La guía para las pruebas A/B éticas: el componente que falta en su programa de optimización

En 2014, Facebook estaba en el extremo receptor de una reacción violenta severa cuando reveló que había agrupado a los usuarios en un estudio de "contagio emocional" que manipulaba descaradamente las emociones al mostrar feeds "optimistas" o "deprimentes" a los elegidos.

El aspecto más perturbador de toda la debacle fue el hecho de que las personas con las que se experimentó no sabían que estaban siendo manipuladas.

Pongamos un alfiler en ese pensamiento y te preguntemos:

La respuesta es probablemente no. Después de todo, no estás tratando de manipular sus emociones... ¿o sí?

La verdad es que el marketing es el arte y la ciencia de impactar emociones. Y las pruebas A/B es cómo se aísla y cuantifica ese impacto.

Haga que las personas se sientan más seguras acerca de un sitio web y comprarán más. Si el sitio web es realmente seguro, está mejorando la experiencia del usuario al aplastar temores innecesarios. Si el sitio web no tiene un back-end para justificar las señales de confianza, entonces es una manipulación flagrante.

Como cualquier técnica efectiva, las pruebas A/B pueden hacer mucho bien al permitir que las empresas presenten ofertas relevantes de una manera que ayude a las personas.

O puede causar mucho daño a través del engaño, la manipulación e incluso al tratar los datos recopilados para un experimento de manera indiferente, dejándolos vulnerables a las infracciones.

¿Qué es la optimización ética y por qué debería importarle?

Las pruebas A/B llegaron para quedarse y solo se volverán más poderosas a medida que se desarrolle la Inteligencia Artificial.

Si observa el futuro de la optimización, puede ver que la IA propone hipótesis que tienen mil veces más probabilidades de afectar el comportamiento de los visitantes del sitio que cualquier cosa que podamos concebir en este momento.

Y los datos son las piedras angulares que construyen gradualmente la existencia de este futuro.

Es por eso que el famoso RGPD (Reglamento General de Protección de Datos) fue un gran problema y seguirá siéndolo.

Es un golpe en los dedos de los gigantes tecnológicos y las empresas que tratan a las personas como nada más que los visitantes cuentan con sus propiedades en línea. Aunque el RGPD es una regulación, por extraño que parezca, humaniza a las personas al obligar a las empresas a verlos como individuos que podrían protestar por el uso indebido de sus datos.

Además, el RGPD fue un precursor de otras iniciativas como la Directiva de privacidad electrónica y la Ley de derechos de privacidad de California.

A medida que marcas como Netflix y Amazon escalan sus programas de prueba, es solo cuestión de tiempo hasta que la cuestión de la ética en las pruebas A/B se generalice y obtenga su propio conjunto de pautas.

Si planea cumplir con cada nueva regulación cuando salga, sofocará la innovación en su negocio y correrá para evitar las minas terrestres.

El mejor enfoque es incorporar pruebas A/B éticas en su empresa y convertirlas en parte de la cultura de su organización.

En resumen, te vuelves transparente y responsable.

Y cumple con cualquier regulación (pasada, presente o futura) a través de sus prácticas comerciales diarias.

En esta guía, desglosamos los pasos que puede seguir para minimizar los problemas de privacidad de datos durante las pruebas y las consideraciones a tener en cuenta para realizar pruebas A/B transparentes y éticas.

GDPR, CCPA 2.0 y más allá: cómo han cambiado las pruebas y análisis A/B

La reacción de Europa al uso indebido de datos fue la ley de protección de datos, el RGPD (Reglamento general de protección de datos), que obliga a cualquier empresa que entregue datos a hacer un esfuerzo adicional para salvaguardar los datos de sus clientes.

La reacción de EE. UU. fue la CCPA (Ley de Privacidad del Consumidor de California), Nevada SB 220 y, más recientemente, la Ley de Derechos de Privacidad de California 2023.

El objetivo de estas leyes se trata esencialmente de dos cosas, el uso ético de los datos personales y el mantenimiento de la seguridad de esos datos personales .

Esto ha obligado a empresas de todo el mundo a comenzar a fortalecer la seguridad y privacidad de sus datos.

