El A/B Testing es una técnica que se utiliza frecuentemente como parte de una estrategia de marketing o estrategias digitales para medir el rendimientos de dos modelos que están puestos a prueba al mismo tiempo, midiendo cuál de los dos modelos tiene un impacto mejor ante nuestros clientes y por lo tanto, puede representar que se interesen por nuestros productos o que lleguen incluso a comprarlos.
En el mundo del diseño web, el A/B Testing es muy utilizado para medir el desempeño de los sitios web, como lo son las Landing pages, tiendas virtuales, campañas de Email o cualquier sección de un sitio web.
Escenarios de A/B Testing
Por ejemplo, imaginemos que vamos a realizar una campaña publicitaria en Google Adwords pero no estamos seguros que nuestra Landing Page actual sea lo suficientemente atractiva para nuestros clientes o simplemente creemos que un nuevo diseño podría mejorar las ventas. Sea cual sea el caso, no podemos arriesgarnos a cambiar de entrada nuestra landing page, debido a que la actual a demostrados tener ventas y cambiar a la nueva podría ocasionar que las ventas empeoren en lugar de mejorar. En este caso las pruebas A/B cobran sentido.
El termino A/B proviene de que tendremos dos variantes, la variante A la cual representa nuestra Landing Page actual y el modelo B, el cual será el nuevo diseño que vamos a poner en el mercado. Ambos modelos a pesar de ser en apariencia distinta deberán de buscar el mismo objetivo de tal forma que sea posible medir su rendimiento con respecto al otro modelo. Por ejemplo, si tenemos un modelo que busque vender los productos pero el segundo modelo busca que los clientes se suscriban, entonces estaríamos en un problema, porque no sería objetiva la medición. En tal caso los dos modelos deberán buscar, ya sea nuevas ventas o nuevos clientes.
Una vez que tenemos listos nuestros dos modelos es necesario saber que vamos a medir, en este punto deberemos identificar que representaría para nosotros que una Landing Page sea más exitosa que la otra. En este punto podemos medir si el cliente dio clic en alguno de nuestros productos, si el cliente finalizo una compra, si el cliente se suscribió a nuestra página, si entre en algunos de los links de interés, en fin, podríamos medir cualquier cosa. Por lo general la empresas miden los clientes que se vieron interesados en algún producto de la página, para lo cual miden los clientes que realizaron clic en algún producto, otros miden los clientes que compraron algo durante su visita, otros solo les interesa que el cliente deje sus datos para ser contactados más tarde por nuestros asesores de ventas. En este punto es importante tener muy en claro que es lo que vamos a medir y los objetivos buscados, como por ejemplo: incremento en la ventas del 15%, un incremento de nuevos suscriptores, bajar la tasa de rebote del sitio en un 20%, etc.
Integrar B/A Testing en nuestro portal
En este punto ya entendemos el concepto de A/B Testing, pero la otra pregunta sería, ¿Cómo integro esto con mi aplicación? y ¿cómo puedo direccionar a los usuarios de un modelo a otro? Sin embargo es mucho más simple de lo que parece, lo primero será determinar qué modelo le mostraremos al usuario y para existen dos formas.
Método Estático:
Este es el método más simple, ya que nos permite determinar el modelo a mostrar desde el momento de generar el enlace. Por ejemplo; Imagina que estas estas lanzando una compaña de Email, en ella pondrás una imagen atractiva que llame al usuario a dar clic, hasta este punto todo es de lo más habitual, pero en el enlace del banner podremos una URL con un parámetro que nos indique que Landing Page mostrar. Unos ejemplos serían las siguientes URL:
La primera es por un parámetro normal como http://www.mysite.com/landing?model=A o http://www.mysite.com/landing?model=B.
