Pruebas multivariadas: cómo ejecutar las mejores pruebas para obtener los mejores resultados

Las pruebas A/B son una de las formas más fáciles de encontrar ideas de optimización para sus páginas de destino posteriores al clic, pero no siempre es la forma más eficiente.

Antes de comenzar a probar dos, tres o cuatro páginas a la vez, descubra cómo probar aún más y descubra la mejor combinación de elementos para convertir a sus visitantes.

¿Qué son las pruebas A/B?

Las pruebas A/B, también conocidas como pruebas divididas, le permiten comparar dos versiones diferentes de una página web para determinar cuál convierte mejor a los visitantes.

Esas dos páginas pueden ser:

• Ligeramente diferente

Si tiene un diseño de alta conversión y desea descubrir cómo mejorar un solo elemento, puede probar dos páginas diferentes con una sola diferencia. Si desea ver si un titular centrado en la curiosidad o en las noticias funciona mejor, puede probar titular frente a titular. Si desea ver si un video o un gif impacta más en las conversiones, puede probar uno en cada página.

Después de generar el mismo tráfico para cada uno, el que genera más conversiones es el ganador. Y la razón por la que uno generó más conversiones es clara, ya que solo hay una diferencia entre las dos páginas.

• Drásticamente diferente

También puede probar dos páginas que son diferentes de múltiples maneras. Su página original puede tener un título, una imagen destacada y un botón de llamado a la acción diferentes a los de su variación. Probarlo podría ser algo como esto:

Después de dirigir el mismo tráfico tanto a la página original (A o "control") como a la página de variación (B), la que convierte mejor es la ganadora. Pero a diferencia de cuando cambia solo un elemento por prueba, cuando prueba páginas drásticamente diferentes, no hay forma de determinar la razón por la que ganó una página en particular.

Tomando los resultados del ejemplo anterior, solo sabríamos que la versión "b" es mejor que la versión "a", pero no la razón por la que es mejor, ya que hay varias causas a las que podría atribuirse. Las conversiones podrían provenir del ajuste de la barra de navegación de izquierda a derecha o del formulario de registro de arriba a abajo. Todo lo que puede decir con seguridad cuando prueba A/B diseños drásticamente diferentes es que una página es mejor que la otra.

Pero hay un tipo diferente de prueba que puede ejecutar para determinar cómo interactúan entre sí los cambios en varios elementos. Se llama prueba multivariada.

¿Qué es la prueba multivariada?

La prueba multivariante es el proceso utilizado por los optimizadores para comparar dos páginas web diferentes. El método se enfoca en comparar cambios sutiles entre múltiples elementos y luego medir cómo esos elementos interactúan entre sí, con el objetivo de encontrar el de mayor rendimiento.

La diferencia entre las pruebas A/B y las pruebas multivariadas

Probablemente hayas leído muchos estudios de casos de pruebas A/B que encuentran una página ganadora comparando un título con otro, o una imagen destacada con un video, o una llamada a la acción con una ligeramente diferente. Si bien se pueden usar para hacer eso con precisión, según los optimizadores de Widemile, hay una forma más ideal de usar las pruebas A/B:

El uso ideal para las pruebas A/B, dicen, es para "probar dos o más páginas radicalmente diferentes". En términos de prueba, es mejor realizar una prueba A/B para encontrar lo que se llama el "máximo global" y una prueba multivariante para refinar hacia el "máximo local".

El máximo global y el máximo local

Por difícil que sea hacerlo, imagina por un segundo que nunca has probado una bola de helado en tu vida y estás parado en una heladería tratando de decidir cuál de los 30 sabores diferentes quieres comprar. .

Hay 10 tipos diferentes de chocolate, 10 variedades diferentes de vainilla y 10 variaciones diferentes de fresa. ¿Vas a probar los 30 sabores antes de decidir cuál quieres probar?

Probablemente no. Es probable que pruebe uno de cada sabor drásticamente diferente: uno de chocolate, uno de fresa y uno de vainilla, para reducir la variedad que más le gustará. Si descubre que le gusta el chocolate sobre la vainilla y la fresa, comenzará a probar sabores como "masa de galleta con chispas de chocolate" y "mantequilla de maní con chocolate" y "fudge de chocolate" para decidir cuál de los chocolates le gusta más.

En términos estadísticos, llamaríamos a la variedad que más le gustó (chocolate, vainilla o fresa) el máximo global. Este es el sabor que mejor te sabe de los tres tipos drásticamente diferentes. El sabor específico de la variedad (dulce de chocolate, masa de galleta con chispas de chocolate, mantequilla de maní con chocolate) sería el máximo local. Es la mejor versión de la variedad que elegiste.

