Appsumo revela su secreto sobre los tests A/B: sólo 1 de cada 8 da resultados

Este es el segundo artículo de la serie de entrevistas y posts de invitados que estamos realizando en este blog sobre tests A/B y optimización de la tasa de conversión. En el primer artículo, entrevistamos a Oli de Unbounce sobre las mejores prácticas para landing pages. En este veremos consejos de A/B Testing basados en la experiencia de Appsumo.

Nota del editor: Este post invitado ha sido escrito por Noah Kagan, fundador del sitio web de ofertas de aplicaciones web Appsumo. Conozco a Noah desde hace bastante tiempo y es la persona a la que acudir para cualquier tipo de reto de marketing o gestión de productos. Puedes seguirle en Twitter @noahkagan. En el siguiente artículo, Noah comparte algunos de los secretos y realidades de los tests A/B que descubrió tras realizar cientos de pruebas en Appsumo.

Descargar gratis: Guía de tests A/B

Sólo 1 de cada 8 tests A/B ha impulsado un cambio significativo

AppSumo.com recibe unos 5.000 visitantes al día. Los tests A/B nos han proporcionado algunos beneficios espectaculares, como aumentar más de 5 veces la conversión de nuestros correos electrónicos y duplicar la tasa de conversión de nuestras compras.

Sin embargo, quería compartir algunas crudas realidades sobre nuestras experiencias en las pruebas. Espero que compartir esto te anime a no renunciar a las pruebas y a sacarles el máximo partido. He aquí un dato que probablemente te sorprenderá:

Sólo 1 de cada 8 tests A/B ha generado un cambio significativo.

Eso es absurdo. No sólo una gran palabra de vocabulario, sino una cruda realidad. He aquí algunas pruebas nuestras que yo estaba SEGURO de que producirían resultados asombrosos, sólo para decepcionarnos después.

Test A/B #FAIL 1

Hipótesis: Prueba del título. Recibimos mucho tráfico en nuestra landing page y tener un mensaje más claro aumentará significativamente las conversiones.

Resultado: No concluyente. Hemos probado más de 8 versiones y hasta ahora ninguna ha producido ninguna mejora significativa.

Por qué fracasó: La gente no lee. (Nota: la verdadera respuesta aquí es «No sé por qué no funcionó, por eso estoy haciendo pruebas AB»)

Sugerencia: Necesitamos cambios más drásticos en nuestra página, como mostrar más información sobre nuestras ofertas o imágenes para fomentar una mejor tasa de conversión.

Test A/B #FAIL 2

Hipótesis: Tener un tweet para un descuento emergente en una caja de luz frente a que alguien tenga que hacer clic en un botón para twittear. Suponemos que reducir un clic y ponerlo (de forma molesta) delante de la cara de alguien fomentará más tweets.

Resultado: disminución del 10% con la versión light-box.

Por qué fracasó: MOLESTO. Totalmente de acuerdo. Además, fue prematuro, ya que la gente no tenía ni idea de ello ni estaba interesada en tuitear en ese momento.

Sugerencia: Integrar mejor el deseo de compartir de las personas en el diseño de nuestro sitio.

Test A/B #FAIL 3

Hipótesis: Un descuento animaría a más gente a darnos su correo electrónico en nuestra landing page.

Resultado: Fracaso. Disminución de la conversión a correo electrónico en nuestra landing page.

Por qué falló: Un correo electrónico es un recurso precioso y estamos tratando con usuarios sofisticados. A menos que estén familiarizados con nuestra marca, que es un público reducido, no les entusiasmará intercambiar su correo electrónico por un % de descuento.

Sugerencia: Regala $ en lugar de % de descuento. Además, ofrece el % de descuento con ejemplos de ofertas para que puedan ver en qué podrían utilizarlo.

Explora: Herramientas de tests A/B

Reflexiones sobre tests A/B fallidos

Todo esto fue una gran sorpresa y una decepción para mí.

¿Cuántas veces has dicho: «Esta experiencia es 100 veces mejor, estoy deseando ver cuánto supera a la versión original»?

Unos días más tarde compruebas tu dashboard de pruebas y ves que en realidad está PERDIENDO.

Advertencia. Ten cuidado con la finalización electrónica prematura. No termines las pruebas antes de que los datos estén finalizados (también conocidos como estadísticamente significativos).

Aprendí la mayor parte de mi filosofía de pruebas en SpeedDate, donde literalmente cada cambio se prueba y se mide. MUCHAS veces mis pruebas han hecho volar por los aires a la versión original, sólo para descubrir unos días después que a) la mejora no era tan asombrosa después de todo o b) en realidad había perdido.

¿Cómo puedes sacar el máximo partido a tus pruebas?

Algunos consejos sobre tests A/B basados en mi experiencia:

• Iteraciones semanales. Esta es la forma más eficaz que he encontrado de hacer tests A/B.
  • Elige sólo 1 cosa que quieras mejorar. Digamos que es la tasa de conversión a compra de los visitantes primerizos
  • Obtén una referencia de cuál es esa tasa de conversión
  • Haz de 1 a 3 pruebas por semana para aumentar esa
  • Hazlo cada semana hasta que alcances algún objetivo interno que te hayas fijado
• La mayoría de la gente prueba 80 cosas diferentes en lugar de 1 prioridad una y otra vez. Simplifica tu vida.
• Paciencia. Date cuenta de que para obtener resultados pueden hacer falta unos cuantos miles de visitas o 2 semanas. Elige los cambios más importantes para probarlos, así no estarás esperando pequeñas mejoras.
• Persistencia. Saber que 7 de cada 8 de tus pruebas producirán mejoras insignificantes debería consolarte de que no lo estás haciendo mal. Simplemente es así. ¿Cuánto deseas esas mejoras? Persiste.
• Céntrate en lo grande. Digo esto demasiado, pero sigues sin escucharme. Algunos lo harán y verán grandes resultados de esto. Si tienes que esperar de 3 a 14 días a que terminen tus tests A/B, entonces prefieres cambios drásticos como un -50% o un 200% a un cambio del 1-2%. Esto puede depender de dónde te encuentres en tu negocio, pero probablemente no seas Amazon, por lo que mejoras del 1% no te harán ganar unos cuantos millones de dólares más.

Si te gusta este artículo, sigue a @appsumo para más detalles y visita Appsumo.com para encontrar ofertas divertidas.

Nota del editor: Espero que te haya gustado el post invitado. Es cierto que muchos tests A/B producen resultados insignificantes y ésa es precisamente la razón por la que deberías hacer tests A/B todo el tiempo. Para los próximos artículos de esta serie, si conoces a alguien a quien pueda entrevistar o quieres contribuir tú mismo con un post invitado, ponte en contacto conmigo (paras@wingify.com).