.webp){kind=logo}
.svg){kind=small}
.svg){kind=small}
.svg){kind=small}
Las pruebas A/B te permiten perfeccionar tus estrategias de marketing, elemento por elemento. Aunque pueden aplicarse a cualquier cosa, desde las imágenes de tus anuncios gráficos hasta el texto de tus blogs, hoy vamos a ver cómo utilizar las pruebas A/B para optimizar tus páginas de destino y lograr que el tráfico que llega a ellas convierta.
¿Qué es una prueba A/B?
Las pruebas A/B, también llamadas "pruebas divididas", consisten básicamente en producir dos copias de un material con una única diferencia entre ellas. Ejecuta ambas versiones al mismo tiempo y, al final del periodo de prueba, compara los resultados para ver cuál ha sido más eficaz.
Una vez completada la prueba, puede descartar la iteración menos eficaz y, si está satisfecho con los resultados obtenidos, dejarlo ahí. Si desea probar otras versiones, puede volver a ejecutar la prueba hasta que obtenga el nivel de conversión que busca.
Una vez completada la prueba, puede descartar la iteración menos eficaz y, si está satisfecho con los resultados obtenidos, dejarlo ahí. Si desea probar otras versiones, puede volver a ejecutar la prueba hasta que obtenga el nivel de conversión que busca.
¿Qué métricas puedo probar utilizando las pruebas A/B?
Las pruebas divididas le permiten comparar el impacto de todo tipo de cambios en sus páginas de destino. Es una forma práctica de comprobar el impacto de casi cualquier cambio y puede utilizarse para probar casi cualquier métrica relevante, incluidas conversiones, ventas y registros en formularios.
Lo importante es elegir una métrica principal para cada prueba. La métrica principal decide el ganador, por lo que evita la tentación de elegir la cifra que mejor parezca una vez finalizada la prueba. Si su página de destino existe para conseguir suscripciones a listas de correo, las suscripciones son su métrica principal.
Aun así, debe observar otras dos o tres cifras, conocidas como métricas de control. Una métrica de control es un número que no debe empeorar mientras la métrica principal mejora, como el abandono de formularios o las solicitudes de reembolso. Un nuevo titular que aumenta las suscripciones en un 10% mientras duplica las bajas en la primera semana no es una victoria real, y las métricas de control detectan eso antes de que implemente el cambio.
Las métricas clave más fáciles de probar utilizando este método son:
Lo importante es elegir una métrica principal para cada prueba. La métrica principal decide el ganador, por lo que evita la tentación de elegir la cifra que mejor parezca una vez finalizada la prueba. Si su página de destino existe para conseguir suscripciones a listas de correo, las suscripciones son su métrica principal.
Aun así, debe observar otras dos o tres cifras, conocidas como métricas de control. Una métrica de control es un número que no debe empeorar mientras la métrica principal mejora, como el abandono de formularios o las solicitudes de reembolso. Un nuevo titular que aumenta las suscripciones en un 10% mientras duplica las bajas en la primera semana no es una victoria real, y las métricas de control detectan eso antes de que implemente el cambio.
Las métricas clave más fáciles de probar utilizando este método son:
- Tasa de clics (CTR): el porcentaje de visitantes que hacen clic en su llamada a la acción. En el caso de los anuncios, la tasa de clics significa clics divididos por impresiones, por lo que ayuda especificar cuál de las dos está probando.
- Tasa de rebote: el porcentaje de sesiones que finalizan sin ninguna interacción. La analítica clásica contaba cada visita de una sola página como un rebote. Google Analytics 4 cuenta una sesión como rebote cuando dura 10 segundos o menos, no tiene ningún evento clave e incluye solo una vista de página.
- Tasa de conversión: el porcentaje de visitantes que realizan la acción que usted desea que realicen.
- Profundidad de desplazamiento: hasta dónde se desplazan los usuarios por la página mientras leen su contenido.
- Tasa de abandono: el porcentaje de personas que inician la acción deseada (por ejemplo, rellenar un formulario) y no la completan.
- Valor medio del pedido (AOV): ingresos totales divididos por el número de pedidos.
- Ingresos por visitante: ingresos totales divididos por el número de visitantes, incluidos aquellos que no compraron nada.
El valor medio del pedido (AOV) y los ingresos por visitante pueden moverse en direcciones opuestas. Una página que elimina un descuento puede aumentar el AOV mientras que menos personas compran, por lo que los ingresos por visitante son la cifra más segura cuando su objetivo son las ventas.
¿Qué variables puedo utilizar en las pruebas A/B para optimizar?
Lo bueno de las pruebas A/B es que pueden utilizarse para probar casi cualquier elemento de sus páginas de destino. Puede que quiera centrarse en los efectos de algo técnico como los tiempos de carga, o en algo tan pequeño como la visibilidad de su botón de llamada a la acción. El color en sí importa menos que el contraste. Un botón que se confunde con la página es difícil de ver sea cual sea su color, por lo que una prueba de contraste o tamaño suele decir más que una prueba de naranja frente a azul.