Con estas leyes de privacidad, la UE y los EE. UU. también introdujeron un nuevo requisito legal: la privacidad desde el diseño .

En esencia, la privacidad por diseño exige la inclusión de la protección de datos desde el inicio del diseño de los sistemas, en lugar de una adición.

Además, las condiciones para el consentimiento se han reforzado y las empresas ya no pueden utilizar largos términos y condiciones ilegibles llenos de jerga legal.

Estas leyes introdujeron la portabilidad de datos , el derecho de un sujeto de datos a recibir los datos personales que le conciernen, que previamente proporcionó en un 'formato de uso común y legible por máquina' y tiene derecho a transmitir esos datos a otro controlador.

Sin embargo, adaptarse a los cambios anteriores no debe ser impulsado por el miedo a las consecuencias.

Más bien, las empresas y los especialistas en marketing deben considerar qué tan bien sus valores respaldan las áreas de la práctica comercial y cómo se pueden desarrollar los escenarios que llevarán a sus sistemas y procedimientos a enfrentar desafíos. Esto podría provenir de un visitante individual probado que sus datos deben moverse o eliminarse o un pirata informático que intenta obtener datos personales ilegalmente. También puede venir con una solicitud de acceso del sujeto de datos (DSAR).

Cualesquiera que sean las solicitudes en torno a los datos personales, los especialistas en marketing deben saber, comprender y comprometerse con comportamientos y valores apropiados.

Es lo que permitirá tomar decisiones para proteger al individuo ya la empresa.

Esta es la razón por la que las pruebas A/B éticas son tan importantes: afectan la forma en que se comunican los valores dentro de una organización, cómo los demuestra el liderazgo y cómo se incorporan en las relaciones laborales cotidianas.

El costo del incumplimiento de GDPR: Despierte a los números

Aquí hay una lista de las multas en las que han incurrido marcas grandes y pequeñas desde que se hizo cumplir el RGPD. Es una compilación aterradora en términos de la magnitud del dinero que las empresas han tenido que desembolsar.

Pero aún más aterradoras son las razones de las infracciones.

Muestran un flagrante desprecio por la privacidad de los usuarios/clientes y resaltan la necesidad de adoptar una cultura empresarial ética en toda la organización.

Ninguno de estos ejemplos se puede rastrear directamente hasta las pruebas A/B. Pero muchas de las mentalidades que han llevado a estas infracciones y multas también impregnan la optimización en las empresas.

Es hora de despertar y cambiar eso.

Cómo comenzar con las pruebas éticas A/B: 10 consideraciones sólidas para tener en cuenta

En cualquier tipo de investigación que involucre a participantes humanos, es importante considerar la ética del proyecto de investigación.

Ese también es el caso cuando haces pruebas A/B. Usted es responsable del bienestar de sus participantes, de representarlos con honestidad y de mantener segura su información personal.

Aquí, repasaremos algunas de las consideraciones más importantes para las pruebas A/B éticas .

Las pruebas A/B que impliquen el procesamiento de datos personales deben proporcionar información sobre las disposiciones de protección de datos. Es más probable que sus pruebas generen mayores riesgos éticos si involucran:

• Procesamiento de 'categorías especiales' de datos personales (anteriormente conocidos como 'datos sensibles');
• Tratamiento de datos personales relativos a niños, personas vulnerables o personas que no hayan dado su consentimiento para participar en las pruebas;
• Operaciones de procesamiento complejas y/o procesamiento de datos personales a gran escala y/o monitoreo sistemático de un área de acceso público a gran escala;
• Técnicas de procesamiento de datos que sean invasivas y se considere que representan un riesgo para los derechos y libertades del visitante evaluado, o técnicas que sean vulnerables al uso indebido;
• Recopilación de datos fuera de la UE o transferencia de datos personales recopilados en la UE a entidades en países no pertenecientes a la UE.

Consideración #1: Prueba, no engaño

Se debe hacer una distinción entre las pruebas A/B tradicionales y una forma alternativa de experimentación donde los resultados del algoritmo se modifican para una fracción de usuarios con supuestos fines de investigación.

Ding..ding... Facebook 2014 alguien?

