Todo sobre las pruebas A/A: ¿Por qué y cuándo debe ejecutar las pruebas A/A?

La prueba A/A le permite comparar dos páginas idénticas entre sí y puede ser extremadamente útil al configurar una nueva herramienta de prueba A/B.

Las pruebas A/A se pueden utilizar para

• evaluar la precisión de una plataforma de pruebas A/B,
• determinar si su plataforma de pruebas A/B está completamente integrada con su análisis interno,
• identificar posibles problemas técnicos con su herramienta de prueba A/B,
• proporcionar una tasa de conversión de referencia para una página o embudo,
• determinar el tamaño de muestra apropiado para usar en sus pruebas A/B, y
• compare el rendimiento de sus páginas y embudos.

Convert proporciona capacidades de prueba A/A y A/B, para garantizar que tenga todo lo que necesita para diseñar y desarrollar con éxito un sitio web de alta conversión.

¡Siga leyendo para obtener más información sobre la importancia de las pruebas A/A y cómo configurar su primera experiencia!

Quizás algo así te haya pasado antes…

• Ejecutas una prueba A/B para ver si tu nuevo botón CTA y título aumentarán las conversiones.
• Durante el próximo mes, envía la misma cantidad de tráfico a sus páginas de destino de control y de variación.
• Su software declara que su variación es la ganadora (con un 99 % de confianza), por lo que se detiene.
• Luego lanza su diseño "ganador", pero después de varios ciclos comerciales, ve que el aumento del 50% en su tasa de conversión ha tenido poco efecto en sus ingresos netos.

La explicación más probable es un resultado de prueba falso positivo. Afortunadamente, existen varios métodos para tratar con pruebas incorrectas.

Una de las que quizás haya oído hablar es la prueba A/A.

¿Qué son las pruebas A/A?

Antes de sumergirnos en las pruebas A/A, hablemos de las pruebas A/B, para que podamos señalar las diferencias.

En una experiencia A/B típica, el tráfico se divide entre dos o más variaciones alternativas.

Una variación generalmente se designa como "control" u "original". Todas las demás variaciones de la experiencia se comparan con el control para determinar cuál produce el mayor aumento en una métrica determinada.

La prueba A/A, por otro lado, requiere que el tráfico se asigne a dos variaciones idénticas, generalmente usando una división 50/50.

En una prueba A/B normal, el objetivo es encontrar una tasa de conversión más alta, mientras que, en una prueba A/A, el propósito suele ser examinar si las variaciones tienen el mismo impulso.

En una prueba A/A, el tráfico se divide aleatoriamente y ambos grupos muestran la misma página.

Luego, se registran las tasas de conversión informadas, las tasas de clics y las estadísticas asociadas para cada grupo, con la esperanza de aprender algo.

Prueba A/A = 2 páginas idénticas probadas una contra la otra

Ahora, echemos un vistazo a algunos ejemplos de dónde se pueden usar las experiencias A/A, para determinar si le serán útiles.

¿Por qué ejecutar pruebas A/A?

Ejecutar una prueba A/A puede ser particularmente efectivo a lo largo de varias etapas del proceso de diseño y desarrollo web, tales como:

• Cuando haya terminado de instalar una nueva herramienta de prueba A/B,
• Cuando la configuración de su herramienta de prueba A/B actual se haya actualizado o cambiado,
• Cuando estás creando un nuevo sitio web o aplicación,
• Cuando observe discrepancias entre los informes de datos de sus pruebas A/B y otras herramientas de análisis que utilice.

Profundicemos más en cada uno de estos casos de uso.

Compruebe la precisión de la plataforma de pruebas A/B

Una experiencia A/A puede ser lanzada por una empresa que busca adquirir una plataforma de prueba A/B o por una empresa que busca probar un nuevo software de prueba (para confirmar que está configurado correctamente).

En una experiencia A/A, comparamos dos versiones completamente idénticas de la misma página, con el objetivo de tener valores de conversión similares.

El resultado esperado no es concluyente si no hay diferencia entre el control y la variación.

Aun así, a veces se declara un "ganador" en dos copias idénticas.

Cuando esto ocurre, es fundamental evaluar la plataforma de pruebas A/B, ya que la herramienta puede haber sido mal configurada o puede ser ineficaz.

Como siguiente paso, debe:

1. Comprueba que has instalado correctamente el código de seguimiento A/B
2. Verifique el área de su sitio
3. Consulta tus audiencias
4. Consulta tus objetivos
5. Póngase en contacto con el equipo de soporte de pruebas A/B para averiguar si es algo que se puede resolver antes de abandonar su plataforma.