Lo importante es probar solo una única variable en cada iteración del sitio. Esto significa que puede extraer conclusiones sólidas sobre su impacto sin enturbiar las aguas con dudas sobre qué cambio causó qué resultado.
Lo importante es probar solo una única variable en cada iteración del sitio. Esto significa que puede extraer conclusiones sólidas sobre su impacto sin enturbiar las aguas con dudas sobre qué cambio causó qué resultado.
¿Por qué utilizar tráfico de pago para probar sus páginas de destino?
Si bien podrías realizar una serie exitosa de pruebas A/B en tus páginas de destino a través de tráfico orgánico natural, el uso de fuentes pagadas como los anuncios nos brinda algunas ventajas claras:
- Tiempo: el crecimiento del tráfico orgánico suele ser un proceso lento y constante. El tráfico pagado puede comenzar a recopilar información casi al instante, lo que permite una respuesta mucho más rápida a tu hipótesis.
- Control: las campañas pagadas te permiten decidir cuántos visitantes llegan cada día, cuándo comienza y termina la prueba, y cuánto cuesta. También puedes mantener la segmentación idéntica durante toda la prueba, de modo que lo único que cambia entre la versión A y la versión B es la página en sí. La división 50/50 entre versiones es algo que configuras en tu propio sitio, como explica el Paso 5, porque la plataforma de anuncios por sí sola no puede garantizarla.
- Segmentación: la publicidad pagada te permite elegir quién ve tus anuncios por ubicación, dispositivo e intereses. Los visitantes de tu prueba se parecen entonces al mercado que quieres ganar, por lo que el resultado es más relevante para los clientes que te interesan. El resultado se aplica solo a esa audiencia. Una página que gana con visitantes móviles en un país puede no ganar con usuarios de escritorio en otro lugar.
SparkTraffic, una plataforma publicitaria que muestra tus anuncios en sitios web de editores asociados, está diseñada en torno a este tipo de control. Eliges los países, ciudades y dispositivos para una campaña y estableces un presupuesto diario o mensual, de modo que la combinación de audiencia y el volumen de visitantes se mantengan estables durante toda la prueba. Cuando envías este tráfico web geolocalizado a una URL de campaña y lo divides en tu propio sitio, ambas versiones de la página reciben el mismo tipo de visitante, que es la condición de la que depende una prueba A/B justa.
En resumen, utilizar anuncios pagados para generar el tráfico para tus pruebas divididas significa que obtienes resultados más relevantes, más rápido.
En resumen, utilizar anuncios pagados para generar el tráfico para tus pruebas divididas significa que obtienes resultados más relevantes, más rápido.
Cómo utilizar el tráfico pagado para realizar una prueba A/B en tus páginas de destino
El propósito de una página de destino es guiar a las personas a realizar una acción determinada después de hacer clic en un enlace. Pueden descubrir esta página de destino de varias maneras: navegando por redes sociales, a través de una búsqueda, una recomendación de IA o, en nuestro caso de hoy, haciendo clic en un anuncio de algún tipo.
El propósito de una prueba A/B es perfeccionar tu página de destino creando dos versiones ligeramente diferentes y recopilando suficientes datos para saber si la diferencia entre ellas es estadísticamente significativa. Esto significa que debes esperar hasta tener pruebas suficientes de que la versión con mejor rendimiento obtiene sus resultados gracias a esos cambios.
Desglosado en etapas, el proceso es más o menos así:
El propósito de una prueba A/B es perfeccionar tu página de destino creando dos versiones ligeramente diferentes y recopilando suficientes datos para saber si la diferencia entre ellas es estadísticamente significativa. Esto significa que debes esperar hasta tener pruebas suficientes de que la versión con mejor rendimiento obtiene sus resultados gracias a esos cambios.
Desglosado en etapas, el proceso es más o menos así:
Paso 1: Elige una métrica principal
Las pruebas A/B funcionan mejor cuando estableces un objetivo claro desde el principio, en lugar de un "obtener mejores resultados" más general. Con este fin, lo mejor es elegir una única métrica relevante para el negocio, como el impacto en las tasas de clics, los registros o las ventas.
Esta será tu "métrica principal", que constituirá el punto de comparación central en tus resultados. No será el único hallazgo significativo, pero sí el más importante.
Esta será tu "métrica principal", que constituirá el punto de comparación central en tus resultados. No será el único hallazgo significativo, pero sí el más importante.
Paso 2: Establece tu hipótesis
Dado que las pruebas A/B son una forma relativamente científica de evaluar tus páginas de destino, necesitaremos una hipótesis que probar. Esta debe estar directamente relacionada con la métrica que buscas mejorar. Algo como "Reducir el número de campos en el formulario de registro aumentará las suscripciones a la lista de correo" o "Cambiar el H1 por una declaración basada en beneficios en lugar de una general aumentará las ventas".