En las pruebas A/B, las características del diseño de la interfaz, como la disposición de los botones, el diseño o el texto explicativo, se bloquean o reorganizan para probar su efecto. Muchas empresas en línea realizan de forma rutinaria pruebas A/B con sus usuarios para evaluar el impacto de los cambios en el diseño del sitio web.

Sin embargo, surge una nueva forma de experimentación cuando se altera el código de programación del algoritmo de un sitio web para inducir el engaño con resultados manipulados.

Esta es una forma profunda de prueba, que llamamos código/engaño o experimentación C/D para distinguirla de las pruebas de nivel superficial asociadas con las pruebas A/B.

La experimentación C/D debe distinguirse de los esfuerzos continuos de las empresas en línea destinados a mejorar sus algoritmos con fines operativos.

Tales casos de optimización no implican engaño porque el objetivo es producir mejores resultados (más precisos) para todos los usuarios. Por el contrario, en la experimentación C/D, los resultados del algoritmo se alteran (es decir, se distorsionan o se falsifican) con fines de investigación.

Consideración n.º 2: buscar el mejor interés del usuario

Como explicó Isaac Wardle de Team Croco, debe apuntar a una alineación entre los intereses de la empresa y los del usuario.

Idealmente, los científicos del comportamiento deben preguntar a sus empresas colaboradoras cuáles son sus intenciones y cómo se alinean con las de las personas con las que trabajan, a menudo empleados o clientes.

Cuando las intenciones no están alineadas, los investigadores y las empresas deben prestar más atención a cómo se utilizan los conocimientos de comportamiento y con qué fines.

Aquí hay una lista de preguntas para hacer antes de que cada prueba entre en funcionamiento:

1. ¿Qué buscamos obtener en términos de mejoras de KPI de la prueba?
2. ¿Qué cambio de percepción buscamos inducir a través de las pruebas?
3. ¿Está justificado este cambio de percepción? ( Piense en el ejemplo del sitio con señales de confianza que no pueden ser compatibles con el back-end ).
4. ¿Inducir esta percepción pondrá a los visitantes evaluados en algún tipo de riesgo físico, mental o financiero?
5. ¿Vale la pena el costo de la prueba A/B? Piense en la pérdida de buena voluntad, oportunidades y clientes si el enfoque es arriesgado y hay posibilidades de que las cosas salgan mal.

Consideración #3: Transparencia y Honestidad

Debe ser honesto con sus visitantes evaluados sobre el propósito de sus pruebas A/B, para quién lo está haciendo y cómo va a utilizar los resultados.

De esa forma, los participantes pueden dar su consentimiento informado y no se sorprenderán si encuentran sus resultados más adelante.

Sin embargo, en algunos casos, es posible que no pueda decirles todo de inmediato a los visitantes examinados. A veces, saber qué experimento está realizando puede influir en sus reacciones.

Puede ser que les guste o no su marca o que tengan experiencia con su producto o servicio que influirá en lo que esperan de él.

Otras veces, conocer el propósito de sus experimentos influirá en la forma en que los visitantes actúan o navegan por su sitio, porque querrán brindarle los resultados que creen que está buscando. Un buen gesto desde su punto de vista, pero ciertamente no es lo que desea si sus experimentos deben proporcionar una base sólida para un esfuerzo del mundo real que involucre a los usuarios.

Consideración #4: Mantenga sus prejuicios al margen

Cuando analice sus pruebas o presente sus resultados, siempre represente lo que sus visitantes evaluados han dicho y hecho con honestidad.

Cuando formulamos hipótesis, a menudo tenemos nociones preconcebidas sobre cómo pensamos que serán los resultados, o cómo queremos que sean los resultados.

Es importante no buscar ejemplos de lo que espera que hagan sus visitantes evaluados. Eso es subjetivo y engañoso, como reaccionar ante la realidad antes de que suceda. Después de todo, no puedes coreografiar personas reales en su entorno; usted tiene que monitorearlos en su lugar.

Sea abierto y escuche lo que dicen y hacen los visitantes evaluados. Esto puede sonar obvio, pero puede ser difícil en la práctica, dado que los especialistas en marketing también son humanos.

Al comunicar sus resultados, deje en claro los parámetros en los que basa sus resultados. Asegúrese de contar cuántos de los visitantes evaluados dijeron o hicieron algo interesante que encaja perfectamente con su idea para un nuevo diseño.

