Pruebas A / B - Guía rápida

Pruebas A / B (también conocidas como Split testing) define una forma de comparar dos versiones de una aplicación o una página web que le permite determinar cuál funciona mejor. Es una de las formas más fáciles de analizar una aplicación o una página web para crear una nueva versión. A partir de entonces, ambas versiones se pueden comparar para encontrar elconversion rate, lo que también ayuda a encontrar el mejor de estos dos.

Ejemplo

Supongamos que hay una página web y todo el tráfico se dirige a esta página. Ahora, como parte de las pruebas A / B, ha realizado algunos cambios menores como titulares, numeración, etc. en la misma página y la mitad de su tráfico se dirige a la versión modificada de esta página web. Ahora tiene la versión A y la versión B de la misma página web y puede monitorear las acciones del visitante usando estadísticas y análisis para determinar la versión que produce una tasa de conversión más alta.

Una tasa de conversión se define como la instancia en la que cualquier visitante de su sitio web realiza una acción deseada. Las pruebas A / B le permiten determinar la mejoronline marketing strategypara tu negocio. Eche un vistazo a la siguiente ilustración. Muestra que la versión A produce una tasa de conversión del 15% y la versión B arroja una tasa de conversión del 22%.

Puede monitorear las acciones del visitante utilizando estadísticas y análisis para determinar la versión que produce una tasa de conversión más alta. Los resultados de las pruebas A / B generalmente se danmathematical and statistical terms, pero el significado detrás de los números es bastante simple. Hay dos métodos importantes a través de los cuales puede verificar las tasas de conversión mediante las pruebas A / B:

  • Muestreo de datos
  • Intervalos de confianza

Analicemos estos dos métodos en detalle.

Muestreo de datos

El número de muestras depende del número de pruebas realizadas. El recuento de la tasa de conversión se denomina muestra y el proceso de recolección de estas muestras se denomina muestreo.

Ejemplo

Supongamos que tiene dos productos A y B, desea recopilar datos de muestra según su demanda en el mercado. Puede pedirles a algunas personas que elijan el producto A y B y luego solicitarles que participen en una encuesta. A medida que aumente el número de participantes, comenzará a mostrar unrealistic conversion rate.

Hay varias herramientas que se pueden utilizar para determinar el número correcto de tamaño de muestra. Una de estas herramientas gratuitas disponibles es:

http://www.evanmiller.org

Intervalos de confianza en las pruebas A / B

El intervalo de confianza es la medida de la desviación del promedio en el número múltiple de muestras. Supongamos que el 22% de las personas prefieren el producto A en el ejemplo anterior, con ± 2% de intervalo de confianza. Este intervalo indica el límite superior e inferior de las personas, que optan por el Producto A y también se denomina margen de error. Para obtener los mejores resultados en esta encuesta promedio,the margin of error should be as small as possible.

Ejemplo

Supongamos que en el Producto B, agregamos un cambio menor y luego realizamos pruebas A / B en estos dos productos. Los productos A y B del intervalo de confianza son 10% con ± 1% y 20% con ± 2% respectivamente. Entonces esto muestra que un pequeño cambio ha aumentado la tasa de conversión. Si ignoramos el margen de error, la tasa de conversión para la variación de prueba A es del 10% y la tasa de conversión para la variación de prueba B es del 20%, es decir, un aumento del 10% en la variación de la prueba.

Ahora, si dividimos la diferencia por la tasa de variación del control 10% ÷ 10% = 1.0 = 100%, muestra una mejora del 100%. Por tanto, podemos decir que las pruebas A / B son una técnica basada en métodos y análisis matemáticos. Hay varias herramientas en línea que se pueden utilizar para calcular la significancia A / B.

http://getdatadriven.com

Las pruebas A / B se utilizan para hacer business decisionsbasado en los resultados derivados de los datos, en lugar de solo hacer predicciones. Le permite crear variaciones de su sitio web o aplicación y luego le ayuda a confirmar o descartar su decisión de realizar cambios.

Esta prueba le permite optimizar su sitio o aplicación de tal manera que aumente las tasas de conversión. Una tasa de conversión más alta significa obtener más valor de sus usuarios existentes en lugar de tener que pagar más por la adquisición de tráfico. Las pruebas A / B también pueden ayudarlo a cambiar otros factores en los negocios, como cambiar la cultura laboral, etc. Le ayudan a usar datos matemáticos y estadísticas para determinar la dirección de las variaciones de su producto.

Ya sea que sea diseñador, analista de negocios o desarrollador, las pruebas A / B proporcionan una forma sencilla de utilizar el poder de los datos y las estadísticas para reducir riesgos, mejorar los resultados y estar más basado en los datos en su trabajo.

Para ejecutar una prueba A / B, debe considerar los siguientes puntos:

  • Realice siempre pruebas A / B si existe una probabilidad de superar la variación original en> 5%.

  • La prueba debe ejecutarse durante un período de tiempo considerable, por lo que debe tener suficientes datos de muestra para realizar estadísticas y análisis.

Las pruebas A / B también le permiten aprovechar al máximo su tráfico existente en una página web. El costo de aumentar su conversión es mínimo en comparación con el costo de configurar el tráfico en su sitio web. losROI (return on investment) on A / B Testing es enorme, ya que unos pequeños cambios en un sitio web pueden resultar en un aumento significativo de la tasa de conversión.