Paso 3: Aísla tu variable
La variable es el cambio que estamos probando. Para garantizar que los datos que recopilamos sean claros y válidos, es importante cambiar solo un elemento en cada prueba (siempre puedes realizar otra prueba más adelante para comprobar otras teorías que puedas tener).
La variable puede ser casi cualquier elemento de tu página de destino, pero los que se prueban con mayor frecuencia incluyen cosas como:
La variable puede ser casi cualquier elemento de tu página de destino, pero los que se prueban con mayor frecuencia incluyen cosas como:
- Imagen principal: el banner superior de tu página, lo primero que ven las personas al visitarla
- H1: el primer texto que leen
- Diseño: cómo se presenta la página
- Posición de la CTA: dónde se ubica la llamada a la acción en la página
- Redacción de la CTA: cómo se presenta la llamada a la acción a los visitantes
- Tamaño del formulario: la cantidad de campos que alguien tiene que completar
- Texto (Copy): el texto que completa su página
- Tiempo de carga: ¿una carga más rápida resulta en más conversiones?
Por supuesto, podría realizar una prueba A/B en cualquier elemento de su página, aunque es probable que los enumerados anteriormente tengan los mayores impactos y sean los más fáciles de extraer conclusiones claras.
Paso 4: Prepare sus páginas
El paso final antes de que podamos empezar a generar tráfico y ejecutar la prueba es preparar sus páginas. Para la mayoría de las pruebas de páginas de destino, funcionan mejor dos versiones. Cada versión adicional divide su tráfico aún más, por lo que una prueba con tres versiones necesita al menos un 50% más de visitantes en total que una prueba con dos. Comparar varias versiones a la vez también aumenta la posibilidad de un falso ganador.
Aun así, puede ejecutar una prueba A/B/n con tres o cuatro versiones si su tráfico lo permite. De cualquier manera, cada versión debe diferir de la de control en un solo elemento. Si desea probar varios elementos juntos, ese es un método diferente llamado prueba multivariante.
Su página existente es la parte "A" y actúa como control, estableciendo la línea base. La versión con el único cambio es el elemento "B" y le permite probar su hipótesis.
Aun así, puede ejecutar una prueba A/B/n con tres o cuatro versiones si su tráfico lo permite. De cualquier manera, cada versión debe diferir de la de control en un solo elemento. Si desea probar varios elementos juntos, ese es un método diferente llamado prueba multivariante.
Su página existente es la parte "A" y actúa como control, estableciendo la línea base. La versión con el único cambio es el elemento "B" y le permite probar su hipótesis.
Paso 5: Configure su tráfico pagado
La mayoría de las plataformas de anuncios pagados tienen funciones de experimentación integradas, pero están diseñadas para comparar anuncios y campañas, no páginas de destino. En Google Ads, por ejemplo, un experimento de campaña divide su presupuesto entre una campaña original y una de prueba. Eso es útil para probar pujas o textos publicitarios, pero no garantiza que sus dos páginas de destino reciban visitantes iguales o comparables.
La razón es que las plataformas publicitarias optimizan la entrega. Cuando dos anuncios apuntan a dos páginas diferentes, el algoritmo de la plataforma decide quién ve cada anuncio y se lo muestra a las personas que predice que responderán. Los investigadores llaman a esto entrega divergente. Un estudio de 2025 de Braun y Schwartz en el Journal of Marketing descubrió que puede distorsionar el tamaño del resultado de una prueba publicitaria e incluso invertir su dirección.
La configuración más segura es enviar todo el tráfico pagado a una URL de campaña y dividirlo en su propio sitio. Un script de prueba o una regla del lado del servidor asigna a cada visitante al azar a la versión A o a la versión B, 50/50. La misma regla almacena la asignación en una cookie de origen, por lo que un visitante que regresa siempre ve la misma versión. Sin esto, una persona puede ver ambas versiones, y su comportamiento cuenta para ambos grupos, desdibujando la diferencia que intenta medir.
Si su configuración le obliga a utilizar dos campañas separadas, asígneles una segmentación idéntica, la misma hora de inicio y el mismo límite diario. Antes de leer los resultados, compare la combinación de dispositivos y ubicaciones de ambos grupos. Si un grupo tiene muchos más visitantes móviles que el otro, la comparación no es justa.
La razón es que las plataformas publicitarias optimizan la entrega. Cuando dos anuncios apuntan a dos páginas diferentes, el algoritmo de la plataforma decide quién ve cada anuncio y se lo muestra a las personas que predice que responderán. Los investigadores llaman a esto entrega divergente. Un estudio de 2025 de Braun y Schwartz en el Journal of Marketing descubrió que puede distorsionar el tamaño del resultado de una prueba publicitaria e incluso invertir su dirección.
