Los Análisis A/B, también llamados Pruebas A/B o Tests AB son ampliamente usados en el terreno del marketing, sobre todo en empresas del sector servicios para ayudar a decidir entre dos o más opciones de diseño de un producto o servicio. Estos análisis se basan en hacer comparaciones acerca del funcionamiento de dos o más opciones diferentes de diseño para obtener datos empíricos que nos ayuden a decidir cuál de las opciones posibles es la más efectiva.

A continuación te contamos todo acerca de este tipo de tests:

 

¿Qué son los Análisis A/B?

Los Análisis A/B consisten en hacer pruebas o tests con usuarios reales probando simultáneamente dos o más opciones de diseño para ver cuál de ellas funciona mejor. De esta forma podremos recopilar datos que nos ayuden elegir la mejor opción en función de nuestro objetivo. En cierta forma, los Tests AB son similares al Diseño de experimentos del que ya hablamos en otro artículo, pero en este caso estos tests suelen ser más sencillos y los resultados más fáciles de entender.

Imagen: Dos posibles diseños de copos de nieve.

Este tipo de análisis es muy usado por las empresas de servicios, sobre todo en el ámbito online donde es muy sencillo realizarlo y se pueden obtener conclusiones muy rápidamente.

Por ejemplo, a la hora de diseñar una página web podríamos preguntarnos dónde tendría más éxito poner los banners de publicidad para obtener la mayor cantidad de clicks posibles (en otras palabras, lo que queremos es maximizar los ingresos de publicidad 🙂 ), y dudamos entre poner el banner arriba, ponerlo en la barra derecha o ponerlo abajo. Para resolver este problema, podríamos realizar un test donde tengamos las tres opciones: banner arriba, banner a la derecha o banner abajo. Para ello, programaríamos la web para que los usuarios recibieran aleatoriamente una de esas tres configuraciones, y esperaríamos a tener un número de visitas que nos ofreciera unos datos significativos (por ejemplo, 9.000 visitas, de las cuales 3.000 de ellas habrían recibido el banner arriba, otras 3.000 a la derecha y otras 3.000 abajo).  Tras esto, analizaríamos los datos para comprobar cual las tres opciones ha tenido más éxito, y a partir de ahí podríamos decidir cual de las tres opciones elegimos para dejarla de forma permanente en el futuro.

 

Usos más frecuentes del análisis A/B

Los tests A/B se pueden emplear en múltiples sectores y situaciones, no obstante es en el terreno online donde más se usan. A continuación te mostramos algunos de sus usos más extendidos:

  • – Diseño de páginas web: ¿Qué diseño le gusta más a los usuarios? ¿Con qué diseño se quedan más tiempo en la página? ¿Con qué diseño los usuarios visitan más páginas? etc.  (Para este tipo de tests puedes usar los datos de Google Analytics).
  • – Optimizar la publicidad de tu web: ¿Dónde poner los banners? ¿De qué tamaño o color tienen más éxito? ¿Elegir entre banner de texto o de imagen? etc…  (en este caso, la plataforma de Adsense se puede configurar para que automáticamente realice los tests y elija la opción más efectiva).
  • – Realizar campañas de marketing: ¿Qué tipo de campaña tendrá más éxito para vender cierto tipo de producto o servicio? ¿Dónde debo anunciarme? ¿Qué medios usar? (en este caso, si el anunciante eres tú, puedes usar los datos de Adwords para analizar en qué tipo de publicidad online te conviene más invertir).
  • – Tiendas online: ¿Qué diseño me ayuda a vender más? ¿Qué tipo de productos o servicios tienen más éxito? etc.

 

Pasos para realizar un análisis A/B

Los pasos para realizar un análisis A-B son los siguientes:

1º) Definir los objetivos:  Primeramente debemos conocer cuál es la situación actual del producto o servicio, qué problemas tenemos y qué objetivos buscamos.  Por ejemplo: Queremos decidir qué diseño le gusta más a nuestros clientes, o queremos decidir qué tipo de publicidad nos da más ingresos, o queremos maximizar las ventas, etc.

2º) Definir las opciones posibles: Una vez fijados los objetivos, debemos explorar las diferentes opciones que tenemos para alcanzaros. Por ejemplo, si estamos diseñando una página web, podríamos elegir entre 2 o 3 diseños posibles.