Las pruebas A / B consisten en crear múltiples variaciones de una aplicación o un sitio web y luego comparar todas estas versiones usando muestras para determinar la mejor variación que tiene la tasa de conversión máxima. Existen diferentes tipos de variaciones, que se pueden aplicar a una página web o una aplicación. Las pruebas A / B no se limitan a una aplicación o una página web únicamente, ya que también puede crear variaciones para otros productos. Cualquier elemento de una página web que pueda afectar el comportamiento de un visitante mientras navega por el sitio se puede probar mediante A / B Testing.

Aquí hay una lista de variaciones de pruebas A / B que se pueden aplicar en una página web:

  • Headlines
  • Sub titulares
  • Images
  • Texts
  • Texto y botón de CTA
  • Links
  • Badges
  • Menciones en los medios
  • Mención social
  • Promociones y ofertas comerciales
  • Estructura de precios
  • Opciones de entrega
  • Opciones de pago
  • Navegaciones del sitio e interfaz de usuario

Hay varias herramientas que se pueden utilizar para create variations que leerá en detalle más adelante en este tutorial.

Las pruebas A / B se componen de un conjunto de procesos que uno debe seguir secuencialmente para llegar a un realistic conclusion. En este capítulo, analizaremos en detalle los pasos del proceso de prueba A / B que puede utilizar para ejecutar pruebas en cualquier página web:

Investigación de fondo

La investigación de antecedentes juega un papel fundamental en las pruebas A / B. El primer paso es averiguar la tasa de rebote del sitio web. Esto se puede hacer con la ayuda de varias herramientas de investigación de antecedentes ampliamente disponibles como Google Analytics y otras.

Recolectar datos

Los datos de Google Analytics pueden ayudarlo a encontrar el comportamiento de los visitantes en los sitios web. Siempre es recomendable recopilar suficientes datos del sitio. Intente encontrar las páginas con tasas de conversión bajas o tasas de abandono altas que se puedan mejorar aún más. También calcule la cantidad de visitantes por día que se requieren para ejecutar esta prueba en el sitio web.

Establecer objetivos comerciales

El siguiente paso es establecer sus objetivos comerciales o de conversión, lo que ayudará a comprender cuál es el objetivo. Una vez hecho esto, puede encontrar las métricas que determinan si una nueva versión es más exitosa que su versión original.

Construir hipótesis

Una vez que se hayan establecido el objetivo y las métricas para las pruebas A / B. El siguiente paso es encontrar ideas sobre cómo mejorar la versión original y cómo mejorarla que la versión actual. Una vez que tenga una lista de ideas, priorícelas en términos de impacto esperado y dificultad de implementación.

Por ejemplo, una de las cosas más efectivas es agregar imágenes a un sitio, lo que ayudará a reducir la tasa de rebote hasta cierto punto.

Crear variaciones / hipótesis

Hay muchas herramientas de pruebas A / B en el mercado que tienen un editor visual para realizar estos cambios de manera efectiva. La decisión clave para realizar pruebas A / B con éxito es seleccionar la herramienta correcta. Algunas de las herramientas más comúnmente disponibles son:

  • Optimizador visual de sitios web (VWO)
  • Experimentos de contenido de Google
  • Optimizely

Hay diferentes tipos de variaciones que se pueden aplicar a un objeto, como usar viñetas, cambiar la numeración de los elementos clave, cambiar la fuente y el color, etc.

Ejecutando las variaciones

Presente todas las variaciones de su sitio web o aplicación a los visitantes. Sus acciones serán monitoreadas para todas y cada una de las variaciones. Además, esta interacción del visitante para cada variación se mide y se compara para determinar cómo se desempeña una variación en particular.

Analizar datos

Una vez que se completa este experimento, el siguiente paso es analizar los resultados. La herramienta de prueba A / B presentará los datos del experimento y le dirá la diferencia entre el rendimiento y la eficiencia de las diferentes versiones de una página web. También mostrará si hay una diferencia significativa entre las variaciones con la ayuda de métodos matemáticos y estadísticas.

Por ejemplo, si las imágenes de la página web han reducido la tasa de rebote, puede agregar más imágenes para aumentar la conversión. Si no ve ningún cambio en la tasa de rebote debido a esto, vuelva al paso anterior para crear una nueva hipótesis / variación para realizar una nueva prueba.

Los datos de Google Analytics pueden ayudarlo a encontrar el comportamiento de los visitantes. Siempre es recomendable recopilar suficientes datos del sitio. Intente encontrar las páginas con tasas de conversión bajas o tasas de abandono altas que se puedan mejorar. En este capítulo, analizaremos algunas herramientas que se pueden utilizar para recopilar datos para las pruebas A / B.

Google Analytics / Mix Panel (herramienta de análisis)

La mayoría de los sitios web tienen instalado Google Analytics para tener una idea de cómo los visitantes interactúan con el sitio. Si no tiene Google Analytics instalado para monitorear el tráfico, puede instalarlo desde Internet. Google Analytics es una de las mejores herramientas analíticas disponibles de forma gratuita.

Para instalar Google Analytics en su sitio web, simplemente puede copiar el código e implementarlo en su sitio y obtendrá una buena cantidad de datos para trabajar. También puede aplicar la personalización de la herramienta para cumplir sus objetivos comerciales.