La configuración más segura es enviar todo el tráfico pagado a una URL de campaña y dividirlo en su propio sitio. Un script de prueba o una regla del lado del servidor asigna a cada visitante al azar a la versión A o a la versión B, 50/50. La misma regla almacena la asignación en una cookie de origen, por lo que un visitante que regresa siempre ve la misma versión. Sin esto, una persona puede ver ambas versiones, y su comportamiento cuenta para ambos grupos, desdibujando la diferencia que intenta medir.
Si su configuración le obliga a utilizar dos campañas separadas, asígneles una segmentación idéntica, la misma hora de inicio y el mismo límite diario. Antes de leer los resultados, compare la combinación de dispositivos y ubicaciones de ambos grupos. Si un grupo tiene muchos más visitantes móviles que el otro, la comparación no es justa.
¿Cuánto tráfico debería comprar?
No existe un número único de visitas que haga que una prueba sea precisa, porque la cifra depende de cuatro factores. El primero es su tasa de conversión base, que es la frecuencia con la que la página de control convierte actualmente. El segundo es el incremento mínimo que desea poder detectar. El tercero y el cuarto son el nivel de significancia y la potencia estadística, que la mayoría de los equipos establecen en un 95% de confianza y un 80% de potencia.
Así es como funcionan los números para una página que convierte al 4%. Para detectar un incremento del 20% (del 4,0% al 4,8%), necesita unos 10 300 visitantes por versión. Para detectar un incremento del 10% (del 4,0% al 4,4%), necesita unos 39 500 por versión, casi cuatro veces más. Una página que convierte al 2% necesita unos 80 700 visitantes por versión para detectar un incremento del 10%, mientras que una página al 10% necesita unos 14 800.
La duración no cambia estas cifras. Una prueba que alcanza los 10 300 visitantes por versión en 14 días es tan fiable como una que tarda 30 días en alcanzar el mismo total, siempre que ambas cubran semanas completas. Puede convertir el tamaño de la muestra en un presupuesto antes de empezar: visitantes por versión × 2 × coste por visita. Con un coste de ejemplo de 0,50 $ por visita, la prueba de incremento del 20% anterior cuesta unos 10 300 $.
Si ese presupuesto es demasiado alto, tiene dos opciones honestas. Puede probar un cambio más audaz, porque los incrementos mayores necesitan muchos menos visitantes. O puede elegir una métrica principal con una tasa base más alta, como la tasa de interacción: con alrededor del 50%, 1000 visitantes por versión pueden detectar una diferencia de unos 6 puntos porcentuales. El método detrás de estas cifras se llama determinación del tamaño de la muestra, y las calculadoras en línea gratuitas hacen el cálculo por usted.
Así es como funcionan los números para una página que convierte al 4%. Para detectar un incremento del 20% (del 4,0% al 4,8%), necesita unos 10 300 visitantes por versión. Para detectar un incremento del 10% (del 4,0% al 4,4%), necesita unos 39 500 por versión, casi cuatro veces más. Una página que convierte al 2% necesita unos 80 700 visitantes por versión para detectar un incremento del 10%, mientras que una página al 10% necesita unos 14 800.
La duración no cambia estas cifras. Una prueba que alcanza los 10 300 visitantes por versión en 14 días es tan fiable como una que tarda 30 días en alcanzar el mismo total, siempre que ambas cubran semanas completas. Puede convertir el tamaño de la muestra en un presupuesto antes de empezar: visitantes por versión × 2 × coste por visita. Con un coste de ejemplo de 0,50 $ por visita, la prueba de incremento del 20% anterior cuesta unos 10 300 $.
Si ese presupuesto es demasiado alto, tiene dos opciones honestas. Puede probar un cambio más audaz, porque los incrementos mayores necesitan muchos menos visitantes. O puede elegir una métrica principal con una tasa base más alta, como la tasa de interacción: con alrededor del 50%, 1000 visitantes por versión pueden detectar una diferencia de unos 6 puntos porcentuales. El método detrás de estas cifras se llama determinación del tamaño de la muestra, y las calculadoras en línea gratuitas hacen el cálculo por usted.
Paso 6: Ejecute la prueba
Antes de que llegue el primer visitante, usted fija el tamaño de la muestra del paso anterior y la duración necesaria para alcanzarlo. Recomendamos semanas completas (7, 14, 21 o 28 días), para que cada día de la semana aparezca por igual en ambas versiones. Luego, espere a que la prueba termine antes de decidir nada.
La razón es que el ruido aleatorio es mayor al principio de una prueba. Si revisa los resultados todos los días y se detiene la primera vez que una versión parece significativa, su tasa real de falsos positivos aumenta muy por encima del 5% que planeó. Los estadísticos llaman a esto detención opcional, y los especialistas en marketing a menudo lo llaman "mirar a escondidas".