3º) Realizar los tests: Cuando ya tenemos las diferentes opciones, el siguiente paso es realizar el test. Hay muchas formas de realizar estos tests en función de la naturaleza de los objetivos que queramos conocer y de la tecnología que tengamos disponible. No obstante, el principio básico es el mismo: Debemos presentar de forma aleatoria a los clientes o usuarios una de las posibles opciones, y guardar los datos acerca de el grado de éxito que ha tenido cada opción.

4º) Analizar los datos y sacar conclusiones: Una vez hayamos realizado un número suficiente de tests (pueden ser 10, o 1000 o más, según lo que estemos probando y las posibilidades que tengamos), debemos analizar los datos para ver qué opción ha tenido más éxito. De esta forma, por ejemplo, si estábamos probando varios diseños de web, ahora sabremos cuál de ellos ha gustado más a los visitantes.

5º) Elegir la opción que mejor cumpla con nuestro objetivo inicial: Finalmente elegiremos la opción que mejor se adapte a lo que estábamos buscando, y descartaremos las demás.  En cierta medida, podéis comprobar cómo las fases de este análisis se parece bastante al famoso Ciclo PDCA del que ya hemos hablado muchas veces.

 

Ejemplo de Análisis A/B

Un ejemplo de análisis A/B muy fácil de hacer y muy útil es el de elegir el diseño de los banners de publicidad de nuestra página web.  Estos son los pasos resumidos para hacerlo:

1º) Definir los objetivos:  El objetivo es maximizar el numero de clics en la publicidad para aumentar los ingresos de la web.

2º) Definir las opciones posibles: Aquí habría muchas opciones posibles para elegir: Experimentar con banners de distintos tamaños, en distintas posiciones, de distintos colores, de texto o imagen etc.

En este caso, podríamos usar una herramienta que incluye Adsense para hacer este análisis probando a poner banners de distintos colores, o alternando entre texto e imagen:

  • Opción A: banner de texto, con fondo blanco y texto rojo.
  • Opción B: banner de texto, con fondo verde y texto amarillo.
  • Opción C: banner de imagen.

3º) Realizar los tests: Una vez elegidas las opciones, realizaríamos el test haciendo que a los visitantes de la web les apareciera aleatoriamente una de las tres opciones (A/B/C) y midiendo los resultados.  En Adsense los tests A/B se pueden programar de forma automática desde el apartado “Experimentos”:

Imagen: Panel de experimentos de Adsense para crear tests AB.
La aplicación realizará el experimento con usuarios reales y cuando tenga los datos suficientes elegirá automáticamente la opción que más ingresos genere.

4º) Analizar los datos y sacar conclusiones: Una vez hayamos realizado un número suficiente de tests, comprobaremos a partir de los resultados obtenidos cual de las opciones ha funcionado mejor. Cuantos más tests hagamos, mayor fiabilidad tendrán los resultados.

5º) Elegir la opción que mejor cumpla con el objetivo: Finalmente elegiremos la opción que mejor resultado haya dado, y desecharemos las demás.

 

Conclusión

Como resumen final de este artículo, podemos decir que los Análisis A/B nos permiten experimentar con diferentes alternativas de diseño y conocer cuál es la que mejor funciona. Estos tests se pueden realizar tanto en el mundo online como fuera de él, y los podemos realizar usando tecnologías propias (como el caso de los experimentos de Adsense, o usando los datos de Google Analytics), o bien también los podemos realizar de forma más casera y rudimentaria (como por ejemplo enseñando las diferentes opciones a los amigos para ver su opinión). En ambos casos, estos tests nos van a ayudar a elegir la mejor opción posible basándonos en datos reales, y nos permitirán salir de dudas en aquellos momentos en los que no estamos seguros de qué opción escoger.

Autor: Jorge Jimeno Bernal.  Grupo PDCA Home.

VN:F [1.9.22_1171]
Votar: 5.0/5 (3 votos)
Análisis A/B: Realizando tests para elegir la opción más efectiva, 5.0 out of 5 based on 3 ratings

Comentarios

Comentarios desde Facebook

  • Síguenos en...

    Seguir a PDCA Home en Facebook

  • Archivos

  • Usuarios

  • Tweets