¿Fueron todos, la mayoría, solo un puñado, o tal vez solo uno?

La inserción de sesgos en los resultados de las pruebas A/B no solo cuesta dinero a las empresas (cuando no se logran los resultados deseados), sino que también lleva al despliegue de variantes que no mejoran la experiencia de los visitantes y, en muchos casos, pueden traumatizarlos, especialmente si se trata de transacciones financieras y la UX es particularmente desagradable.

Consideración n.º 5: obtener consentimiento y permiso si se trata de PII

Asegúrese de obtener el consentimiento informado de cada uno de sus visitantes evaluados (si está utilizando información personal que pueda identificarlos) para participar en su experimento A/B, ya sea verbalmente o por escrito. El consentimiento informado requiere que sus participantes tengan una idea clara de lo que está haciendo y para qué utilizará el experimento.

La mayoría de los sujetos probablemente no se molestarán en leer la información, simplemente harán clic en el sitio web lo más rápido posible.

Y si los sujetos leen sobre el estudio, trate de no dar información que pueda influir en ellos. Digamos que estamos evaluando el impacto de diferentes tonos de azul. Es casi seguro que leer sobre esto cambiará la forma en que reaccionan a los colores cuando lleguen al sitio web y, por lo tanto, sesgarán los resultados del estudio.

Por lo tanto, siempre solicite consentimiento si tiene la intención de almacenar información personal, pero trate de hacerlo de manera neutral.

Consideración n.º 6: agregue cancelaciones fáciles

En el notorio experimento de "contagio social" de Facebook, las personas cuyas fuentes de noticias fueron manipuladas no recibieron ningún aviso previo y no tenían forma de optar por no participar en ninguna actividad de investigación realizada en el sitio. Esto es extremadamente problemático.

Los usuarios deben poder optar por no participar en las pruebas A/B fácilmente .

Consideración #7: Reconocer que los puntos de datos son personas (y el daño oculto es real)

Una de las reglas más fundamentales de las pruebas A/B éticas y responsables es el firme reconocimiento de que la mayoría de los datos representan o impactan a las personas.

Comenzar con la suposición de que todos los datos son personas hasta que se demuestre lo contrario pone la tarea de disociar los datos de los sujetos humanos en el camino correcto.

Aunque es obvio que nunca debe hacer nada que pueda ser perjudicial para sus visitantes evaluados, existe una diferencia entre ese daño y el daño oculto e indirecto que puede asomar su fea cabeza más adelante.

Puede causar daño involuntariamente si no considera detenidamente cómo interactúa con sus visitantes evaluados y cómo maneja sus datos. Los riesgos no deben superar los beneficios que puedan obtener de sus resultados.

Bart Schutz, psicólogo del comportamiento y experto en pruebas A/B, desentraña el concepto de daño oculto:

Si la limpieza de un hostal u hotel se asocia en la mente de las mujeres con la seguridad, entonces las pruebas que destacan la limpieza de los alojamientos en áreas con altos índices de criminalidad pueden empujar a las mujeres a reservar en lugares limpios, pero inseguros.

Consideración #8: Protéjase contra la reidentificación de sus datos

Cuando los conjuntos de datos que se pensaba que estaban anonimizados se combinan con otras variables, puede resultar en una reidentificación inesperada, muy similar a una reacción química que resulta de la adición de un ingrediente final.

Si bien el poder de identificación de la fecha de nacimiento, el género y el código postal es bien conocido, existen algunos otros parámetros, en particular los metadatos asociados con la actividad digital, que pueden ser tan o incluso más útiles para identificar a las personas. Las direcciones IP, la geolocalización, las identificaciones y etiquetas de clientes, las zonas horarias, las identificaciones de transacciones y las marcas de tiempo se pueden usar para volver a identificar a las personas.

Por lo tanto, identifique posibles vectores de reidentificación en sus datos de prueba. Trabaje para minimizarlos en sus resultados publicados en la mayor medida posible.

Aproveche la seudonimización y la anonimización

Una de las mejores formas de mitigar las preocupaciones éticas que surgen del uso de datos personales es anonimizarlos para que ya no se relacionen con personas identificables .

