Las Pruebas A/B o Tests A/B (en inglés «A/B Testings», «Randomized Controlled Experiments», «Online Controlled Experiments» o «Split Testing») refieren a un término comúnmente utilizado en el Marketing Online y otras formas de publicidad para describir los experimentos con las variantes A y B.
Las Pruebas A/B son distintas versiones de un elemento o una página completa que aleatoriamente se le mostrará a los usuarios y su objetivo es identificar los cambios en las páginas web que hacen aumentar o maximizar un resultado (por ejemplo, el porcentaje de clics de un anuncio de Publicidad Online).
Una herramienta muy potente para este tipo de desarrollos es Google Optimize.
PRUEBAS A/B: FUNCIONAMIENTO
Como su nombre indica, 2 versiones (A y B) se comparan, siendo idénticas excepto por una variación que podría afectar el comportamiento de un usuario.
La Versión A podría ser la versión utilizada actualmente (de control), mientras que la Versión B puede ser la modificada en algún aspecto (Tratamiento).
Por ejemplo, en un sitio web de e-commerce las etapas hacia la compra final son generalmente buenos espacios para este tipo de pruebas, ya que incluso unas «pequeñas» mejoras marginales en las tasas de abandono pueden representar un aumento significativo en las ventas.
Mejoras significativas a veces se pueden lograr a través de cambios en los textos, diseños, imágenes y colores, pero no siempre.
PRUEBAS A/B EN CAMPAÑAS DE EMAILING
Una empresa con una base de datos 2000 clientes decide crear una campaña de emailing incluyendo un cupón de descuento para generar ventas a través de su sitio web. Se crea un correo electrónico y luego modifica la Call-To-Action (la acción que incitará al cliente a transformarse en un Lead).
- A 1000 personas les envía un email con el Call-To-Action diciendo: «La oferta finaliza este sábado, use código A1».
- A las otras 1000 les envía un email con el Call to Action diciendo: «La oferta termina pronto! Usar Código B1».
Todos los demás elementos de la copia del correo electrónico y el diseño son idénticos.
Así la empresa supervisa después qué campaña tiene la tasa más alta de éxito, mediante el análisis del uso de los códigos promocionales.
Por ejemplo, el correo electrónico con el Código A1 obtuvo una tasa de respuesta del 5% (50 de los 1.000 personas) y el correo electrónico con el Código B1 obtuvo una tasa de respuesta del 3% (30 de los 1000 destinatarios).
Ante esto la empresa determina que la primera Call To Action fue más eficaz y la utilizará en las ventas futuras.
Posteriormente, si así se quiere, un enfoque más «detallado y científico» puede resolver la duda de que si las diferencias en las tasas de respuesta entre A1 y B1 fueron «estadísticamente significativas», es decir, que las diferencias sean reales, repetibles y no debido a la «casualidad».
En el ejemplo anterior el propósito de la prueba es determinar cuál era la forma más eficaz para impulsar a los clientes a hacer una compra.
Sin embargo, si el objetivo de la prueba hubiera sido el ver que generaría el mayor porcentaje de clics -es decir, el número de personas que realmente haga clic en el sitio web después de recibir el email-, los resultados podrían haber sido diferentes.
Si bien la gente que recibió el código B1 accedió más a la web después de recibir el correo electrónico, debido a que el Call To Action de este correo no indicaba la fecha de finalización de la promoción, hubo menos incentivo para que la gente hiciera una compra inmediata.
Si el propósito de la prueba hubiera sido simplemente el ver que variable traería más tráfico al sitio web, el email que contenía el código A1 podría haber tenido más éxito.
Una prueba A / B debe tener un resultado definido que sea medible, por ejemplo, número de ventas realizadas, la conversión de click- precio, el número de personas que se han registrado, etc.
Análisis A Fondo
Un alternativa de estudio de las pruebas A/B es ver los resultados de una «forma segmentada», más que «global».
Siguiendo el caso anterior, mientras que el código A1 pudo haber tenido una mayor tasa de respuesta global, el código B1 puede haber tenido en realidad una mayor tasa de respuesta dentro de un segmento específico de la base de clientes, en este caso, hombres.
Como resultado de la Prueba A y B, la compañía podría seleccionar una estrategia segmentada, enviando en el futuro el Código B1 a los hombres y el Código A1 a las mujeres.
Así, una estrategia segmentada produciría un aumento en las tasas de respuesta esperados del 5% original (40 exitosos en mujeres + 10 exitosos en hombres) en 6,5% (40 exitosos en mujeres + 25 en hombres, lo que constituye un aumento del 30%.
Es importante tener en cuenta que si se esperan resultados segmentados de la prueba A/B, el ensayo debe ser diseñado adecuadamente desde el principio, distribuyendo uniformemente los atributos de los clientes, como el tipo de género (por ejemplo, 20 hombres y 20 mujeres en cada lista).
El no hacerlo puede generar errores y conclusiones inexactas.