Un plan fijo no puede eliminar el azar, pero mantiene el riesgo de un falso ganador en el nivel que usted eligió. También protege sus datos de distorsiones de corta duración, tales como:
La razón es que el ruido aleatorio es mayor al principio de una prueba. Si revisa los resultados todos los días y se detiene la primera vez que una versión parece significativa, su tasa real de falsos positivos aumenta muy por encima del 5% que planeó. Los estadísticos llaman a esto detención opcional, y los especialistas en marketing a menudo lo llaman "mirar a escondidas".
Un plan fijo no puede eliminar el azar, pero mantiene el riesgo de un falso ganador en el nivel que usted eligió. También protege sus datos de distorsiones de corta duración, tales como:
- Patrones según la hora del día y el día de la semana
- Unos pocos usuarios intensivos que visitan el sitio muchas veces
- Eventos puntuales, como las rebajas de un competidor o una noticia
Seleccionar un "ganador" antes de que la prueba haya seguido su curso completo simplemente porque parece estar funcionando mejor en las etapas iniciales conlleva el riesgo de implementar un falso positivo y dañar sus resultados a largo plazo.
Lo que representa una prueba "justa" variará según el caso, pero la regla general es que debe ejecutarla durante el tiempo suficiente y con suficientes visitantes para que sus resultados alcancen significancia estadística. El tamaño de la muestra que calculó antes del lanzamiento le indica qué significan "tiempo suficiente" y "suficientes visitantes" para su prueba.
Lo que representa una prueba "justa" variará según el caso, pero la regla general es que debe ejecutarla durante el tiempo suficiente y con suficientes visitantes para que sus resultados alcancen significancia estadística. El tamaño de la muestra que calculó antes del lanzamiento le indica qué significan "tiempo suficiente" y "suficientes visitantes" para su prueba.
Paso 7: Evalúe los resultados e implemente la versión ganadora
Una vez que la prueba haya completado su duración total, podrá evaluar los resultados. Esto implica dos cosas: primero, comprobar si su hipótesis era correcta y si su métrica principal mejoró al cambiar la variable elegida; y segundo, observar sus otras métricas para detectar consecuencias imprevistas.
Si su métrica principal ha mejorado por un margen estadísticamente significativo y sus métricas de control no han empeorado, la prueba ha sido un éxito y puede reemplazar la página original por la nueva versión. Si el impacto fue negativo, mantenga la versión de control y descarte la nueva iteración. Si la diferencia no es significativa en ninguno de los dos sentidos, la prueba no es concluyente. El cambio no produjo ninguna diferencia medible con este tamaño de muestra, y mantener la versión de control suele ser la opción más económica.
Si descubre que su métrica principal ha mejorado pero otras métricas importantes también se han visto afectadas, deberá tomar una decisión sobre qué versión de su página de destino es mejor utilizar. Evalúe los impactos cuidadosamente y considere realizar más pruebas para perfeccionar aún más su página.
Si su métrica principal ha mejorado por un margen estadísticamente significativo y sus métricas de control no han empeorado, la prueba ha sido un éxito y puede reemplazar la página original por la nueva versión. Si el impacto fue negativo, mantenga la versión de control y descarte la nueva iteración. Si la diferencia no es significativa en ninguno de los dos sentidos, la prueba no es concluyente. El cambio no produjo ninguna diferencia medible con este tamaño de muestra, y mantener la versión de control suele ser la opción más económica.
Si descubre que su métrica principal ha mejorado pero otras métricas importantes también se han visto afectadas, deberá tomar una decisión sobre qué versión de su página de destino es mejor utilizar. Evalúe los impactos cuidadosamente y considere realizar más pruebas para perfeccionar aún más su página.
Evaluación de los resultados
Aunque puede ser tentador simplemente señalar una de las versiones de su página como la "ganadora" simplemente porque su métrica principal elegida ha aumentado, es importante recordar que no existe la página de destino "perfecta" y que, con cualquier marketing digital, estamos pensando en términos de estadísticas: el porcentaje de personas expuestas a nuestros materiales que realizan nuestra acción deseada es lo que realmente estamos observando.
Al realizar una prueba A/B, buscamos información detallada que podamos utilizar para tomar decisiones informadas, por lo que cuanto más detallados sean sus informes, mejor.
Esto significa que para obtener una comprensión más detallada de nuestros resultados, tendremos que ponernos matemáticos (no entre en pánico: ¡hay herramientas que pueden ayudar!).
Al realizar una prueba A/B, buscamos información detallada que podamos utilizar para tomar decisiones informadas, por lo que cuanto más detallados sean sus informes, mejor.
Esto significa que para obtener una comprensión más detallada de nuestros resultados, tendremos que ponernos matemáticos (no entre en pánico: ¡hay herramientas que pueden ayudar!).
Significación estadística
Para declarar un ganador, necesita saber si la brecha entre sus dos páginas refleja una diferencia real o simplemente una variación aleatoria en quién visitó la página. Nunca puede estar completamente seguro, por lo que los estadísticos utilizan una prueba de hipótesis para medir cuán sorprendente sería su resultado si el cambio no tuviera efecto.