Los datos que ya no se relacionan con personas identificables, como los datos agregados y estadísticos, o los datos que de otro modo se han convertido en anónimos (para que el sujeto no pueda volver a identificarse), no son datos personales y, por lo tanto, están fuera del alcance de las leyes de protección de datos.

Sin embargo, incluso si planea usar solo conjuntos de datos anónimos, sus pruebas A/B aún pueden generar importantes problemas éticos.

Estos podrían estar relacionados con los orígenes de los datos o cómo se obtuvieron. Por lo tanto, debe especificar la fuente de los conjuntos de datos que pretende utilizar en sus pruebas y abordar cualquier problema de ética que surja.

También debe considerar el potencial de mal uso de la metodología o los hallazgos, y el riesgo de daño al grupo o comunidad a la que se refieren los datos.

Cuando sea necesario mantener un vínculo entre los visitantes evaluados y sus datos personales, debe, siempre que sea posible, seudonimizar los datos para proteger la privacidad del sujeto y minimizar el riesgo para sus derechos fundamentales en caso de acceso no autorizado.

Consideración n.º 9: no se dirija a los niños con sus pruebas A/B

Todas las pruebas A/B que involucran a niños y jóvenes plantean cuestiones éticas importantes, ya que los sujetos pueden ser menos conscientes de los riesgos y consecuencias de su participación. Esto también se aplica al procesamiento de sus datos personales.

Lo que es más importante, los niños son impresionables y es probable que cualquier daño oculto que surja de las pruebas en ellos se multiplique y arraigue.

Si sus pruebas implican la recopilación de datos de niños, debe seguir la nota del RGPD sobre el consentimiento informado , en particular, las disposiciones sobre la obtención del consentimiento de un padre/representante legal y, en su caso, el asentimiento del niño.

Como queda claro en esa guía, cualquier información que le brinde a un niño debe estar en un lenguaje sencillo y apropiado para su edad que pueda entender fácilmente. También debe aplicar el principio de protección por diseño para probar datos relativos a niños y minimizar la recopilación y el procesamiento de sus datos.

El RGPD establece salvaguardias especiales para los niños en relación con los "servicios de la sociedad de la información", un término amplio que abarca a todos los proveedores de servicios de Internet, incluidas las plataformas de redes sociales. Estos incluyen un requisito para el consentimiento parental verificado con respecto a los servicios de la sociedad de la información ofrecidos directamente a niños menores de 16 años.

Si está recopilando datos de niños, debe asegurarse de observar las garantías de la legislación nacional y de la UE/EE. UU. y explicar en su Política de privacidad cómo obtendrá y verificará el consentimiento del padre/representante legal.

Consideración #10: Manténgase alejado del encubrimiento

¿Google permite las pruebas A/B?

¿Voy a ser penalizado en los resultados de búsqueda de Google debido al encubrimiento?

Google sugiere que si detectan encubrimiento en su sitio, es posible que lo eliminen por completo del índice de Google.

Entonces, ¿qué significa encubrir? En pocas palabras, muestra contenido diferente a los robots de los motores de búsqueda y a los humanos, para manipular su clasificación en los motores de búsqueda.

La mayoría de los scripts de encubrimiento identifican la IP del agente de usuario (humanos o bots de motores de búsqueda) y, en función de una lista predefinida de IP de bots de motores de búsqueda, adivinan si el visitante es un motor de búsqueda o un ser humano.

Otros scripts usan "trampas" para identificar robots. En función de quién visite su sitio, puede configurar su servidor web para servir el contenido engañoso al motor de búsqueda y el contenido atractivo al ser humano.

Algunos ejemplos de encubrimiento incluyen:

• Entregar una página de texto HTML a los motores de búsqueda, mientras se muestra una página de imágenes o Flash a los usuarios
• Insertar texto o palabras clave en una página solo cuando el agente de usuario que solicita la página es un motor de búsqueda, no un visitante humano

Hay formas sencillas de evitar ser multado por encubrir:

• No distinga en Googlebot User-Agent
• Usa rel=”canónico”
• Usa 302 para redireccionamientos
• Ejecute el experimento solo "el tiempo que sea necesario".