Con suerte, el problema es uno de los anteriores. Si no puede resolver el problema, esto probablemente significa que la prueba A/A es concluyente y su plataforma de prueba A/B no es precisa.

Determine el alcance de la integración con su análisis interno

Al verificar la precisión de una plataforma de prueba A/B, puede usar una prueba A/A para evaluar si la plataforma está completamente integrada con su herramienta de análisis.

Ya sea que esté utilizando Google Analytics, Heap Analytics, Adobe Analytics, Plausible, Matomo o cualquier otro, puede comparar los resultados de la prueba A/A con su herramienta de análisis interna para determinar si la integración funcionó como se esperaba.

Por ejemplo a continuación, GA ha identificado 620 visitantes en el Original y 592 en la Variación (página idéntica al Original).

Para el mismo rango de fechas, Convert reveló 972 visitantes en el Original y 980 en la Variación (página idéntica al Original).

Esto podría ser una señal de que la integración entre las dos plataformas no está funcionando como se esperaba.

Identificar posibles problemas técnicos

También puede utilizar una prueba A/A para identificar posibles problemas técnicos.

La mayoría del software de pruebas A/B utiliza métodos que son algo diferentes y podrían generar variaciones significativas, dependiendo de qué tan lejos se empuje el programa.

Esto puede parecer una anomalía, pero también podría sugerir un problema subyacente más grave con uno de los siguientes:

• Fórmulas matemáticas y estadísticas.
• Algoritmos de aleatorización
• cookies del navegador

Puede utilizar las experiencias A/A para revelar los problemas anteriores.

En el caso a continuación, los científicos de datos de Wish notaron preocupaciones de SRM en una prueba A/A. Después de un examen exhaustivo, se determinó que el SRM se debió a que su aleatorización no fue completamente aleatoria.

La técnica de aleatorización es fundamental para obtener resultados experimentales fiables.

El uso de muestras aleatorias es un supuesto esencial de las pruebas estadísticas empleadas en las pruebas A/B.

La aleatorización equilibra los factores de usuario observados y no observados entre grupos de experimentos. Establece una relación causal entre la característica del producto que se está probando y cualquier cambio en los resultados del ensayo.

Proporcione la tasa de conversión de referencia para cualquier página o embudo

Si desea mejorar cualquier número, primero debe comprender cómo se ve su línea de base. Esta podría ser su velocidad, peso o tiempo de ejecución.

Del mismo modo, antes de realizar cualquier prueba A/B, primero debe determinar la tasa de conversión con la que comparará los resultados. Esta es su tasa de conversión de referencia .

Probablemente haya oído hablar de un aumento de los ingresos a partir de una sola experiencia, pero esto puede ser engañoso. Una sola experiencia no le dirá si la conversión de su sitio web ha mejorado.

Es importante conocer su tasa de conversión de referencia porque si no puede cuantificar la mejora de cada experiencia, deberá comparar las conversiones generales esperadas y logradas con frecuencia.

Con un poco de suerte, cada experiencia que se considere "ganadora" ayudará a que sus conversiones superen las expectativas.

Y si hace esto con la suficiente frecuencia, ¡sus conversiones seguirán mejorando!

La prueba A/A es lo que te ayudará a lograrlo.

Supongamos que está ejecutando una prueba A/A en una de sus páginas de destino, con el Original A y la Variación B proporcionando resultados casi idénticos: 2,14 % y 2,13 %.

Como resultado, la tasa de conversión de referencia se puede establecer en 2,13-2,14%.

Con esto en mente, puede realizar futuras pruebas A/B, con el objetivo de superar este punto de referencia.

El resultado no es estadísticamente significativo si ejecuta una prueba A/B en una nueva versión de la página de destino y recibe una tasa de conversión del 2,15 %.

Encuentre el tamaño de muestra necesario

Antes de ejecutar una experiencia A/B, verifique dos veces los tamaños de sus muestras, tal como lo haría antes de emprender un viaje por carretera.

No observará el efecto de la experiencia si no hay suficientes muestras (usuarios). Por otro lado, si tiene demasiadas muestras, corre el riesgo de ralentizar el progreso de su equipo al exponer continuamente a las personas a una mala experiencia.

Idealmente, nunca debe comenzar una experiencia sin determinar primero cuántas muestras recolectará.