La prueba parte de la hipótesis nula, que es la suposición de que la versión B funciona exactamente igual que la versión A. Las conversiones siguen una distribución binomial, porque cada visitante convierte o no, y ese modelo le dice a la prueba cuánto variaría la tasa de conversión solo por casualidad. Para las tasas de conversión, la prueba habitual es una prueba z de dos proporciones o una prueba de chi-cuadrado, y cualquier calculadora de significación la ejecuta por usted.
La prueba produce un valor p: la probabilidad de ver una diferencia al menos tan grande como la suya si el cambio realmente no marcó ninguna diferencia. No es la probabilidad de que su cambio funcionara, y no dice nada sobre qué tan grande es la mejora. Un valor p de 0,03 significa que una brecha al menos tan grande aparecería en aproximadamente 3 de cada 100 pruebas de dos páginas idénticas.
La mayoría de los equipos establecen el umbral en 0,05 (5%) antes de que comience la prueba y llaman al resultado estadísticamente significativo cuando el valor p cae por debajo de él. Establecer el umbral por adelantado es importante, porque un umbral elegido después de ver los datos puede moverse para adaptarse al resultado que esperaba. Para una decisión importante, como un rediseño completo del sitio, un umbral más estricto de 0,01 le brinda protección adicional contra un falso ganador.
La prueba parte de la hipótesis nula, que es la suposición de que la versión B funciona exactamente igual que la versión A. Las conversiones siguen una distribución binomial, porque cada visitante convierte o no, y ese modelo le dice a la prueba cuánto variaría la tasa de conversión solo por casualidad. Para las tasas de conversión, la prueba habitual es una prueba z de dos proporciones o una prueba de chi-cuadrado, y cualquier calculadora de significación la ejecuta por usted.
La prueba produce un valor p: la probabilidad de ver una diferencia al menos tan grande como la suya si el cambio realmente no marcó ninguna diferencia. No es la probabilidad de que su cambio funcionara, y no dice nada sobre qué tan grande es la mejora. Un valor p de 0,03 significa que una brecha al menos tan grande aparecería en aproximadamente 3 de cada 100 pruebas de dos páginas idénticas.
La mayoría de los equipos establecen el umbral en 0,05 (5%) antes de que comience la prueba y llaman al resultado estadísticamente significativo cuando el valor p cae por debajo de él. Establecer el umbral por adelantado es importante, porque un umbral elegido después de ver los datos puede moverse para adaptarse al resultado que esperaba. Para una decisión importante, como un rediseño completo del sitio, un umbral más estricto de 0,01 le brinda protección adicional contra un falso ganador.
Tamaño de la muestra y duración
Aunque deberían haberse establecido correctamente al inicio del proceso de prueba, vale la pena volver a comprobarlos al evaluar los resultados. Existen herramientas que pueden ayudarle a determinar qué tamaños de muestra y escalas de tiempo debería buscar para alcanzar la significación estadística en sus resultados.
Básicamente, cuanto más tiempo dure su prueba y más personas incluya, más seguro podrá estar de la sostenibilidad a largo plazo de cualquier mejora que encuentre. Por supuesto, existen límites: ningún equipo de marketing tiene un plazo o presupuesto ilimitado para comprar tráfico, por lo que es importante establecer y verificar números realistas.
Mientras observa los tamaños de su muestra, vale la pena comprobar que cada versión recibió la parte de visitantes que planeó. Si establece una división 50/50 y ve 5.400 visitantes en una versión y 4.600 en la otra, algo anda mal con la configuración, no con su suerte. Este problema se denomina desajuste en la proporción de la muestra, y una simple prueba de chi-cuadrado lo confirma.
Un desajuste en la proporción de la muestra generalmente proviene de la configuración, no de la fuente de tráfico. Las causas típicas incluyen una redirección que pierde algunos visitantes, una etiqueta de seguimiento que no se activa en una versión o el filtrado de bots que elimina más visitas de un grupo. Si la verificación falla, no se puede confiar en los resultados, y la solución es encontrar la causa y volver a ejecutar la prueba.
Básicamente, cuanto más tiempo dure su prueba y más personas incluya, más seguro podrá estar de la sostenibilidad a largo plazo de cualquier mejora que encuentre. Por supuesto, existen límites: ningún equipo de marketing tiene un plazo o presupuesto ilimitado para comprar tráfico, por lo que es importante establecer y verificar números realistas.
Mientras observa los tamaños de su muestra, vale la pena comprobar que cada versión recibió la parte de visitantes que planeó. Si establece una división 50/50 y ve 5.400 visitantes en una versión y 4.600 en la otra, algo anda mal con la configuración, no con su suerte. Este problema se denomina desajuste en la proporción de la muestra, y una simple prueba de chi-cuadrado lo confirma.