Mouse Flow / Crazy Egg (herramientas de reproducción)

Las herramientas de reproducción se utilizan para obtener una mejor perspectiva de las acciones de los usuarios en su sitio web. También le permite hacer clic en mapas y mapas de calor de los clics de los usuarios para comprobar qué tan lejos están navegando los usuarios en el sitio web.

Las herramientas de reproducción como Mouse Flow le permiten ver la sesión de un visitante de una manera, como si estuviera con el visitante mismo. Las herramientas de reproducción de video brindan una visión más profunda de cómo sería para ese visitante que navega por las distintas páginas de su sitio web.

WebEngage (herramientas de encuesta)

Las herramientas de encuesta se utilizan para recopilar comentarios cualitativos del sitio web. Esto implica hacerles a los visitantes que regresan algunas preguntas de la encuesta. Esta encuesta les hace preguntas generales y también les permite ingresar sus puntos de vista o seleccionar entre opciones proporcionadas previamente.

Otras herramientas: chat, correo electrónico

La función de chat en vivo permite al visitante obtener respuestas rápidas del equipo de servicio al cliente y ayudar a resolver la situación más rápido. Esto también le ayuda a obtener las preguntas generales de los visitantes y a recopilar datos para realizar pruebas.

El siguiente paso es establecer sus objetivos de conversión. Encuentre las métricas que determinan si la variación es más exitosa o no que la versión original. Las metas provienen de sus objetivos comerciales, por lo que, por ejemplo, si tiene que aumentar la venta de ropa en términos de objetivos, puede ser como:

  • Imágenes claras del producto.
  • Incrementar las tasas de visitas al sitio.
  • Reducir la tasa de caída del carrito de compras.

Lo siguiente es definir métricas que cumplan con sus objetivos comerciales. Una métrica se convierte enKPI (Key Performance Indicator) solo cuando está midiendo algo relacionado con sus objetivos.

Ejemplo 1

El objetivo comercial de su tienda de ropa es vender ropa, por lo que el KPI de este objetivo comercial podría ser la cantidad de ropa vendida en línea. Debe tener sus objetivos comerciales claramente definidos; de lo contrario, no podrá identificar sus KPI. Si establece los KPI correctamente y los mide periódicamente, mantendrá su estrategia encaminada para crear variaciones y realizar pruebas A / B. Lo siguiente es encontrar las métricas objetivo para sus objetivos comerciales.

Ejemplo 2

Su tienda de ropa vendió 100 productos la semana pasada. ¿Está bien o está mal? Para que sus KPI signifiquen algo para usted, necesitan métricas objetivo. Defina un objetivo para cada KPI que sea importante para usted. Una vez que defina los objetivos comerciales y las métricas de destino, tendrá un marco que ayudará a determinar si el trabajo que realizará es relevante para sus objetivos comerciales o no.

Pruebas A / B: generar hipótesis

Después de identificar sus objetivos comerciales, el siguiente paso es generar ideas e hipótesis de pruebas A / B de por qué cree que serán mejores que la versión actual. Cree una lista de todas las hipótesis que cree que puede crear, priorice todas las variaciones en términos del impacto esperado y cómo implementarlas utilizando varias herramientas.

Ejemplo

Puede reducir la tasa de rebote agregando más imágenes en la parte inferior. También puede agregar enlaces de varios sitios sociales para aumentar la tasa de conversión.

Como A / B Testing se trata de crear nuevas versiones de una aplicación o página web y luego comparar todas las versiones para ver la tasa de conversión. Puede mejorar la tasa de conversión analizando las estadísticas para verificar nuevas variaciones.

Hay diferentes tipos de variaciones que se pueden aplicar a un objeto, como usar viñetas, cambiar la numeración de los elementos clave, cambiar la fuente y el color, etc. Hay muchas herramientas de pruebas A / B en el mercado que tienen un editor visual para hacer estos cambios de manera efectiva. La decisión clave para realizar pruebas A / B con éxito es seleccionar la herramienta correcta. Algunas de las herramientas más comúnmente disponibles son:

  • Optimizador visual de sitios web (VWO)
  • Experimentos de contenido de Google
  • Optimizely

Optimizador visual de sitios web (VWO)

Visual Website Optimizer le permite probar varias versiones de una misma página. También contiene el editor 'lo que ves es lo que obtienes' (WYSIWYG) que te permite realizar cambios y ejecutar pruebas sin cambiar el código HTML de la página. Puede actualizar titulares, numeración de elementos y ejecutar una prueba sin realizar cambios en los recursos de TI.

Para crear variaciones en VWO para pruebas A / B, abra su página web en el editor WYSIWYG y luego podrá aplicar los siguientes cambios a la página web:

  • Cambiar texto
  • Cambiar URL
  • Editar / editar HTML
  • Rearrange
  • Move
  • Resize
  • Hide
  • Remove
  • Cambiar CSS

Experimentos de contenido de Google

Esto le permite crear hasta cinco variaciones de cualquier página web y luego cargar todas las páginas en Google Analytics para realizar pruebas A / B. El Experimento de contenido de Google se utiliza para medir los resultados de todas las variaciones y decidir la variante con la tasa de conversión máxima. La principal ventaja de utilizar los Experimentos de contenido de Google es que es un software gratuito de Google, pero debe cargar las variantes en Google Analytics para realizar la prueba.

