendo cómo funciona todo el proceso. No obstante, una excesiva cautela en las campañas de A/B testing va a hacer que no les saques todo el provecho posible en un largo plazo. Por servirnos de un ejemplo, si tienes pensado rediseñar por completo una de las páginas de tu sitio, deberías recurrir al split testing. Por otro lado, si prefieres testear una serie de alteraciones de color en los CTA, aparte del texto y la imagen del banner de tu página, debes recurrir a los tests multivariante.