Para entender por qué, considere lo siguiente:

Digamos que tienes una moneda y tu hipótesis es que tiene una probabilidad del 50/50 de que salga cara o cruz. Para probar esto, lo lanzas cien veces.

Pero digamos que obtienes diez cruces en los primeros diez lanzamientos y decides detener el experimento allí.

Rechazar la hipótesis nula (que la moneda es justa) puede parecer estadísticamente significativo, pero terminó el experimento prematuramente. No tienes idea de cuánto tiempo debería haber tomado el experimento para empezar.

Si no estima el tamaño de la muestra, es posible que tampoco pueda determinar cuánto tiempo llevará a cabo la experiencia.

Entonces, ¿cómo abordamos esto?

Las pruebas A / A pueden ayudarlo a determinar qué tamaño de muestra necesitará de los visitantes de su sitio web.

Tal vez, sus visitantes del lunes por la mañana son estadísticamente completamente diferentes de los visitantes del sábado por la noche. Y tal vez, sus compradores navideños sean estadísticamente diferentes de aquellos que compran fuera de la temporada navideña.

Sus clientes de escritorio pueden diferir estadísticamente de sus clientes móviles. Y sus clientes que vienen a través de anuncios patrocinados no son los mismos que vienen de referencias de boca en boca.

Al ver sus resultados, dentro de categorías como dispositivos y navegadores, se sorprenderá de las tendencias que descubrirá con el tamaño de muestra correcto.

Por supuesto, si el tamaño de su muestra es demasiado pequeño, es posible que los resultados no sean confiables. Es posible que te pierdas algunas porciones, lo que podría tener un impacto en los resultados de tu experiencia.

Un tamaño de muestra mayor aumenta la probabilidad de incluir todos los segmentos que influyen en la prueba.

Al ejecutar una prueba A/A, podrá determinar qué tamaño de muestra permite una igualdad ideal entre sus variaciones idénticas.

En resumen, una prueba A/A lo ayuda a determinar el tamaño de muestra apropiado que luego se puede usar para futuras pruebas A/B.

Compare el rendimiento de sus páginas y embudos

¿Cuántos visitantes llegan a su página de inicio, página de carrito, páginas de productos y otras páginas?

No le preocupa si encontrará o no un ganador cuando hace esto. Más bien, está buscando patrones más grandes para una página determinada.

Estas experiencias pueden ayudarlo a responder preguntas como:

• ¿Cuál es la tasa de conversión de macros de la página de inicio?
• ¿Cuál es el desglose de esa tasa de conversión por segmento de visitantes?
• ¿Cuál es el desglose de esa tasa de conversión por segmento de dispositivo?

Las experiencias A/A le brindan una base de referencia con la que puede comparar experiencias A/B recientes para cualquier parte de su sitio web.

Se podría argumentar que puede recibir la misma información a través del análisis del sitio web.

Pero, esto es tanto cierto como falso.

La herramienta de prueba A/B se utiliza principalmente para declarar un ganador (mientras se envían datos de prueba a Google Analytics o se realizan otros cálculos), por lo que aún querrá observar las métricas del sitio web cuando se está ejecutando.

Configuración de una experiencia A/A

Las experiencias A/A son una herramienta muy importante para la optimización de la tasa de conversión.

Sin embargo, el desafío con una experiencia A/A es decidir qué página usar al realizar la experiencia.

Asegúrese de que la página que elija para su página de experiencia A/A tenga estas dos cualidades:

• Un alto volumen de tráfico. Cuantas más personas visiten una página, antes notará la alineación entre las variaciones.
• Los visitantes tienen la posibilidad de comprar o registrarse . Querrá ajustar su solución de prueba A/B hasta la línea de meta.

Estos requisitos son la razón por la que a menudo realizamos pruebas A/A en la página de inicio de un sitio web.

En la siguiente sección, explicaré con más detalle cómo crear una campaña de prueba A/A, pero, en pocas palabras, aquí se explica cómo configurar una prueba A/A en la página de inicio de un sitio web:

1. Haz dos versiones idénticas de la misma página: un control y una variación. Una vez que haya terminado de crear sus variaciones, elija sus audiencias con tamaños de muestra idénticos.
2. Determina tu KPI. Un KPI es una métrica que mide el rendimiento a lo largo del tiempo. Por ejemplo, su KPI podría ser la cantidad de visitantes que hacen clic en un llamado a la acción.
3. Divida su audiencia de manera uniforme y aleatoria utilizando su herramienta de prueba, enviando un grupo al control y el otro a la variación. Ejecuta la experiencia hasta que tanto el control como la variación alcancen un determinado número de visitas.
4. Realice un seguimiento de los KPI de ambos grupos. Debido a que ambos grupos están expuestos al mismo contenido, deben actuar de manera similar.
5. Conecte su herramienta de prueba A/B a su software de análisis. Esto le permitirá verificar dos veces que sus datos se recopilan con precisión en su programa de análisis.