Optimizely

Optimizely es una herramienta que se utiliza para realizar pruebas A / B, pruebas multivariadas en una página web o en una aplicación móvil y le permite comparar diferentes versiones de una página web o una aplicación para determinar qué variación proporciona una mejor tasa de conversión para su negocio. .

Este software puede ejecutarse en su página web ejecutando un fragmento de JavaScript de una sola línea. El fragmento se define como un código de una sola línea que se cargará de manera óptima en su sitio y cambiará la experiencia de los visitantes en su sitio web.

Para probar una aplicación móvil con Optimizely, se ejecuta a través de un kit de desarrollo de software para iOS y / o Android. La ejecución óptima en su página web recopila datos de los visitantes del sitio y la tasa de conversión y los ejecuta en Stats Engine para determinar qué variación es ganadora o perdedora. Una vez que estas estadísticas se comparan con los objetivos objetivo y se establecen métricas, lo ayudan a tomar decisiones sobre la variación que se aplicará en el sitio web.

Optimizely le permite realizar estas pruebas:

  • Prueba A / B que compara diferentes URL.
  • Prueba A / B que se ejecuta en varias páginas, flujos, etc.
  • Ejecute diferentes variaciones para diferentes conjuntos de audiencias.
  • Aplicar hotfixes en una página web para todos los visitantes.

Implica presentar todas las variaciones de su sitio web o una aplicación a los visitantes y sus acciones son monitoreadas para cada variación. La interacción de los visitantes para cada variación se mide y se compara para determinar cómo funciona esta variación.

Como se discutió en el capítulo anterior, hay varias herramientas que pueden usarse para generar hipótesis y ejecutar las variaciones:

  • Optimizador visual de sitios web (VWO)
  • Experimentos de contenido de Google
  • Optimizely

Optimizador visual de sitios web

Existen varias herramientas de pruebas A / B que permiten a los profesionales del marketing crear múltiples variaciones de sus páginas web mediante un editor de apuntar y hacer clic. No requiere ningún conocimiento de HTML y puede verificar qué versión produce la tasa de conversión máxima o las ventas.

La ejecución del software de prueba dividida VWO es muy simple, ya que solo necesita copiar y pegar el fragmento de código en su sitio web y puede ponerlo fácilmente a disposición de los visitantes. Visual Website Optimizer también ofrece una opción de prueba multivariante y contiene otras herramientas para realizar segmentación por comportamiento, mapas de calor, pruebas de usabilidad, etc.

Hay varias funciones en VWO que garantizan que todas sus actividades de optimización de la tasa de conversión estén cubiertas por esta herramienta. Muchas empresas y tiendas en línea de pequeña escala están utilizando el software VWO de prueba A / B para optimizar la página de destino y para aumentar las ventas de su sitio web y también mejorar las tasas de conversión.

La empresa también ofrece una prueba de 30 días que se puede descargar gratis desde: https://vwo.com/.

Algunas de las características clave de VWO son las siguientes:

  • Prueba y experimentación
  • Editor visual
  • Análisis e informes
  • Mapas de calor y mapas de clics
  • Plataformas e integraciones

¿Cómo funciona?

La ejecución óptima en su página web recopila datos de los visitantes del sitio, la tasa de conversión y los ejecuta en Stats Engine para determinar qué variación es la ganadora y cuál es la perdedora. Una vez que estas estadísticas se comparan con las metas objetivo y se establecen métricas, le ayudarán a tomar decisiones sobre la variación que se aplicará en el sitio web.

Experimentos de contenido de Google

Le permite crear hasta cinco variaciones de una página web y luego cargar todas estas páginas en Google Analytics para realizar pruebas A / B.

Para comenzar con Google Analytics, debe tener un Google Analytics accounty un código de seguimiento que se instalará en su sitio web. Si no tiene una cuenta, puede registrarse usando la siguiente herramienta:http://www.google.com/analytics/

Adding tracking code directly to a website

Para completar este proceso, debe tener acceso al código fuente de su sitio web, también debe sentirse cómodo editando HTML (o tener un webmaster / desarrollador, que pueda ayudarlo con esto), también debe tener una cuenta y una propiedad de Google Analytics ya configuradas arriba.

To set up tracking code into your webpage

  • Busque el fragmento de código de seguimiento, inicie sesión en su cuenta de Google Analytics y seleccione la pestaña Administrador en la parte superior.

  • Vaya a la pestaña CUENTA y PROPIEDAD, seleccione la propiedad con la que está trabajando. Haga clic en Información de seguimiento → Código de seguimiento. Imagen de dónde encuentra su código de seguimiento en su cuenta de Analytics → Haga clic para expandir esta imagen y ver dónde aparecen estas opciones en la interfaz.

  • Busque su fragmento de código de seguimiento. Está en una caja con varias líneas de JavaScript. Todo en este cuadro es su fragmento de código de seguimiento. Comienza con <script> y termina con </script>.

  • El código de seguimiento contiene un ID único que corresponde a cada propiedad de Google Analytics. No mezcle los fragmentos de código de seguimiento de diferentes propiedades y no reutilice el mismo fragmento de código de seguimiento en varios dominios.

  • Copie el fragmento y péguelo en cada página web de la que desee realizar un seguimiento. Péguelo inmediatamente antes de la etiqueta de cierre </head>.

  • Si usa plantillas para generar páginas dinámicamente para su sitio, puede pegar el fragmento de código de seguimiento en su propio archivo y luego incluirlo en el encabezado de la página.