La segunda opción sería por parámetros de en la URL como http//www.mysite.com/landing/A o http://www.mysite.com/landing/B. Esta segunda opción necesita de un componente que mapé las secciones de la URL a parámetros. En este caso el mapping tendría el siguiente formato http://www.mysite.com/landing/{model}, de tal forma que la sección de la URL {model} se convierta en un parámetro ?model=value.
Método Dinámico:
Este es más complejo debido a que requiere de lógica de programación dentro de nuestro portal. Por ejemplo, retomando el ejemplo anterior, el mail llegara a nuestro usuario pero con una URL simple como http://www.mysite.com/landing sin ningún parámetro, en este punto el portal antes de mostrar la página deberá determinar aleatoriamente que modelo mostrar. Esto se puede determinar con Booleano Aleatorio, por ejemplo:
boolean modal = Math.random() < 0.5;
if(modal){
return "landingA.html";
}else{
return "landingB.html";
}
// o
boolean modal = Math.random() < 0.5;
if(modal){
return "landing.html?model=A";
}else{
return "landing.html?model=B";
}
En la primera sección, determinamos si mandamos al usuarios a una página distinta, Si la condición es verdadera mandamos al usuario al landingA.html en otro caso al landingB.html.
En el segunda cosa, redirigimos al usuario a la misma página pero añadimos el parámetro model, el cual determinara como se deberá mostrar la página.
Recopilando Métricas:
Una vez que tenemos al usuario en el modelo que hemos determinado es momento de iniciar a recopilar información de la navegación para determinar qué modelo tiene más éxito. Por ejemplo, supongamos que nuestro objetivo es captar prospectos en nuestra Landing Page. Lo que tendríamos que hacer es que el formulario de captura de prospecto mande como campo oculto el modelo desde el cual se registró el usuario, de esta forma se creara un registro del usuario y otro que relacione al usuario con el modelo con el que se dio de alta. Otro ejemplo sería que nuestro objetivo sería determinar qué modelo produjo mayores ventas. En este caso necesitaríamos guardar en la sesión el modelo por el cual el cliente entro al sitio, de esta manera cual el cliente finalice la compra, tendríamos que asociar la Compra u Orden de compra con el modelo por el cual el cliente entro.
En la imagen vemos un formulario simple de como capturaríamos el modelo que el usuario utilizo para registrarse.
Resultados y modelo ganador:
A estas alturas creo que está claro determinar qué modelo fue el ganador, ya que tenemos todas las métricas capturadas es cuestión de utilizar un poco de matemáticas para determinar qué modelo tiene un mejor impacto para nuestros clientes. En el caso de que el objetivo fuera recaudar más clientes solo tendríamos que contar cuentas clientes asociados hay a cada modelo en un tiempo determinado. Y en el caso de las ventas solo tendríamos que contar que modelo logro mayor facturación o mayor número de ventas.
Finalmente el modelo que mejores resultados obtuvo puede quedar de forma permanente o ser retado por un tercer modelo hasta lograr los resultados esperados.
Conclusiones:
El A/B Testing es una técnica bastante efectiva que ha demostrado su efectividad, aunque por otro lado requiere adecuar nuestra plataforma para que sea capaz de capturar las métricas adecuadas.
Finalmente cabe mencionar que aunque aquí planteamos que la página a mostrar es totalmente aleatoria, existen variantes a esto, por ejemplo si solo queremos implementar el A/B Testing a ciertas zonas geográficas, idioma o dispositivos. Por ejemplo, imagina que quieres que sea aleatorio solo en dispositivos móviles o que solo sea aleatorio para algún país en específico.
Finalmente podemos capturar otras métricas, como el país, la hora y el dispositivo que utilizo para realizar la transacción, de esta forma podemos ser capaces de determinar si un modelo es más efectivo solo para algunos países, en ciertas horas o incluso si el modelo solo mejoro para algún dispositivo, como podría ser móviles o escritorio.
Recuerda que si este articulo te gusto o te fue de utilidad lo compartas con tus amigos, eso nos ayudara a generar más y mejor material.