Una vez formulada y priorizadas nuestras hipótesis, es momento de comprobar si nuestras propuestas son válidas o no. Es decir, si nuestra idea de mejora, realmente haría aumentar nuestras tasas de conversión.
Para ello pasamos a la fase de experimentación, en la que realizaremos pruebas controladas para verificar qué cambios pueden mejorar los resultados.
⚠️ El objetivo de la fase de experimentación es tomar decisiones basadas en datos reales y no en suposiciones.
Aunque existen muchos tipos de experimentos aplicables a la metodología CRO, estos que listamos a continuación, son los más comunes y utilizados por los profesionales de la conversión (y también los más extendidos entre las principales herramientas de experimentación).
Un experimento A/B es el tipo de experimento más común dentro del sector CRO. Consiste en comparar dos versiones de un elemento dentro de una misma URL (ese elemento puede ser un botón, un titular, o una imagen).
La versión original de dicho elemento se denomina «A» (o «control»), y la versión modificada es la «B» (o «variante»).
Ambas versiones se muestran de manera aleatoria a los usuarios que visitan la página, y se mide cuál de las dos consigue mejores resultados en función del objetivo de conversión que se haya establecido como referencia.
Imagina que tienes la hipótesis de que cambiando el color de fondo de tu banner promocional de azul a rojo aumentará su visibilidad y el número de clics sobre él.
La versión A muestra el banner con fondo azul, mientras que la versión B muestra el banner con fondo rojo. Si la versión B genera más clics, entonces se puede concluir que dicha “variante” ha ganado y que tu hipótesis era válida.
A diferencia de los experimentos A/B, los experimentos multivariables (MVT) permiten probar múltiples elementos o combinaciones de cambios simultáneamente.
En lugar de comparar solo dos versiones de un solo elemento, los experimentos multivariables evalúan el impacto de varios cambios y sus interacciones.
Sigamos con el ejemplo anterior, en este caso queremos saber qué combinación de color de banner y titular h2, aumentará el número de clics sobre él. En esta ocasión no solo tenemos una variable de cambio (color de fondo del banner) sino que también tenemos otro elemento en juego, el titular.
Observando la imagen inferior, verás que si combinamos todas las opciones ya no tendremos únicamente una opción de “control” y una opción “B”, sino que, en total, tendríamos 6 variantes. Y de entre todas ellas saldrá la ganadora.
⚠️ Hay que puntualizar que estos test, requieren un volumen de tráfico muy muy elevado, por esto no son aptos para cualquier negocio.
Este tipo de experimentos es muy similar a un A/B test, sin embargo, en lugar de modificar un elemento dentro de una misma URL, se crea una versión completamente nueva de la página y se envía a los usuarios a diferentes URLs para compararlas.
Es útil para probar rediseños completos en donde se modifican muchos elementos a la vez, los cuales no podríamos abarcar con un test multivariable.
Siguiendo con el ejemplo que hemos estado viendo, imaginemos que dentro de una URL yo quiero modificar el banner promocional, el titular h2, la imagen de hero y el formulario. Realizar un test multivariante con todos estos cambios supondría un montón de combinaciones y una brutalidad de tráfico; con lo cual, una buena solución es optar por un split test.
Creamos una nueva URL que incorpore todos los cambios deseados (en base a las hipótesis planteadas) y posteriormente las ponemos a “competir” para ver cuál obtiene mejores resultados.
La personalización web consiste en adaptar el contenido, diseño y funcionalidades de una página web para ofrecer una experiencia única a cada usuario con el objetivo de aumentar la probabilidad de que realice una acción deseada, como una compra, un registro o la descarga de un recurso.
En vez de mostrar la misma página a todo el mundo, una página personalizada presenta contenidos relevantes de forma individual que se adaptan a las preferencias e intereses del usuario.
Cada visitante que navega por tus páginas web deja huellas de información, como el tipo de dispositivo o navegador que emplea, si es visitante nuevo o habitual, e incluso datos de terceros que muestran cómo interactúa y se comporta en el sitio.
Las técnicas de personalización aprovechan esos datos para modificar los textos, imágenes o elementos de la página en función de cada visitante.
Veamos algunos ejemplos:
Ejemplo de personalización basada en la ubicación
Imagina que un usuario entra a tu página desde EE.UU. La personalización web permite mostrar precios en dólares, ofrecer promociones específicas para ese país o destacar productos que son populares en esa región. Esto genera una sensación de cercanía y relevancia, lo que aumenta la probabilidad de conversión.
Ejemplo de personalización según comportamiento previo
Si un visitante ha navegado previamente por tu web y ha mostrado interés en una categoría de productos, como zapatillas deportivas, puedes mostrarle en su siguiente visita productos relacionados, recomendaciones o descuentos especiales en ese tipo de zapatillas. Esto mejora la experiencia y lo impulsa a tomar una decisión de compra más rápido.
Ejemplo de personalización según el canal de entrada
Si un usuario llega a tu web a través de una campaña de anuncios en redes sociales, puedes personalizar la página de destino para que coincida con el mensaje o la oferta del anuncio.
Por ejemplo, si tu anuncio en Instagram promociona un 20% de descuento, cuando los usuarios pinchen en él y vayan a tu página, podrás personalizar el titular principal para que incluya esa promoción: “20% de descuento en nuestros productos TOP”.
Existen múltiples soluciones de experimentación en el sector del CRO. Hoy aquí te mostramos algunas de las más extendidas del mercado: VWO, ABtasty, Optimizely, Convert, Crazyegg
Actualmente, una gran cuota de mercado la obtiene VWO por ser la única que ofrece un plan starter gratuito.
⚠️ Disclaimer: Debes saber que todos los experimentos vistos en este capítulo están basados en la estadística inferencial, por lo que tienen una capa importante de cálculos matemáticos por detrás.
Por eso, es importante que te informes sobre estas cuestiones técnicas antes de optar por cualquier herramienta: perspectiva estadística que utilizan (bayesiana o frecuentista), cómo calculan los resultados, qué margen de error tienen, etc. etc.
Escrito por:
María Sánchez
Responsable CRO y UX en Webpositer Agency y Profesora de Webpositer Academy.
Revisado por:
CEO de Webpositer Group, SEO de Webpositer Agency y Profesor de Webpositer Academy.
Copyright® 2024. Todos los derechos reservados.