¿Cómo interpretar los resultados de la prueba A/A?

Esperamos resultados no concluyentes en una experiencia A/A

Si bien es poco probable que la estacionalidad altere los resultados de una prueba A/A, uno de los objetivos es detectar resultados inesperados. Por este motivo, recomendamos realizar la prueba durante al menos una semana antes de revisar el resultado.

Al final de una semana, debería notar el siguiente comportamiento cuando examine los resultados de su prueba A/A:

• Con el tiempo, su importancia estadística se asentará en torno a un valor dado. 10% del tiempo, la significación estadística se establecerá por encima del 90%.
• A medida que se recopilen más datos, los intervalos de confianza de su experimento se reducirán y se descartarán los valores distintos de cero.
• El original y la variación pueden funcionar de manera diferente en varios puntos durante los resultados de la prueba, pero ninguno debe ser etiquetado oficialmente como un ganador estadísticamente significativo.

Debido a que no debe haber diferencia entre las variaciones, debe esperar ver solo diferencias modestas y ningún resultado estadísticamente significativo. Tal vez, verás algo en este sentido:

¿Qué significa si obtiene variaciones no idénticas?

Si hay una diferencia considerable entre las dos variaciones idénticas en una experiencia A/A, podría significar que su software de prueba A/B no se implementó correctamente o que la herramienta de prueba es ineficiente .

Sin embargo, también es posible que la experiencia no se haya realizado correctamente o que los resultados se deban a una variación aleatoria . Este tipo de error de muestreo ocurre naturalmente cuando se mide una muestra, en lugar de medir a todos los visitantes.

Por ejemplo, un nivel de confianza del 95 % sugiere que se producirá un resultado ganador en uno de cada 20 casos, debido a un error de muestreo en lugar de una diferencia significativa en el rendimiento entre dos variaciones.

Otra razón por la que una experiencia A/A correctamente ejecutada podría no validar la identidad de las variaciones es la heterogeneidad de la audiencia objetivo .

Por ejemplo, digamos que ejecutamos una experiencia A/A en un grupo de mujeres, con tasas de conversión variadas para mujeres de diferentes edades.

Incluso si ejecutamos una prueba correctamente, utilizando una herramienta de prueba A/B precisa, aún puede revelar una diferencia significativa entre dos variaciones idénticas. ¿Por qué? En este ejemplo, el 50 % de los visitantes puede tener entre 20 y 90 años, mientras que el otro 50 % puede tener entre 20 y 50 años. Más que un error de la plataforma, el resultado incongruente es simplemente una señal de que las dos audiencias están muy diferente.

Finalmente, otro error común, cuando se ejecuta cualquier tipo de prueba, incluida una prueba A/A, es seguir verificando los resultados y finalizar la prueba prematuramente una vez que se detecta la significancia estadística.

Esta práctica de declarar una variación ganadora demasiado pronto se denomina "búsqueda de datos" y puede dar lugar a resultados no válidos.

La observación de datos en una prueba A/A puede llevar a los analistas a ver un aumento en una variación, cuando las dos son, de hecho, idénticas.

Para evitar esto, debe decidir con anticipación el tamaño de la muestra que desea utilizar. Tome esta decisión en base a:

• Tamaño mínimo del efecto: el aumento mínimo por debajo del cual un efecto no es significativo para su organización
• Energía
• Niveles de significancia que usted considera aceptables

El propósito de una prueba A/A sería evitar ver un resultado estadísticamente significativo una vez que se haya alcanzado el tamaño de la muestra.

¿Cuáles son los desafíos de las pruebas A/A?

Además de los muchos beneficios que una prueba A/A puede aportar a su estrategia de experimentación, estos son dos inconvenientes principales con las pruebas A/A:

1. Una configuración experimental A/A contiene un elemento de imprevisibilidad.
2. Es necesario un tamaño de muestra alto.

Echemos un vistazo a cada uno de estos desafíos por separado.

Aleatoriedad

Como se indicó anteriormente, una de las principales razones para realizar una prueba A/A es evaluar la precisión de una herramienta de prueba.