Facilitar las pruebas A/B éticas: utilice una herramienta que comprenda la privacidad de los datos

Ninguna solución de prueba A/B puede argumentar la superioridad moral de sus pruebas por usted.

Pero la responsabilidad de manejar los datos con cuidado y mantenerlo en el lado correcto de las prácticas de prueba compatibles es algo que puede delegar en la herramienta adecuada.

Aquí hay 7 funciones imprescindibles que debe buscar en una herramienta consciente de la privacidad:

Característica n.º 1: anonimización de datos: pruebas sin necesidad de consentimiento

Un principio importante en el RGPD es la minimización de datos .

Esto significa que, en el contexto de los datos personales, los proveedores de productos y servicios solo deben recopilar, almacenar y procesar lo que sea adecuado, relevante y limitado a su caso comercial.

No existe una definición clara de qué datos personales deben recopilarse y cuáles no. Se basa completamente en el caso de uso específico.

Para practicar el principio de minimización de datos, anonimizamos las identificaciones de los visitantes en nuestro seguimiento al agrupar a cientos de visitantes del sitio web en grupos de visitantes que solo cuentan la presencia del visitante.

Los visitantes individuales no se almacenan en Convert Experiences. No será posible conectar recuentos de grupos a visitantes individuales de ninguna manera.

El RGPD nos permitió analizar detenidamente lo que estábamos almacenando en Convert y cuál era el caso de uso para mantenerlo en un entorno cada vez más centrado en la privacidad.

Característica n.º 2: advertencias prácticas del RGPD

Herramientas como Convert Experiences han introducido advertencias para informar a los clientes sobre configuraciones u opciones relacionadas con el RGPD utilizadas en sus Proyectos o Experimentos:

• Convert Experiences ha permitido tradicionalmente agrupar a los visitantes del sitio por condiciones como ubicación y comportamiento. Estos grupos se conocen como segmentos personalizados. Sin embargo, después de GDPR, si la función de segmentación está habilitada, las autoridades de privacidad en Europa pueden interpretar esto como una forma de identificar a los interesados. Para informar a los usuarios, hemos insertado advertencias llamativas que se activan si la segmentación está habilitada para al menos una audiencia.

• Audiencias creadas con datos personales: existe una advertencia del RGPD en las audiencias guardadas y en las páginas de resumen de la experiencia cuando las audiencias se crean con cookies o condiciones de JavaScript, o si la zona horaria, la ciudad, la región, el ID de cliente o las etiquetas de cliente se han establecido.

• Seguimiento entre dominios: la cookie entre dominios está desactivada de forma predeterminada para todos los proyectos en Convert Experiences. Al encenderlo se activa otra advertencia:

• Las experiencias de personalización pueden contener segmentos pequeños (menos de 100 visitantes únicos) y esto puede ser interpretado por las autoridades de privacidad como identificación de los interesados. Por ese motivo, hemos agregado una advertencia al resumen de cualquier experiencia de personalización.

El propósito de estas advertencias es garantizar que nuestros usuarios entiendan qué características pueden ser vistas como una posible "identificación" de los interesados ​​por parte de las autoridades de la UE.

¡Es difícil memorizar la esencia de los mandatos de GDPR!

Al usar Convert Experiences, trabaja con una herramienta que puede hacer mucho, pero que también acentúa su potencial con recordatorios de que ciertas acciones ahora se interpretan de manera diferente en los países de la UE.

Puede desactivar las advertencias del RGPD.

Característica #3: Seguimiento de las acciones del usuario con el historial de cambios

¿Tiene varias personas colaborando en sus pruebas? Debe estar atento a los cambios imprevistos introducidos en sus pruebas A/B.

Un registro de cambios es fundamental en este sentido. Herramientas como Convert Experiences registran la mayoría de las acciones que se pueden realizar en un proyecto; por ejemplo, crear un experimento, modificar una variación, agregar y eliminar audiencias, y más. El Historial de cambios muestra un registro de la actividad del usuario para cada uno de sus proyectos.

Si un experimento parece comportarse de forma extraña o deja de funcionar correctamente, puede solucionarlo consultando el historial de cambios para ver qué cambios se realizaron, cuándo se realizaron y quién los realizó.