Verify if the tracking code is working

Puede verificar si el código de seguimiento está funcionando, verificar informes en tiempo real, también puede monitorear la actividad del usuario a medida que sucede. Si ve datos en estos informes, significa que su código de seguimiento está recopilando los datos actualmente.

Experimentos de contenido

Los experimentos de contenido son uno de los quickest methodpara probar páginas web: páginas de destino, página de inicio, páginas de categorías y requiere menos implementaciones de código. Se puede utilizar para crear pruebas A / B dentro de Google Analytics.

Algunas de las características más comunes de los experimentos de contenido son:

  • Debe utilizar el script de la página original para ejecutar las pruebas; el código de seguimiento estándar de Google Analytics se utilizará para medir los objetivos y las variaciones.

  • Los objetivos objetivo que se definen en Google Analytics se pueden utilizar como objetivo del experimento, incluidos los ingresos de AdSense.

  • El generador de segmentos de Google Analytics se puede utilizar para segmentar los resultados en función de cualquier criterio de segmentación.

  • Le permite configurar pruebas que caducan automáticamente después de 3 meses para evitar dejar las pruebas en ejecución, si es poco probable que tengan un ganador estadísticamente significativo.

How to use Content Experiments to create A/B Tests?

Vaya a la sección Comportamiento y haga clic en el enlace Experimentos. También te mostrará una tabla con todos los experimentos existentes. Haga clic en la opción "Crear experimento" en la parte superior de esta tabla.

Ingrese → Nombre del experimento, objetivo del experimento, porcentaje del tráfico del sitio para participar, cualquier notificación por correo electrónico para cambios importantes, para distribuir el tráfico a todas las variaciones, configurar el tiempo en que se ejecutará el experimento y también los valores de umbral.

Puede agregar las URL de la página original y todas las variaciones que desea crear y hacer clic en el botón siguiente. Seleccione el método de implementación y haga clic en el botón siguiente → Haga clic en validación (si tiene un código implementado, se validará. Si no hay código, mostrará un mensaje de error) → Iniciar experimento.

Una vez que se ejecute este experimento, verá las siguientes opciones:

  • Tasa de conversión

  • Detener el experimento

  • Re-validate

  • Deshabilitar variación

  • Segmentación: le permite ver el rendimiento de cada variación para cada segmento de visitantes en su página web.

Una vez que se completa el experimento, el siguiente paso es analizar los resultados. La herramienta de prueba A / B presentará los datos del experimento y le dirá la diferencia entre el rendimiento de las diferentes variaciones en una página web y también si hay una diferencia significativa entre las variaciones, utilizando la ayuda de métodos matemáticos y estadísticas.

Ejemplo

Si las imágenes de una página web han reducido la tasa de rebote, puede decidir si tiene una buena conversión o no, una vez que cargue más imágenes en una página web. Si no ve ningún cambio en la tasa de rebote debido a esto, vuelva al paso anterior y cree una nueva hipótesis / variación para realizar una nueva prueba.

Se utilizan herramientas como VWO y Optimizely para ejecutar pruebas, pero Google Analytics es más adecuado para ejecutar análisis posteriores a la prueba. Este análisis se utiliza para decidir el camino a seguir. Las herramientas de prueba A / B informan sobre el resultado de una prueba, pero también es necesario realizar un análisis posterior. Para realizar un análisis posterior, debe integrar cada prueba con Google Analytics.

Tanto VWO como Optimizely proporcionan la capacidad de integración de Google Analytics incorporada. Los datos de cada prueba de estas dos herramientas deben enviarse a Google Analytics. Al hacer esto, mejora sus capacidades de análisis y asegura los datos de prueba. Existe la posibilidad de que su herramienta de prueba esté registrando los datos incorrectamente, y si no tiene otra fuente para sus datos de prueba, nunca podrá estar seguro de si confiar en ella o no.

Hay varias herramientas que se pueden utilizar para generar hipótesis y ejecutar las variaciones, estas incluyen:

  • Optimizador visual de sitios web (VWO)
  • Experimentos de contenido de Google
  • Optimizely

Todas estas herramientas son capaces de ejecutar pruebas A / B y encontrar al ganador, pero para realizar un análisis posterior, estas herramientas deben integrarse con Google Analytics.

Pruebas A / B: Google Analytics

Google Analytics tiene dos opciones para analizar los datos:

  • Universal Analytics
  • Google Analytics clásico

La nueva función de Universal Analytics le permite usar 20 pruebas A / B simultáneas que envían datos a Google Analytics, sin embargo, la versión clásica solo permite hasta cinco.

Integración óptima con Google Universal Analytics

Para integrar Optimizely en Universal Google Analytics, primero seleccione el botón ON en su panel lateral. Luego, debe tener un Personalizado disponible para completar con los datos del experimento Optimizely. Luego, el código de seguimiento debe colocarse en la parte inferior de la sección <head> de sus páginas. La integración de Google Analytics no funcionará correctamente a menos que el fragmento de Optimizely esté por encima de este fragmento de Analytics.

