Pruebas de conversión

Las opiniones sobre lo que convierte suelen ser equivocadas. Las pruebas sustituyen las suposiciones por datos al comparar versiones de una página basándose en el comportamiento real de los visitantes.

La optimización de la tasa de conversión, o CRO, es la práctica disciplinada de realizar estas pruebas para mejorar los resultados de forma constante, en lugar de rediseñar basándose en una intuición.

Una prueba A/B muestra la versión A a la mitad de los visitantes y la versión B a la otra mitad, y después mide cuál obtiene más conversiones.

Como el tráfico se divide aleatoriamente y al mismo tiempo, los factores externos afectan a ambas versiones por igual. La diferencia en la tasa de conversión apunta al cambio que realizó.

Una buena prueba comienza con una hipótesis clara, no con cambios aleatorios. Indique qué va a cambiar, qué resultado espera y por qué.

Esto mantiene el propósito de las pruebas y hace que el resultado sea útil tanto si se gana como si se pierde. Una prueba perdedora que refuta una creencia sigue aportando un aprendizaje valioso.

Para saber qué provocó un cambio en los resultados, modifique un solo elemento cada vez: el titular, el color del botón o la longitud del formulario, pero no los tres a la vez.

Cambiar varias cosas a la vez puede demostrar que la página mejoró, pero no cuál de los cambios lo hizo posible. Aísle la variable para extraer el aprendizaje.

No todos los elementos tienen la misma importancia. El titular, la oferta principal, la CTA y la sección principal suelen influir más en la conversión, así que debe probarlos primero.

Los pequeños cambios estéticos rara vez producen grandes variaciones. Invierta el presupuesto de pruebas donde el beneficio potencial sea mayor.

Una prueba necesita suficientes visitantes y conversiones antes de que su resultado sea significativo. Declarar un ganador después de unas pocas conversiones es el error más común al hacer pruebas.

Determine el tamaño de muestra necesario antes de comenzar y deje que la prueba se ejecute el tiempo suficiente para recoger la variación normal de un día a otro, idealmente durante semanas completas.

La significación estadística estima la probabilidad de que una diferencia sea real y no ruido aleatorio. Un umbral habitual es un nivel de confianza del 95 %.

Por debajo de ese nivel, el supuesto ganador podría deberse simplemente a la suerte. La significación le protege de implementar un cambio que en realidad no ayuda.

Detener una prueba en cuanto B parece ir por delante, práctica conocida como consultar los resultados antes de tiempo, aumenta las falsas victorias. Las ventajas iniciales suelen desaparecer cuando llegan más datos.

Establezca de antemano las condiciones de finalización y respételas. Evite también realizar pruebas durante periodos inusuales, como una campaña de rebajas navideñas, que distorsionen el comportamiento normal.

Una prueba multivariante modifica varios elementos a la vez y mide todas las combinaciones. Puede revelar cómo interactúan los elementos, pero necesita mucho más tráfico.

Para la mayoría de las páginas, las pruebas A/B secuenciales son más prácticas. Reserve las pruebas multivariantes para páginas con mucho tráfico, donde pueda disponer del volumen necesario.

Una prueba solo resulta útil si actúa en función de ella. Implemente la variante ganadora, documente lo aprendido y utilice esa información en la siguiente hipótesis.

La CRO es un ciclo: investigar, formular hipótesis, probar, aprender y repetir. La iteración constante se acumula hasta producir grandes mejoras con el tiempo.

El incremento mide cuánto mejoró la variante ganadora respecto al control, expresado como porcentaje de la tasa original. Comunica el impacto con claridad a las partes interesadas.

Combine siempre el incremento con el nivel de confianza para presentar un resultado fiable. Un incremento grande con un nivel de confianza bajo todavía no permite tomar una decisión.

Compruebe su comprensión de las pruebas de conversión.

Las pruebas sustituyen las opiniones por evidencias. Las pruebas A/B dividen el tráfico para comparar versiones, guiadas por una hipótesis clara y una única variable aislada, empezando por los elementos de mayor impacto.

Espere a contar con un tamaño de muestra adecuado y significancia estadística, evite consultar los resultados antes de tiempo y, después, implemente la versión ganadora e itere. Informe los resultados como incremento acompañado de un nivel de confianza.