Este historial de cambios detallado crea un registro de actividad que proporciona seguridad adicional a personas y equipos con varios colaboradores.

Característica #4: Autenticación de dos factores

La autenticación de dos factores (2FA) aumenta la seguridad de una herramienta de prueba al agregar un segundo nivel de autenticación al iniciar sesión. En lugar de confiar solo en una contraseña, con la autenticación de dos factores habilitada, se le pedirá que ingrese un código al que accede desde tu dispositivo móvil. De esa manera, puede estar tranquilo sabiendo que su cuenta está protegida incluso si su contraseña está comprometida.

También hemos creado un sistema de inicio de sesión único (SSO) seguro en Convert Experiences para mejorar la seguridad y la facilidad de uso.

Característica #5: Respeto por la configuración del usuario (opt-out y DNT)

Su herramienta de prueba A/B debe proporcionar una función de exclusión voluntaria que permita excluir a los visitantes.

Cada cliente de Convert debe tener este formulario de exclusión voluntaria en su sitio, lo que otorga a los visitantes de su sitio web el derecho a oponerse a esta investigación estadística.

Su software también debe reconocer Do Not Track (DNT) porque creemos que es importante tener una forma simple de controlar cómo se usa la información del usuario final.

Convert Experiences reconoce a DNT como una señal de cómo usted y sus usuarios finales quieren que usemos los datos.

La implementación técnica de cómo Convert admitirá este campo se puede explicar con los tres valores posibles de DNT:

1. No rastrear (optar por no seguir)
2. Seguimiento (optar por el seguimiento)
3. Nulo – Sin preferencia

De forma predeterminada, los navegadores web usan el valor nulo (sin preferencia), lo que indica que el usuario final no ha expresado su deseo de ser rastreado o no.

Desde 2018, Convert no carga los scripts/experimentos cuando la opción n.° 1, No rastrear (optar por no rastrear), en el navegador, está configurada y los carga con las otras dos opciones.

Especialmente con la última configuración del navegador (Apple Safari con ITP 2.2 y Mozilla Firefox con ETP), es evidente que se deben respetar DNT, Opt-Out y otras configuraciones del navegador que probaron los visitantes mientras navegaban por su sitio .

Característica #6: Motor de estadísticas transparente

Las pruebas A/B son una técnica basada en métodos y análisis estadísticos. Dicho esto, no necesita ser un estadístico para comprender los conceptos involucrados o los resultados que le brinda su marco de pruebas A/B favorito.

Pero es bueno conocer las ecuaciones matemáticas utilizadas para calcular las estadísticas y métricas que rodean su prueba y comprender qué significan los resultados para usted y cómo pueden afectar potencialmente a sus visitantes evaluados.

En Convert somos muy transparentes sobre los algoritmos que utilizamos para calcular la confianza estadística y las variaciones ganadoras. Puedes encontrar más detalles aquí.

Usamos una prueba Z de 2 colas a un nivel de significancia estadística de 0,05 (95 % de confianza) (es decir, 0,025 para cada cola siendo una distribución simétrica normal), con la opción de cambiar esto entre 95 % y 99 %.

Característica #7: Herramienta ética con socios éticos

No basta con trabajar con una herramienta de prueba compatible de un proveedor ético. Vivimos en un mundo interconectado y ninguna empresa de SaaS está sola.

Elija una solución que haya construido un ecosistema de socios conscientes.

En Convert, tenemos un conjunto de preguntas que usamos para asociarnos con cualquier nuevo proveedor externo:

1. ¿Dónde se almacenan sus datos y aplicaciones?
2. ¿Se mueven esos datos alguna vez fuera del EEE?
3. ¿Alguna vez transfiere datos entre centros de datos fuera de la UE?
4. ¿Siempre me informan cuando mis datos están siendo transferidos?
5. ¿Tienes un Delegado de Protección de Datos?
6. ¿Qué controles de datos y procesos de gestión de riesgos tiene implementados?
7. How do you manage the version release process on your platform to ensure an adequate level of data protection?
8. Who can access my data, under what circumstances and what can they see? Is this access tracked?
9. Can I audit your security and technical measures on the protection of data?
10. Do you have in place a security breach notification process?
11. Are you GDPR compliant?