Pasos de configuración

Optimizely utiliza las "Dimensiones personalizadas" de Universal Google Analytics para etiquetar a sus visitantes con los experimentos y variaciones a los que se agregaron. Configurar Optimizely para comenzar a enviar esta información a Universal Analytics requiere cuatro pasos:

Step 1

Agregue el siguiente código JavaScript a su sitio donde exista el código de Universal Analytics después de que se active la función ga ('create' ...) y antes de que se active la función ga ('send', 'pageview') de Universal Analytics y se realice la llamada de seguimiento (ver detalles en la siguiente sección) -

// Optimizely Universal Analytics Integration
window.optimizely = window.optimizely || [];
window.optimizely.push("activateUniversalAnalytics");

Step 2

En Optimizely Editor, vaya a Opciones → Integraciones y luego haga clic en la casilla de verificación de Universal Analytics para habilitar la integración.

Step 3

Seleccione la dimensión personalizada que le gustaría utilizar Optimizely. Debe asegurarse de que la dimensión personalizada no esté en uso en ninguna otra parte de su sitio o en otro experimento de Optimizely que se esté ejecutando actualmente.

Step 4

Seleccione un rastreador personalizado si está utilizando un rastreador de eventos personalizado que no sea el predeterminado. Esto cambiará la llamada de integración de Optimizely para usar el rastreador personalizado en lugar del predeterminado.

Example

Supongamos que su sitio web utiliza la siguiente llamada:

ga('tracker3.send', 'pageview');

En este caso, ingresará tracker3 al especificar un campo de seguimiento personalizado, y Optimizely se integraría con tracker3 en lugar del rastreador predeterminado.

Creación de un informe personalizado con Google Analytics

El primer paso es iniciar sesión en su cuenta de Universal Analytics y hacer clic en la pestaña Personalización en la parte superior. Debería ver una lista de informes personalizados.

A continuación, debe configurar un informe personalizado para cada experimento con el que haya integrado Universal Analytics.

  • Haga clic en Nuevo informe personalizado → Ingrese el título del informe y agregue los grupos de métricas que desea ver en el informe.

  • Para filtrar este informe solo para su experimento Optimizely, elija la dimensión personalizada que configuró anteriormente como una de las desgloses de dimensiones.

  • Agregue esta dimensión en la sección Filtros y use una coincidencia Regex en el ID del experimento para el experimento que desea filtrar.

  • Haga clic en Guardar.

Al igual que las pruebas A / B, las pruebas multivariantes se basan en el mismo mecanismo, pero comparan un mayor número de variables y proporcionan más información sobre cómo se comportan estas variables. En las pruebas A / B, divide el tráfico de una página entre diferentes versiones del diseño. Las pruebas multivariadas se utilizan para medir la eficacia de cada diseño.

Ejemplo

Digamos que hay una página web que ha recibido suficiente tráfico para ejecutar la prueba. Ahora se comparan los datos de cada variación para verificar la variación más exitosa, pero también se incluyen los elementos que tienen el máximo impacto positivo o negativo en la interacción de un visitante.

Ventajas de usar multivariante

La prueba multivariante es una herramienta eficaz para ayudarlo a orientar y rediseñar los elementos de su página y mostrar las áreas que tendrán el mayor impacto. El método multivariado es útil para crear campañas de páginas de destino.

Ejemplo

Los datos sobre el impacto del diseño de un determinado elemento se pueden aplicar a campañas futuras, incluso si el contexto del elemento ha cambiado.

Limitaciones

Las limitaciones de las pruebas multivariadas son el tráfico necesario para completar la prueba. Como todos los experimentos son completamente factoriales, demasiados elementos cambiantes a la vez pueden sumarse rápidamente a una gran cantidad de combinaciones posibles que deben probarse. Incluso un sitio con bastante tráfico puede tener problemas para completar una prueba con más de 25 combinaciones en un período de tiempo factible.

Diferencia entre pruebas multivariadas y A / B

Las pruebas A / B, también conocidas como pruebas divididas, son un método de optimización de sitios web, en el que se comparan las tasas de conversión de dos versiones de una página, a saber, A y B. Todos los visitantes se dividen en una versión u otra. Una vez que los visitantes visitan cualquiera de estas versiones (A o B), hacen clic en varios botones o incluso se registran para recibir el boletín. Esto le permite determinar qué versión de la página es más efectiva.

SEO es un método para mostrar su sitio web en la parte superior de la página, cuando se realiza una búsqueda de esos elementos relevantes. Incluye la información que su sitio web ofrece a los visitantes y por qué el contenido de la página web es relevante para aparecer en la parte superior de un resultado de búsqueda. Muchos clientes potenciales sienten que las pruebas A / B o las pruebas multivariantes tendrán un efecto en la clasificación de sus motores de búsqueda.

Hay cuatro formas de garantizar que ejecute pruebas A / B sin preocuparse por perder el valor SEO potencial.

No encubras

Se llama encubrimiento cuando muestra una versión de su página web al agente del robot de Google y otra versión a los visitantes de su sitio web. Google dice que no debes encubrir y es muy estricto con esto. Incluso puede hacer que su sitio web sea excluido de los resultados de búsqueda o degradado en el ranking SEO. Debe asegurarse de no dividir a sus visitantes entre las diferentes versiones de su prueba A / B según un agente de usuario. A Google no le importa si su bot ve una versión u otra, solo le importa que su bot tenga la misma experiencia de usuario que la de un visitante aleatorio.

Utilice 'rel = canonical'

Cuando tiene pruebas A / B con varias URL, puede agregar "rel = canonical" a la página web para indicarle a Google qué URL desea indexar. Google sugiere usar un elemento canónico y es una etiqueta noindex, ya que está más en línea con su intención. Solo estás indicando qué contenido es original. De esta forma, Google puede agrupar e indexar páginas en consecuencia.