Un desajuste en la proporción de la muestra generalmente proviene de la configuración, no de la fuente de tráfico. Las causas típicas incluyen una redirección que pierde algunos visitantes, una etiqueta de seguimiento que no se activa en una versión o el filtrado de bots que elimina más visitas de un grupo. Si la verificación falla, no se puede confiar en los resultados, y la solución es encontrar la causa y volver a ejecutar la prueba.
Evaluación de factores externos
Desafortunadamente, Internet no es un entorno de prueba estéril y es probable que factores externos se filtren en sus resultados. Si bien el uso de tráfico de pago puede ayudar a minimizar esta posible contaminación estadística, no puede eliminarla por completo.
Estos factores pueden incluir todo tipo de cosas, desde cambios estacionales en el comportamiento (personas más abiertas a los anuncios de comercio electrónico durante las fiestas) hasta otras campañas de marketing que pueda estar ejecutando. Los problemas técnicos, como que una página cargue un poco más lento que la otra, también pueden tener un impacto sorprendentemente grande en sus resultados. Si nadie espera lo suficiente para ver su variable de prueba, realmente no puede probarla.
Estos factores no invalidan sus resultados, pero deben considerarse cuidadosamente antes de empezar a aplicarlos.
Estos factores pueden incluir todo tipo de cosas, desde cambios estacionales en el comportamiento (personas más abiertas a los anuncios de comercio electrónico durante las fiestas) hasta otras campañas de marketing que pueda estar ejecutando. Los problemas técnicos, como que una página cargue un poco más lento que la otra, también pueden tener un impacto sorprendentemente grande en sus resultados. Si nadie espera lo suficiente para ver su variable de prueba, realmente no puede probarla.
Estos factores no invalidan sus resultados, pero deben considerarse cuidadosamente antes de empezar a aplicarlos.
Segmentación de la audiencia
Aunque puede extraer cifras principales de sus pruebas A/B, como "5% más de registros", también puede observar cómo respondieron los diferentes grupos de visitantes. Esto es especialmente útil con el tráfico de pago, porque usted eligió la audiencia y sus análisis registran el dispositivo, la ubicación y la fuente de tráfico de cada visitante.
El enfoque tentador es dividir los resultados por cada dimensión disponible, como dispositivo, navegador, país, edad y género. El problema es que cada segmento es otra oportunidad para que la suerte produzca un falso ganador. Con 10 segmentos probados en el umbral del 5%, la probabilidad de que al menos uno muestre una diferencia "significativa" solo por suerte es de aproximadamente el 40%, una trampa conocida como el problema de las comparaciones múltiples. Cada segmento también contiene solo una parte de su muestra, por lo que sus números son menos fiables.
También ayuda crear segmentos a partir de sus propios análisis en lugar de los perfiles de las redes publicitarias. Los perfiles creados a partir de cookies de terceros están incompletos, porque varios navegadores importantes bloquean esas cookies de forma predeterminada y los banners de consentimiento reducen las visitas que puede medir.
El enfoque práctico es nombrar uno o dos segmentos antes de que comience la prueba, y el tipo de dispositivo es la opción más útil para la mayoría de las páginas de destino. Por ejemplo, si planeó una comparación entre dispositivos móviles y de escritorio y los visitantes de escritorio convierten con mucha más frecuencia en la versión B, tiene un hallazgo sólido sobre el cual actuar. Cualquier patrón que detecte en un segmento que no planeó es una hipótesis para su próxima prueba, no un resultado.
El enfoque tentador es dividir los resultados por cada dimensión disponible, como dispositivo, navegador, país, edad y género. El problema es que cada segmento es otra oportunidad para que la suerte produzca un falso ganador. Con 10 segmentos probados en el umbral del 5%, la probabilidad de que al menos uno muestre una diferencia "significativa" solo por suerte es de aproximadamente el 40%, una trampa conocida como el problema de las comparaciones múltiples. Cada segmento también contiene solo una parte de su muestra, por lo que sus números son menos fiables.
También ayuda crear segmentos a partir de sus propios análisis en lugar de los perfiles de las redes publicitarias. Los perfiles creados a partir de cookies de terceros están incompletos, porque varios navegadores importantes bloquean esas cookies de forma predeterminada y los banners de consentimiento reducen las visitas que puede medir.
El enfoque práctico es nombrar uno o dos segmentos antes de que comience la prueba, y el tipo de dispositivo es la opción más útil para la mayoría de las páginas de destino. Por ejemplo, si planeó una comparación entre dispositivos móviles y de escritorio y los visitantes de escritorio convierten con mucha más frecuencia en la versión B, tiene un hallazgo sólido sobre el cual actuar. Cualquier patrón que detecte en un segmento que no planeó es una hipótesis para su próxima prueba, no un resultado.
Cómo tener en cuenta los valores atípicos
Dependiendo de la métrica que haya elegido, algunos resultados inusuales pueden distorsionar sus datos. Los ingresos son el caso clásico: una sola compra grande en la versión B puede hacer que parezca la ganadora, incluso si la mayoría de sus visitantes no compraron nada en absoluto.
