Prueba de la serie de mapas mentales: cómo pensar como un CRO Pro (Parte 22)

Entrevista con Nils Koppelmann

Nils Koppelmann es un apasionado defensor de los beneficios de la experimentación y la toma de decisiones basada en datos. Él entiende que las pruebas A/B exitosas no se tratan solo de descubrir si algo funciona, sino por qué funciona, y está aquí para disipar dos mitos comunes sobre esta práctica.

Que las pruebas A/B introducen riesgos y que las pequeñas empresas no pueden probar con eficacia. Por el contrario, Nils cree que las pruebas A/B pueden ayudar a reducir los riesgos al proporcionar información sobre lo que funciona y lo que no. Y aunque las empresas pequeñas pueden tener menos tráfico que las grandes, en realidad pueden probar con más audacia porque hay menos en juego.

Entonces, la próxima vez que piense que las pruebas A/B suenan demasiado arriesgadas o costosas, lea esta entrevista con Nils para obtener consejos sobre cómo realizar pruebas de manera efectiva en su sitio sin introducir riesgos innecesarios.

Nils, cuéntanos sobre ti. ¿Qué te inspiró a dedicarte a las pruebas y la optimización?

Durante los últimos 8 años, he estado creando sitios web y tiendas en línea para ayudar a clientes grandes y pequeños a "optimizar" su presencia en línea.

Hace algún tiempo, mis pensamientos se dirigieron a cómo asegurar que nuestros diseños realmente tengan el impacto deseado.

Cuando me encontré por primera vez con el término Optimización de la tasa de conversión hace aproximadamente 3 años y medio, me pregunté por qué no era algo en lo que ya nos enfocáramos. A partir de ese momento, cambié mi enfoque de ofrecer diseño y tecnología a brindar información y resultados.

El mundo de la optimización tiene mucho potencial que la mayoría de las empresas en línea aún no han explorado en gran medida. Debemos aprovechar la gran cantidad de datos disponibles y aprender de ellos para poder mejorar continuamente.

Una de las cosas que más me llama la atención es lo divertido que es volver a aprender. Nunca pensé que abriría voluntariamente un libro sobre estadísticas (un saludo a Georgi Georgiev y su gran libro Métodos estadísticos de pruebas A/B en línea) y lo leería. Este y muchos otros aspectos me siguen inspirando a probar para aprender.

¿Cuántos años llevas optimizando?

El deseo de optimizar proviene de la insatisfacción con el status quo, la curiosidad por saber qué es más y la certeza de que todo se puede mejorar.

En un contexto profesional, he estado optimizando durante aproximadamente 8 años. Inicialmente, construyendo y optimizando proyectos paralelos y ayudando a las empresas a mejorar sitios web y tiendas en línea. Ahora estamos ayudando a empresas nuevas y establecidas a crear una cultura de experimentación y utilizar el poder de los experimentos para contribuir a su crecimiento.

Pensando en retrospectiva, no recuerdo nunca no haber optimizado. Ya de niño, siempre cuestioné la forma en que se hacían las cosas. Recuerdo que mi papá dijo que hice "demasiadas" preguntas, algo que, en retrospectiva, estoy muy feliz de haber hecho y sigo haciendo.

Incluso en mi vida personal, soy conocido por rastrear y optimizar la mayoría de los aspectos de mi vida.

¿Cuál es el único recurso que recomienda a los aspirantes a evaluadores y optimizadores?

Hay muchos recursos que recomendaría para alguien que está comenzando, pero hagamos esto un poco más práctico.

Para empezar, aquí hay algunas sugerencias:

1. Sé más curioso y empieza a preguntarte por qué algo se hace de la forma en que se hace. Esto por sí solo abrirá una nueva visión del mundo.
2. Dedique más tiempo a pensar en el problema que a encontrar soluciones. Primero debe comprender realmente el problema, luego las soluciones vendrán más fácilmente.
   