Note - Si no es posible usar canonical, entonces debe asegurarse de que haya una etiqueta noindex en HTML o HTTP Header, si no, debe asegurarse de que al menos tenga un archivo robots.txt.

Utilice redireccionamientos 302 y no 301

Google recomienda utilizar el método de dirección temporal: un 302 sobre el redireccionamiento 301 permanente. Como en cualquier prueba A / B, no se trata de una reubicación permanente, sino solo temporal. Siempre es recomendable utilizar la redirección 302, ya que es un aviso de una redirección temporal. Entonces, si está utilizando una redirección para pruebas A / B, asegúrese de usar un encabezado 302.

El punto más importante a considerar para el SEO es que debe dejar en claro a los motores de búsqueda que no deben eliminar su URL original de su índice y simplemente ponerla temporalmente en espera. Cuando las arañas regresen para su próxima indexación, verificarán nuevamente si la redirección aún es aplicable y, de lo contrario, la URL anterior se restaurará nuevamente.

No ejecute experimentos durante un período de tiempo más largo

Tenga en cuenta que cuando finalice su prueba A / B, debe eliminar las variaciones lo antes posible, realizar cambios en su página web y comenzar a utilizar la conversión ganadora. Debe asegurarse de eliminar todos los elementos de las pruebas, como URL alternativas y scripts de prueba.

Si ejecuta la prueba durante un período más largo, Google lo toma como una forma de engañar a los motores de búsqueda. Esto puede suceder cuando muestra una variante de prueba a un gran número de visitantes durante un período de tiempo más largo.

Las pruebas A / B (también conocidas como pruebas divididas) definen una forma de compare two versionsde una aplicación o una página web que le permite determinar cuál funciona mejor. Las pruebas A / B son una de las formas más fáciles, donde puede modificar una aplicación o una página web para crear una nueva versión y luego comparar ambas versiones para encontrar la tasa de conversión. Esto también nos permite saber cuál es elbetter performer de los dos.

El número de muestras depende del número de pruebas realizadas. loscount of conversion rate se llama muestra y el proceso de recolección de estas muestras se llama muestreo.

El intervalo de confianza se llama measurement of deviationdel promedio en el número múltiple de muestras. Supongamos que el 22% de las personas prefieren el producto A, con +/- 2% de intervalo de confianza. Este intervalo indica elupper and lower limit de las personas, que optan por el Producto A y también se denomina margin of error. Para obtener los mejores resultados en esta encuesta promedio, el margen de error debe ser lo más pequeño posible.

Realice siempre pruebas A / B si hay probabilidad de beat the original variation by> 5%. La prueba debe ejecutarse durante una cantidad de tiempo considerable, de modo que debe tener suficientes datos de muestra paraperform statistics and analysis. Las pruebas A / B también le permiten aprovechar al máximo su tráfico existente en una página web.

El costo de aumentar sus conversiones es mínimo en comparación con el costo de configurar el tráfico en su sitio web. losROI (return on investment) on A / B Testing es enorme, ya que unos pequeños cambios en un sitio web pueden resultar en un aumento significativo de la tasa de conversión.

Al igual que las pruebas A / B, las pruebas multivariantes se basan en el mismo mecanismo, pero compares higher number of variablesy proporciona más información sobre cómo se comportan estas variables. En las pruebas A / B, divide el tráfico de una página entre diferentes versiones del diseño. La prueba multivariante se utiliza para medir laeffectiveness of each design.

El problema de probar múltiples variables a la vez es que sería tough to accurately determinecuáles de estas variables han marcado la diferencia. Si bien puede decir que una página funcionó mejor que la otra, si hay tres o cuatro variables en cada una, no puede estar seguro de por qué una de esas variables es en realidad un detrimento para la página, ni puede replicar lagood elements en otras páginas.

Aquí hay algunas variaciones de pruebas A / B que se pueden aplicar en una página web. La lista incluye: titulares, subtítulos, imágenes, textos, texto y botón de CTA, enlaces, insignias, menciones en los medios, menciones sociales, promociones y ofertas de ventas, estructura de precios, opciones de entrega, opciones de pago, navegación del sitio e interfaz de usuario.

  • Background Research - El primer paso en las pruebas A / B es averiguar el bounce rateen tu sitio web. Esto se puede hacer con la ayuda de cualquier herramienta como Google Analytics.

  • Collect Data - Los datos de Google Analytics pueden ayudarlo a encontrar visitor behaviors. Siempre es recomendable recopilar suficientes datos del sitio. Intente encontrar las páginas con una tasa de conversión baja o tasas de abandono altas que se puedan mejorar.

  • Set Business Goals- El siguiente paso es establecer sus objetivos de conversión. Encuentra elmetrics that determines si la variación tiene más éxito que la versión original.

  • Construct Hypothesis- Una vez que se han establecido el objetivo y las métricas para las pruebas A / B, lo siguiente es encontrar ideas para mejorar la versión original y cómo serán mejores que la versión actual. Una vez que tienes unlist of ideas, prioritize them en términos de impacto esperado y dificultad de implementación.

  • Create Variations/Hypothesis - Hay muchas herramientas de pruebas A / B en el mercado que tienen un visual editorpara realizar estos cambios de forma eficaz. La decisión clave para realizar pruebas A / B con éxito es seleccionar elcorrect tool.