Pero supongamos que descubre una diferencia entre las conversiones de control y de variación.

El problema con las pruebas A/A es que siempre hay algún elemento de aleatoriedad involucrado.

En otras circunstancias, la significación estadística se logra únicamente por casualidad. Esto significa que la diferencia en las tasas de conversión entre dos variaciones es probabilística y no absoluta.

Gran tamaño de muestra

Cuando se comparan variaciones similares, se requiere un tamaño de muestra grande para determinar si se favorece uno sobre su contraparte idéntica.

Esto requiere una gran cantidad de tiempo.

La ejecución de pruebas A/A puede reducir el tiempo de prueba 'real'.

El truco de un programa de optimización a gran escala es reducir la relación entre el costo de los recursos y la oportunidad, para garantizar la velocidad del rendimiento de las pruebas y lo que se aprende, eliminando por completo el desperdicio, la estupidez y la ineficiencia del proceso.

Ejecutar experimentos en su sitio es un poco como operar una aerolínea ocupada en un importante aeropuerto internacional: tiene espacios de despegue limitados y debe asegurarse de usarlos de manera efectiva.

Craig Sullivan para CXL

Experiencias de conversión y pruebas A/A

Las pruebas A/A aparecen con frecuencia en solicitudes de soporte más "avanzadas".

Las siguientes sugerencias de los agentes de soporte de Convert se basan en docenas de casos resueltos:

1. Para probar su plataforma de prueba A/B, realice primero una experiencia A/A. Si la diferencia entre los dos es estadísticamente significativa en el nivel elegido, su plataforma podría estar rota.
2. Realice una prueba A/A/B o A/A/B/B (más sobre esto a continuación) y descarte los hallazgos si las dos variaciones A o las dos variaciones B producen diferencias estadísticamente significativas en el nivel elegido.
3. Configure muchas pruebas A/A. Si más pruebas de las esperadas muestran diferencias estadísticamente significativas, su plataforma está rota.

¿Cómo configurar pruebas A/A dentro de Convert Experiences?

Ahora veamos cómo configurar algunos tipos diferentes de pruebas A/A (sí, en plural) usando Convert Experiences.

La experiencia pura de A/A

La configuración A/A más típica es una división 50/50 entre dos páginas que son idénticas.

El objetivo es validar la configuración de la experiencia asegurándose de que cada variación tenga aproximadamente el mismo rendimiento.

Está comprobando lo mismo contra sí mismo para descubrir si los datos contienen ruido en lugar de información útil.

Para configurar esta sencilla experiencia A/A, haga clic en el menú Experiencias. Luego, haga clic en el botón "Nueva experiencia" en la parte superior derecha.

Complete los detalles del "Asistente de creación de experiencias" y seleccione el tipo de experiencia "Experiencia A/A".

Ahora, se debe crear su experiencia A/A. Será idéntico a otros tipos de experimentos en la plataforma, además de no tener opciones para "Editar variaciones".

Activa la experiencia cambiando su estado:

La experiencia calibrada A/A/B o A/A/B/B

La idea detrás de esta prueba A/A/B o A/A/B/B calibrada es que las variaciones A o B replicadas proporcionan una medida de la precisión de la prueba A/B.

Si la diferencia entre A y A o B y B es estadísticamente significativa, la prueba se considera inválida y los resultados se descartan.

Para configurar una prueba de este tipo, deberá iniciar una experiencia A/B, en lugar de una A/A.

Haga clic en el botón "Nueva experiencia" a la derecha de la pantalla para comenzar a crear una nueva experiencia.

Una vez que haga clic en ese botón, verá este menú emergente. Seleccione la opción A/B:

Luego, ingrese su URL en el segundo cuadro.

Accederá al Editor visual que muestra la URL que eligió y una barra de herramientas en la parte superior:

En la sección Variaciones de página en la parte superior izquierda, notará que la "Variación 1" está seleccionada de manera predeterminada.

Esto significa que cualquier cambio que hagamos en esta versión de la URL no afectará a la URL original.

Esto dará como resultado una prueba A/B clásica, en la que la versión "A" es la página original y la versión "B" es la Variación 1.

Para A/A/B o A/A/B/B, deberá agregar otra variación A y otra variación B que sean idénticas a la variación A y la variación B, respectivamente.

Debe tener un aspecto como este:

Haga clic en el botón "Guardar y continuar" y ¡ya está!