Como optimizador, desea abordar las pruebas de manera similar. Desea encontrar la página que mejor convierta a sus visitantes (máximo global) y luego modificar los elementos específicos en esa página para mejorarla a la página de mayor conversión posible (máximo local). Lo que esté buscando determinará qué prueba utilizará.

Cuándo usar pruebas A/B y cuándo usar pruebas multivariadas

Las pruebas A/B son mejores para probar el máximo global. Son mejores para descubrir en qué página quieren convertir sus visitantes. Tome este ejemplo de MarketingExperiments, que usó una prueba A/B para ayudar a Investopedia a aumentar las conversiones para su boletín, Investopedia Advisor.

La oferta era simple: un boletín informativo gratuito con consejos sobre acciones, por lo que la página original lo reflejaba. No fue largo, complicado ni repleto de muchos elementos. Presentaba un formulario de captura de clientes potenciales de un campo, una copia con viñetas y una infografía:

Pero, a pesar de la valiosa oferta gratuita, solo estaba convirtiendo al 1,33%. El equipo de MarketingExperiments decidió revisar completamente la página. Cambiaron el título, el diseño, el botón CTA y agregaron algunas insignias, entre otras cosas. Luego, probaron A/B la nueva página frente a la original, y encontraron que la nueva convertía un 89,4 % más. Esto es lo que parecía:

Es importante recordar que con esta prueba A/B, los experimentadores no descubrieron exactamente por qué la nueva página se convertía mejor que la anterior, pero sí encontraron un nuevo convertidor superior. En otras palabras, encontraron un nuevo máximo global. En ese momento, si lo desearan, podrían refinar esta página con pruebas multivariadas para determinar qué combinación de elementos convierte a la mayoría de los visitantes.

Eso es exactamente lo que quieren hacer los probadores en este ejemplo hipotético de Optimizely, por ejemplo. Quieren averiguar qué combinación de título e imagen convierte a la mayoría de los visitantes.

Entonces, crean varias páginas con diferentes combinaciones de títulos e imágenes para ver cuál funciona mejor.

Cualquiera de estas cuatro versiones que surja de la prueba con la tasa de conversión más alta es la ganadora. Si las dos versiones con la bombilla funcionan mejor que las dos con el equipo, puede concluir que la imagen de la bombilla tiene el mayor impacto en las conversiones. A partir de ahí, vería qué título adjunto produjo más conversiones y usaría esa página.

Cómo realizar una prueba multivariada

Hace unos años, cuando el fundador de VWO, Paras Chopra, quería aumentar las descargas en su página web, usó pruebas multivariadas para descubrir cómo. Si está familiarizado con los pasos para realizar una prueba A/B, reconocerá la mayoría de los pasos en este ejemplo de prueba multivariable.

1. Identificar un problema

Antes de que pueda comenzar a mejorar su página web, es mejor profundizar en los datos y averiguar cómo interactúan los visitantes con ellos. Lo que descubrió fue que las personas no hacían clic en su botón de "descargar" tanto como esperaba que deberían haberlo hecho, por lo que revisó la página para averiguar por qué.

2. Formular una hipótesis

Después de un examen minucioso, se dio cuenta de que el enlace de descarga pasaba bastante desapercibido. Así que creó una hipótesis para mejorar la página:

Una solución obvia para que los visitantes noten el enlace de descarga es hacer que la sección de descarga sea la parte más destacada de la página. En el diseño de la página, el tamaño y el color del encabezado "Descargar" se combinaron bien con el resto de la página, lo que provocó que las personas no vieran el enlace de descarga.

Creía que al hacer que el enlace "Descargar" fuera más notorio, podría aumentar las conversiones. Así es como decidió hacerlo.

3. Crea variaciones

Ahora era el momento de crear páginas de variación para la prueba. Según Paras:

Para la prueba multivariable, seleccioné dos factores en la página para crear variaciones: el encabezado "Descargar" en la barra lateral y el enlace de descarga "PDFProducer" debajo. El enfoque de la prueba fue observar el efecto de la palabra "gratis" y el efecto de resaltar la sección de descarga.

Así es como decidió hacer que la sección de descargas fuera más notoria y atractiva.