  • Running the Variations - Presente todas las variaciones de su sitio web o una aplicación a los visitantes y sus acciones son monitoreadas para cada variación. Visitor interaction para cada variación se mide y se compara para determinar cómo se comporta esa variación.

  • Analyze Data - Una vez que se completa un experimento, lo siguiente es analyze the results. La herramienta de prueba A / B presentará los datos del experimento y le dirá la diferencia entre cómo se realizan las diferentes variaciones de la página web. Además, si hay alguna diferencia significativa entre las variaciones con la ayuda de métodos matemáticos y estadísticas.

El tipo más común de herramientas de recopilación de datos incluye la herramienta de análisis, las herramientas de reproducción, las herramientas de encuesta, las herramientas de chat y correo electrónico.

Las herramientas de reproducción se utilizan para obtener una mejor perspectiva de las acciones de los usuarios en su sitio web. También te permiteclick maps and heat maps of user clicky comprobar qué tan lejos está navegando el usuario en el sitio web. Las herramientas de reproducción como Mouse Flow te permitenview a visitor's session de alguna manera estás con el visitante.

Las herramientas de reproducción de video brindan una visión más profunda de cómo sería para ese visitante que navega por las distintas páginas de su sitio web. Las herramientas más utilizadas sonMouse Flow and Crazyegg.

Las herramientas de encuesta se utilizan para collect qualitative feedbackdesde el sitio web. Esto implica hacerles a los visitantes que regresan algunas preguntas de la encuesta. La encuesta les hace preguntas generales y también les permite ingresar sus puntos de vista o seleccionar entre las opciones proporcionadas previamente.

Puede reducir el número de porcentaje de rebote en adding more imagesen el fondo. Puede agregar enlaces de sitios sociales para aumentar aún más la tasa de conversión.

Hay diferentes tipos de variaciones que se pueden aplicar a un objeto, como usar viñetas, cambiar la numeración de los elementos clave, cambiar la fuente y el color, etc. Hay muchas herramientas de pruebas A / B en el mercado que tienen un editor visual para hacer estos cambios de manera efectiva. La decisión clave para realizar las pruebas A / B con éxito esselecting the correct tool.

Las herramientas más comúnmente disponibles son Visual Website Optimizer, Google Content Experiments y Optimizely.

Visual Website Optimizer o VWO le permite test multiple versionsde la misma página. También contiene el editor 'lo que ves es lo que obtienes' (WYSIWYG) que te permitemake the changes and run testssin cambiar el código HTML de la página. Puede actualizar titulares, numeración de elementos y ejecutar una prueba sin realizar cambios en los recursos de TI.

Para crear variaciones en VWO para pruebas A / B, abra su página web en el editor WYSIWYG y podrá aplicar muchos cambios a cualquier página web. Estos incluyen Cambiar texto, Cambiar URL, Editar / Editar HTML, Reorganizar y Mover.

Visual Website Optimizer también ofrece una opción de prueba multivariante y contiene otras herramientas para realizar segmentación por comportamiento, mapas de calor, pruebas de usabilidad, etc.

Estas pruebas también se pueden aplicar en varios otros lugares como correo electrónico, aplicaciones móviles, PPC y CTA.

Una vez que se completa un experimento, next is to analyze the results. La herramienta de prueba A / B presentará los datos del experimento y le dirá la diferencia entre cómo se realizan las diferentes variaciones de esa página web. También mostrará si hay una diferencia significativa entre las variaciones que utilizan métodos matemáticos y estadísticas.

Para integrar Optimizely a Universal Google Analytics, primero seleccione el botón ON en el panel lateral. Entonces debes tener unavailable Custom to populate with Optimizely experiment data.

El código de seguimiento de Universal Google Analytics debe colocarse en la parte inferior de la sección <head> de sus páginas. La integración de Google Analytics no funcionará correctamente a menos que el fragmento de Optimizely esté por encima del fragmento de Analytics.

Google Analytics tiene dos opciones para analizar los datos, que son Universal Analytics y Google Analytics clásico. Las nuevas funciones de Universal Analytics le permiten utilizar 20 pruebas A / B simultáneas que envían datos a Google Analytics, sin embargo, la versión clásica solo permite hasta cinco.

Este es un mito de que las pruebas A / B perjudican las clasificaciones de los motores de búsqueda porque podrían clasificarse como contenido duplicado. Se pueden aplicar las siguientes cuatro formas para garantizar que no pierda el valor de SEO potencial mientras ejecuta las pruebas A / B.

Don’t Cloak - El encubrimiento es cuando muestra una versión de su página web al agente del robot de Google y otra versión a los visitantes de su sitio web.

Use ‘rel=canonical’- Cuando tiene pruebas A / B con varias URL, puede agregar 'rel = canonical' a la página web para indicar a Google qué URL desea indexar. Google sugiere usar un elemento canónico y no una etiqueta noindex, ya que está más en línea con su intención.

Use 302 redirects and not 301’s - Google recomienda utilizar el método de dirección temporal: un 302 sobre el redireccionamiento 301 permanente.

Don’t run experiments for a longer period of time - Tenga en cuenta que cuando finalice su prueba A / B, debe eliminar las variaciones lo antes posible, realizar cambios en su página web y comenzar a utilizar la conversión ganadora.