Ejecute muchas experiencias A/A

Ya hemos cubierto esto, pero si realiza 1000 pruebas A/A sucesivas con grandes audiencias, sigue todos los requisitos y logra resultados estadísticamente significativos con mucha más frecuencia de lo previsto, es posible que su marco de pruebas A/B no funcione.

Puede ser que las muestras no estén correctamente aleatorizadas. O tal vez, las dos variaciones no son mutuamente excluyentes.

Así es como podría verse:

¿Puedo ejecutar una experiencia A/A al mismo tiempo que una experiencia A/B?

Existe la posibilidad de que deba ejecutar una prueba A/A al mismo tiempo que una prueba A/B, en el mismo sitio web.

En ese caso, aquí hay algunas posibilidades:

1. No tendrá que preocuparse de que las pruebas entren en conflicto entre sí si las ejecuta simultáneamente.
2. Podría realizar los experimentos simultáneamente, pero con audiencias distintas.
3. Puede realizar las pruebas en el orden correcto (completar la prueba 1 (prueba A/A) antes de pasar a la prueba 2 (prueba A/B)).

La opción 3 es la más segura, pero limita drásticamente las capacidades de su experiencia.

Es totalmente posible ejecutar múltiples experiencias en la misma página o conjunto de páginas al mismo tiempo.

Pero tenga en cuenta que la agrupación en cubos en un experimento puede tener un impacto en los datos de otro experimento que ocurre simultáneamente.

Estas son las dos técnicas de conversión más importantes para usar cuando se ejecutan pruebas paralelas:

1. Asigne el 50% del tráfico a la prueba A/A, mientras permite que el otro 50% del tráfico ingrese a las otras experiencias A/B en ejecución.
2. Excluir visitantes A/A de otras pruebas A/B.

Proceso de control de calidad previo a la prueba: una alternativa interesante a las pruebas A/A

Al decidir si ejecutar o no una prueba A/A, las respuestas variarán según a quién le pregunte. No hay duda de que las pruebas A/A son un tema polémico.

Uno de los argumentos más comunes en contra de las pruebas A/A es que lleva demasiado tiempo.

Las pruebas A/A consumen una cantidad significativa de tiempo y, a menudo, requieren un tamaño de muestra considerablemente mayor que las pruebas A/B.

Al comparar dos versiones idénticas de un sitio web, se requiere un tamaño de muestra alto para demostrar un sesgo significativo.

Como resultado, la prueba tardará más en completarse, lo que podría reducir el tiempo dedicado a otras pruebas importantes.

En los casos en los que no tenga mucho tiempo o mucho tráfico, es mejor considerar realizar un proceso de control de calidad previo a la prueba.

En este artículo de blog, lo guiamos a través de todos los pasos que deberá seguir para realizar un proceso de control de calidad completo. Los métodos que use dependen de usted y dependen de cuánto tiempo tenga disponible.

¿Puede existir SRM en las pruebas A/A?

Pregúntese lo siguiente: ¿La cantidad real de usuarios observados durante su prueba A/A está cerca de la proporción 50/50 (o la proporción 90/10, o cualquier otra proporción) si los divide por la mitad?

De lo contrario, se enfrenta a uno de dos problemas: hay un problema con la forma en que invoca la infraestructura de prueba desde el código (lo que hace que tenga "fugas" por un lado) o hay un problema con la infraestructura de prueba. mecanismo de asignación.

Un error de desajuste de proporción de muestra (error SRM) es un defecto que puede detectar una prueba A/A.

Si su proporción es de 65/35, debe investigar el problema antes de ejecutar otra prueba A/B con la misma estrategia de orientación.

¿Las ventajas de las pruebas A/A superan las desventajas?

Aunque las pruebas A/A no deben realizarse mensualmente, vale la pena probar sus datos al configurar una nueva herramienta A/B.

Si detecta los datos erróneos ahora, tendrá más confianza en los resultados de la prueba A/B más adelante.

Si bien la decisión es en última instancia suya, es muy recomendable que realice pruebas A/A si está comenzando con una nueva herramienta. De lo contrario, le recomendamos que establezca un estricto procedimiento de control de calidad previo a la prueba, ya que las pruebas A/B le ahorrarán tiempo, dinero y tráfico.

Esperamos que las capturas de pantalla anteriores hayan respondido a sus preguntas, pero si no es así, regístrese para obtener una demostración y ver por sí mismo lo fácil que es configurar una prueba A/A con Convert Experiences.