Cómo analizar los resultados de las pruebas A/B con el análisis de pruebas A/B

Lo último que alguien quiere es un falso positivo, ¡sin importar la prueba! Con la optimización de la tasa de conversión (CRO) , un falso positivo podría conducir a un callejón sin salida.

Cuando realiza una prueba A/B , quiere saber si su página de prueba (B) realmente superó a su página de control (A) antes de dedicar tiempo a ajustar formularios, páginas u otros aspectos de su sitio.

Una técnica de análisis de prueba A/B ayudará a determinar si su prueba fue estadísticamente significativa y si tiene un conjunto de datos ganador en sus manos.

¿Cómo sabe si su prueba A/B fue estadísticamente significativa?

La significación estadística significa que puede repetir la prueba y recibir constantemente los mismos resultados, o resultados similares.

Por ejemplo, supongamos que cambió la ubicación de un botón de llamada a la acción (CTA). El botón solía estar debajo del contenido de su página de destino, pero supuso que recibiría más clientes potenciales si colocaba el botón al frente y al centro. Entonces, modificaste la página y pusiste el botón sobre tu título principal.

A continuación, probó la página de destino anterior, la página de control, en 1000 visitantes. A partir de ahí, probó la página modificada en otros 1000 visitantes. Después de medir sus resultados con una calculadora de prueba A/B, mostró un aumento del 25 % en los clics en su botón CTA después de moverlo hacia arriba en la página.

Si repite la prueba más de una vez y continúa recibiendo alrededor de un 25% de aumento en los clics, puede suponer razonablemente que sus resultados son estadísticamente significativos. También puedes suponer que el cambio de ubicación del botón CTA fue la causa del cambio.

¿Cómo analizas tu test A/B?

Si bien las calculadoras A/B no son el final de todo el análisis de prueba A/B, lo ayudan a dar sentido a los datos que recopila.

Digamos que usted es dueño de una pequeña empresa. Su número promedio de visitantes del sitio oscila entre 100 y 500 usuarios por semana. Realizó una prueba A/B similar en el botón CTA de su página de destino, pero en un tamaño de muestra de 100 personas en lugar de 1000.

Sus resultados muestran que 50 de cada 100 personas hicieron clic en su botón CTA para la página original. En la página de prueba, 58 personas hicieron clic en el botón. Si bien este aumento puede parecer significativo para el tamaño de la muestra, según la calculadora A/B, es solo un cambio del 16 %.

¿Qué debe hacer antes de ejecutar una prueba A/B?

Antes de comenzar con nuestro escenario de ejemplo, aquí hay un resumen de lo que debe hacer antes de recopilar datos.

1. Conoce tus objetivos

¿Cuáles son sus indicadores clave de rendimiento (KPI)? En otras palabras, ¿qué conversaciones generan los resultados más significativos para su negocio? Estos indicadores pueden ser cualquier cosa, desde el volumen de ventas hasta la retención de clientes. Centrarse en los cambios orientados a sus KPI generará los mejores resultados.

2. Sepa dónde está y adónde quiere ir

Una vez que sepa lo que quiere medir, averigüe cuál es su posición actual. Es posible que ya tenga una idea general si ha medido los clics en anuncios, la cantidad de correos electrónicos abiertos o cuántos clientes potenciales completan su formulario de contacto por mes.

Eche un vistazo a su CRM y Google Analytics para medir los datos tal como están. Los datos actuales deberían darle una idea de qué mejoras son necesarias y realistas.

Cómo saber si tu prueba es estadísticamente significativa (sin usar una calculadora A/B)

Ahora pasemos a la parte divertida: el análisis de prueba A/B. Después de haber seguido los pasos anteriores, además de ejecutar sus pruebas y recopilar sus datos, puede determinar si sus resultados son lo suficientemente significativos como para implementar cambios.

La buena noticia es que todavía puedes usar una calculadora A/B como punto de partida. De los 100 visitantes del sitio web de la pequeña empresa de la que hablamos anteriormente, hubo un aumento del 16 % en los clics debido al cambio de ubicación del botón CTA, supuestamente. Ahora, ¿cómo sabemos si eso es cierto?

1. Vuelva a ejecutar la prueba

Siempre que ejecute una prueba A/B, si el cambio no es significativo, querrá volver a ejecutar la prueba, por ejemplo, si los resultados son inferiores a una diferencia del 36 %.

En general, es mejor volver a ejecutar las pruebas A/B para que tenga datos suficientes para concluir que el resultado fue el resultado directo del cambio que realizó.

2. Analizar los datos nuevamente

Digamos que después de esta repetición, el resultado fue que 60 personas de 100 hicieron clic en el botón CTA de la página de prueba y 52 hicieron clic en la página original. Eso es un aumento del 15,38%, según la calculadora.

3. Ejecute su prueba una vez más (y analice los resultados)

Este resultado es similar al cambio de 15 a 16 % de la tercera vez. Sin embargo, antes de saltar para implementar los cambios, pruebe sus resultados una vez más.

Cuando trabaja con un tamaño de muestra más pequeño, es difícil saber si el cambio constante es una coincidencia o no. Por lo general, cuanto mayor sea el tamaño de la muestra, más poder estadístico tendrá.

4. Ejecute otra prueba A/B: pruebe su página de control contra sí misma

Técnicamente, una evaluación como esta se consideraría una prueba A/A. Pruebe su página de control en un conjunto de 100 visitantes y pruebe la misma página en un conjunto diferente de 100 visitantes. Puede hacer esto antes o después de probar un cambio.

La variación natural en los clics en su CTA sin ningún cambio implementado no debe exceder una diferencia del 2%. Este rango representa la fluctuación natural de los clics que recibe su página. Cualquier cambio que exceda este rango puede asumirse razonablemente como significativo.

Ahora que tiene suficientes datos, es hora de ver si marca tres casillas. Determine si los datos son:

• Suficiente: Sí, hicimos la prueba tres veces.
• Consistente: Sí, recibimos un resultado similar tres veces.
• Diferenciado: sí, probamos nuestra página de control contra sí misma y notamos que los cambios naturales cayeron entre -2 y 2 %, lo que significa que nuestro aumento constante del 15 % en los clics para nuestra página de prueba fue significativo.

Con base en estos resultados, podemos determinar que los datos son estadísticamente significativos. También podemos suponer razonablemente que el cambio en la ubicación del botón CTA fue la causa del aumento de clics.

WebFX es un fideicomiso de empresas asociadas.

Escuche a HydroWorx, que vio un aumento del 236 % en las sesiones orgánicas con los servicios de WebFX.

Mira el Video Testimonio

Asóciese con WebFX para el análisis de pruebas A/B

Como puede ver, el análisis de pruebas A/B puede ser una tarea abrumadora, especialmente si no está seguro de qué cambios generarán los mejores resultados. Nuestro equipo de más de 500 expertos en la materia en WebFX utiliza estrategias de SEO basadas en datos para crear páginas de destino impactantes con nuestros servicios de pruebas A/B. Hemos generado más de $3 mil millones en ingresos para nuestros clientes y estamos listos para llevar su página de destino al siguiente nivel.

¡Contáctenos en línea o llámenos al 888-601-5359 para hablar con un estratega hoy!