La solución más sencilla es la limitación, también llamada winsorización. Usted elige un límite, como el percentil 99 de los valores de pedido, y reemplaza cada valor por encima de él con el valor límite. Por ejemplo, si el 99% de los pedidos son inferiores a 400 $, un pedido de 5.000 $ cuenta como 400 $. Cada visitante permanece en los datos, incluidos aquellos que no gastaron nada, por lo que aún puede comparar los ingresos promedio por visitante de manera justa.
La limitación funciona mejor que el recorte, que elimina los valores superiores e inferiores. En los datos de ingresos, los valores inferiores son en su mayoría visitantes que no gastaron nada, por lo que eliminarlos infla el promedio y oculta a las personas que no compraron.
Algunos analistas utilizan la prueba U de Mann-Whitney en su lugar. Agrupa los resultados de ambas páginas, los clasifica y comprueba si un grupo tiende a producir valores más grandes. No necesita tamaños de grupo iguales, pero responde a una pregunta diferente a "¿qué página genera más ingresos por visitante?", y tiene dificultades cuando la mayoría de los valores son cero. Para la mayoría de las pruebas de páginas de destino, limitar y luego comparar promedios es más sencillo y se acerca más a la decisión comercial que debe tomar.
La solución más sencilla es la limitación, también llamada winsorización. Usted elige un límite, como el percentil 99 de los valores de pedido, y reemplaza cada valor por encima de él con el valor límite. Por ejemplo, si el 99% de los pedidos son inferiores a 400 $, un pedido de 5.000 $ cuenta como 400 $. Cada visitante permanece en los datos, incluidos aquellos que no gastaron nada, por lo que aún puede comparar los ingresos promedio por visitante de manera justa.
La limitación funciona mejor que el recorte, que elimina los valores superiores e inferiores. En los datos de ingresos, los valores inferiores son en su mayoría visitantes que no gastaron nada, por lo que eliminarlos infla el promedio y oculta a las personas que no compraron.
Algunos analistas utilizan la prueba U de Mann-Whitney en su lugar. Agrupa los resultados de ambas páginas, los clasifica y comprueba si un grupo tiende a producir valores más grandes. No necesita tamaños de grupo iguales, pero responde a una pregunta diferente a "¿qué página genera más ingresos por visitante?", y tiene dificultades cuando la mayoría de los valores son cero. Para la mayoría de las pruebas de páginas de destino, limitar y luego comparar promedios es más sencillo y se acerca más a la decisión comercial que debe tomar.
Conclusión: Por qué debería utilizar tráfico de pago para las pruebas A/B de sus páginas de destino
Es una vieja verdad que siempre hay margen de mejora, y sus páginas de destino no son una excepción. Aunque pueda estar obteniendo excelentes resultados con sus páginas actuales, siempre podría obtener más.
Las pruebas A/B le permiten probar cambios y recopilar información estadística real y sólida sobre sus impactos antes de comprometerse por completo. A lo largo de unas pocas pruebas, puede mejorar drásticamente sus resultados sin arriesgarse a cometer errores difíciles de revertir.
Aunque podría confiar en el SEO o en algún otro método de generación de tráfico, el uso de anuncios de pago ofrece bastantes ventajas.
Las pruebas A/B le permiten probar cambios y recopilar información estadística real y sólida sobre sus impactos antes de comprometerse por completo. A lo largo de unas pocas pruebas, puede mejorar drásticamente sus resultados sin arriesgarse a cometer errores difíciles de revertir.
Aunque podría confiar en el SEO o en algún otro método de generación de tráfico, el uso de anuncios de pago ofrece bastantes ventajas.
- Puede segmentar a las personas a las que se dirige su sitio por ubicación, dispositivo e intereses desde el primer día, para que la prueba refleje la audiencia que desea captar.
- Usted controla el volumen, el momento y la segmentación de cada visita, por lo que ambas versiones se prueban en la misma audiencia bajo las mismas condiciones. Una división aleatoria en su propio sitio mantiene la comparación justa.
- Su prueba puede comenzar casi de inmediato. Una vez que se publican los anuncios, el tráfico comienza a fluir rápidamente, por lo que alcanzará el tamaño de muestra planificado mucho antes de lo que lo haría esperando tráfico orgánico.
- Etiquetar la campaña con parámetros UTM le permite analizar solo a los visitantes que provienen de su prueba, de modo que los visitantes orgánicos, directos y recurrentes no contaminen los resultados.
- El control sobre el volumen, a través de su plataforma de anuncios, significa que puede detener la prueba tan pronto como alcance el número deseado de visitantes en cada página.
Para realizar experimentos A/B precisos y controlados que demuestren qué cambios impulsan mayores conversiones, el tráfico de pago es difícil de superar.