   Como dijo Albert Einstein: “Si tuviera una hora para resolver un problema, pasaría 55 minutos pensando en el problema y 5 minutos pensando en soluciones”.
   
   Dicho esto, es importante pensar fuera de la caja, lo que significa no solo pensar dentro de los parámetros del problema, sino también considerar ángulos y posibilidades externos.
   
   La clave es encontrar un equilibrio entre los dos.
3. Aprende a hacer mejores preguntas. Esta es una de las herramientas más útiles que cualquier optimizador puede tener en su arsenal porque habilita y aprovecha la curiosidad.

Además, comparto artículos, recursos y herramientas interesantes en mi boletín semanal de experimentación, que está dirigido tanto a principiantes como a veteranos de la experimentación.

Responda en 5 palabras o menos: ¿Qué es para usted la disciplina de la optimización?

Prueba para aprender. Mejora continua. Experimentación. Sistemas de construcción.

¿Cuáles son las 3 cosas principales que las personas DEBEN entender antes de comenzar a optimizar?

Primero investiga, luego prueba. Antes de comenzar a optimizar, asegúrese de respaldar sus suposiciones con datos, cualitativos y cuantitativos. Luego crea hipótesis sólidas basadas en eso.

No solo optimice para mejoras a corto plazo: si bien es de vital importancia que el programa tenga un ROI positivo, no solo debe centrarse en eso, sino también considerar el enorme ancho de banda de oportunidades de aprendizaje y la limitación de riesgos que brinda la experimentación.

Los esfuerzos de optimización no deben apuntar a demostrar que tiene razón o no, sino a determinar por qué, en cualquier caso. No tiene sentido optimizar nada si no comprende cómo llegó allí y cómo replicar llegar allí. Para tener éxito a largo plazo en las pruebas A/B, es fundamental contar con buenos sistemas.

¿Cómo trata los datos cualitativos y cuantitativos para que cuenten una historia imparcial?

No hay datos imparciales, pero para minimizar el sesgo hacia cualquier tipo de datos, es importante comprender cómo se recopilaron los datos, cómo se interpretan y qué conclusiones se extraen de ellos.

Para clasificar cuán confiables son los datos de los que está hablando, debe consultar la Jerarquía de evidencia.

Usamos datos cuantitativos para filtrar previamente, luego usamos datos cualitativos y recursos científicos para profundizar, y luego nuevamente datos cuantitativos para probar o refutar las suposiciones e hipótesis iniciales.

En la parte superior de nuestros esfuerzos se encuentra el llamado metaanálisis, que nos permite buscar patrones en experimentos anteriores y alinear más esfuerzos de investigación y experimentación.

Otra buena manera de eliminar el sesgo es crear una desconexión entre la persona que está creando el experimento y la que está evaluando sus resultados. Esto minimiza el sesgo hacia el éxito de un experimento.

¿Cuál es el mito de optimización más molesto que desearía que desapareciera?

Me gustaría disipar dos mitos:

1. Que las pruebas introducen riesgos, cuando en realidad disminuyen los riesgos cuando se realizan correctamente
2. Que las pequeñas empresas no pueden probar, cuando en realidad las pequeñas empresas con poco tráfico pueden probar más audazmente porque hay menos riesgo asociado/menos en juego.

¡Con suerte, nuestra entrevista con Nils ayudará a guiar su estrategia de experimentación en la dirección correcta!

¿Qué consejo resonó más contigo?

Y si aún no lo ha hecho, consulte nuestras entrevistas anteriores con las leyendas de CRO Gursimran Gujral , Haley Carpenter , Rishi Rawat , Sina Fak , Eden Bidani , Jakub Linowski , Shiva Manjunath , Deborah O'Malley , Andra Baragan , Rich Page , Ruben de Boer , Abi Hough , Alex Birkett , John Ostrowski , Ryan Levander , Ryan Thomas , Bhavik Patel , Siobhan Solberg , Tim Mehta , Rommil Santiago y nuestro último con Steph Le Prevost .