Para el enlace de "Descarga" original, probó tres variaciones diferentes:

• "Descargar" en rojo
• "Descargar gratis" en rojo
• "Descargar" en el color predeterminado, pero con un tamaño de fuente más grande

Para el enlace original "PDFProducer", probó dos variaciones diferentes:

• “PDFProducer” en el color predeterminado, pero con un tamaño de fuente más grande
• “PDFProducer” en rojo

Así se veían todas las combinaciones:

Con cuatro versiones del enlace de descarga (incluido el original) y tres versiones del texto "PDFProducer" (nuevamente, incluido el original), se formaron 12 variaciones diferentes para realizar una prueba factorial completa. Un factorial completo prueba todas las combinaciones a diferencia de un factorial fraccionado que solo prueba las más impactantes.

Si bien existen múltiples métodos de análisis multivariado (factorial completo, factorial fraccionado y Taguchi), la mayoría de los optimizadores recomiendan ejecutar un factorial completo por su precisión, afirma Alex Birkett de CXL.

4. Determina el tamaño de tu muestra

Antes de comenzar a dirigir el tráfico a sus páginas, debe determinar el tamaño de su muestra: la cantidad de visitantes que cada página debe generar antes de que pueda sacar conclusiones sobre los resultados de su prueba.

Esta calculadora de VWO lo ayudará a determinar cuántos visitantes y cuánto tiempo necesita para ejecutar su prueba en función del tráfico de su sitio web, cuántas variaciones tiene y su importancia estadística.

Para obtener más información sobre cómo alcanzar la significación estadística y todo lo que necesita ingresar a la calculadora, consulte esta publicación de blog.

5. Pon a prueba tus herramientas

Pruebe todo antes de comenzar a generar tráfico. ¿Su página de destino posterior al clic se ve igual en todos los navegadores? ¿Está funcionando tu botón CTA? ¿Todos los enlaces de sus anuncios son correctos?

Antes de comenzar a ejecutar algo, es importante realizar un control de calidad de todos los aspectos de su campaña para asegurarse de que nada envenene sus resultados.

6. Comienza a generar tráfico

Ahora que ha creado sus variaciones y sabe cuánto tráfico necesitará generar para cada una, es seguro comenzar a dirigir el tráfico hacia ellas. El mayor inconveniente de las pruebas multivariadas es la cantidad colosal de tráfico que necesitará antes de poder concluirlas, por lo que deberá ser paciente.

Cuando realiza pruebas A/B, solo hay dos páginas a las que deberá generar un tráfico significativo. Pero en una prueba multivariada, como la de Paras, por ejemplo, hay 12 páginas diferentes que tienen que recopilar un tamaño de muestra grande antes de poder llamar a la prueba.

Esté atento a las amenazas a su validez y no olvide tener en cuenta el aumento de la tasa de resultados falsos positivos, dice Leonid Pekelis:

“Básicamente, estás ejecutando una prueba A/B por separado para cada interacción. Si tiene 20 interacciones para medir, y su procedimiento de prueba tiene una tasa del 5% de encontrar falsos positivos para cada una, de repente espera que una interacción se detecte completamente por casualidad. Hay formas de dar cuenta de esto, generalmente se denominan correcciones de prueba múltiple, pero nuevamente, el costo es que tiende a necesitar más visitantes para ver resultados concluyentes".

7. Analiza tus resultados

Después de ejecutar su prueba durante cuatro semanas, esto es lo que encontró Paras:

Puede observar que el título "Descargar gratis" en rojo impulsó la tasa de conversión de descarga del 39 % al 63 %, un enorme aumento del 60 %. Tener "Descargar" en un tamaño de fuente grande (combinado con el color del enlace como rojo) también tuvo una mejora positiva (43 %) con respecto al valor predeterminado. De todos los resultados, los tres primeros son estadísticamente significativos con un nivel de confianza del 95 % o más.

Paras podría haber implementado su nueva página y haberse olvidado de esta prueba, pero en cambio, enfatiza un paso final importante:

8. Aprende de tus resultados

Cada una de sus pruebas debe usarse para aprender algo sobre sus páginas web y sus visitantes que puede usar para informar futuras pruebas.

Se enteró de que, en su página web:

• La palabra "Gratis" resonó entre los visitantes de su sitio web.
• La naturaleza gratuita de la oferta se anuncia mejor en o cerca de la llamada a la acción.
• El color rojo llamó la atención de sus visitantes.
• Una llamada a la acción más grande atrajo más ojos de los visitantes.

Pero recuerda, estos son los resultados de su prueba. Si bien la palabra "gratis" siempre es buena para usar en cualquier página web que anuncie una oferta sin costo, la mejor ubicación, tamaño y color de su CTA pueden ser diferentes en sus páginas web. La única forma de saberlo con certeza es probando.

¿Has probado las pruebas multivariadas?

¿Se ha desviado de las pruebas multivariadas porque pensaba que eran demasiado complicadas? Regístrese para una demostración de Instapage Enterprise hoy.