Cómo configurar pruebas A / B rentables para el éxito de PPC

Pruebas divididas (pruebas A / B) son cruciales para el éxito de PPC a largo plazo porque le ayudan a saber qué variable está conduciendo a su beneficio y victoria.

Estructurar la prueba es tan importante como darle suficiente tiempo para que los datos lo orienten. Un lector pregunta

“¿Cómo se configura una prueba dividida? ¿Recomienda probar solo una variable (es decir, creatividad o copia o dónde se colocan los anuncios)? ¡Cualquier otra cosa que crea que podría ayudar a pasar de 0> 1 sería increíble! «

En esta publicación de Ask the PPC, repasaremos:

• ¿Qué son las pruebas divididas?
• Consejos para estructurar pruebas A / B exitosas.
• Cómo evaluar y actuar en las pruebas.

Si bien esta publicación abordará las pruebas divididas desde una mentalidad de PPC, las ideas discutidas se pueden aplicar a todos los canales de marketing digital.

¿Qué son las pruebas divididas?

Pruebas divididas (o Pruebas A / B) prueba un elemento de tu campaña contra otro.

Estas pruebas pueden enfocarse en:

Deberá decidir qué seguirá siendo consistente y qué elemento será su variable.

Las variables son un solo elemento que desea probar. Deben ser el único elemento diferente en su aspecto de la campaña.

Los controles son la configuración actual de la campaña y deben ejecutarse junto con su prueba.

Consejos para estructurar pruebas A / B

La parte más difícil de las pruebas divididas es configurarlas para que pueda obtener información procesable.

Los errores comunes incluyen:

• Demasiadas variables: La evaluación de más de una variable invita a dudar de la validez de la prueba.
• Finalizar las pruebas demasiado pronto: Las pruebas divididas solo funcionan si puede lograr una significación estadística (lo que no puede suceder en un día).
• Sin medidas de éxito / fracaso desde el principio: Si no sabe lo que espera lograr, la prueba no tendrá sentido y probablemente una pérdida de tiempo y dinero.

Si bien la mayoría de los profesionales de PPC están de acuerdo en que 10,000 sesiones son el mínimo para la significación estadística, algunas marcas nunca lo alcanzarán en un trimestre, y mucho menos en 30 días.

Por eso es importante establecer plazos e hitos realistas para su negocio.

Obtener al menos 1000 sesiones es un umbral razonable, al igual que dejar que una prueba se ejecute durante 30-60 días.

Una vez que tenga sus datos, podrá actuar. Mantenga la línea de base actual o desarrolle su campaña adoptando completamente la variable.

Las pruebas significativas tienen medidas de éxito / fracaso para garantizar que pueda obtener valor del período de prueba. Estos pueden ser:

• Tiempo en el sitio.
• Valor medio del pedido.
• Tasa de conversión.
• REY.

Cualquiera que sea la métrica que elija, es importante que se ciña a ella y reconozca si la prueba fue un éxito o no. Apegarse emocionalmente a la creatividad o las estrategias antes de que los datos los examinen puede corromper la prueba, así que asegúrese de ser objetivo.

Cómo evaluar y actuar en las pruebas

Juzgar la «capacidad de la nave» a partir de una prueba A / B puede resultar bastante complicado. Implica explorar una amplia gama de métricas (algunas útiles, otras no) para comprender cómo los usuarios están experimentando sus cambios.

El análisis de comportamiento agiliza este proceso, simplificando todos los datos en una comprensión visual de las interacciones de sus usuarios.

Le ayuda a comprender de manera más eficiente los resultados de su prueba A / B: si su hipótesis fue validada, qué sorpresas pudo haber llevado, si el tratamiento es lo suficientemente bueno para su envío o si se necesita más iteración.

Los análisis de comportamiento como los que encontrará en Microsoft Clarity le brindan el «por qué» detrás de «cómo» se movieron las métricas.

Cómo utilizar las funciones de claridad en las pruebas A / B

Grabaciones de sesiones

Las pruebas A / B mostrarán una variedad de movimientos en las métricas (hacia arriba y hacia abajo), y las grabaciones de sesiones pueden ayudar a responder por qué las métricas se movieron al observar el comportamiento del usuario en sesiones reales.

Captura de pantalla de Microsoft Clarity, septiembre de 2021

Mapas de calor

Use la vista agregada para comparar el tratamiento y el control, para ver si sus métricas clave en partes específicas de la página funcionan según lo previsto.

Haga clic en mapas de calor

Comprenda la participación de los clics en su tratamiento frente al control.

• Compara dónde se dirige la atención del usuario a la llamada a la acción en ambos.
• Superficies de contenido que distrae y posibles áreas de confusión imprevistas (como clics en contenido estático).
• Resume todos los patrones de interacción con la nueva función.

Desplazarse por mapas de calor

Comprenda la profundidad de desplazamiento en ambos.

• Compara el número de lectores: cuánto pueden estar leyendo los usuarios de su página.
• Ayuda a solucionar problemas de preguntas de descubrimiento (qué porcentaje de usuarios realmente vio una CTA o un párrafo específico).

Captura de pantalla de Microsoft Clarity, septiembre de 2021

Clics de rabia

• A medida que se brindan nuevas experiencias de UX, ¿los usuarios están entendiendo cómo usar la función y está funcionando como se esperaba en todos los casos extremos?
• Identifique si se necesita más iteración (¿los usuarios se sienten inesperadamente frustrados con alguna parte de la nueva experiencia?)
• Identificar si la capacidad de aprendizaje es un problema (¿los usuarios no comprenden cómo usar la nueva función?)

Filtros útiles para pruebas A / B

Filtros UTM: rebanar y cortar en cubitos a través de las fuentes de tráfico.

• ¿Algún tráfico de referencias conduce a un mayor éxito en un tratamiento que en otro? Por ejemplo, leer más, mayor duración de la sesión, mayor CTR, más conversiones generales.
• Vea sesiones completas para tratamientos de diferentes fuentes: ¿están explorando diferentes páginas o están usando sus tratamientos de manera diferente?

Etiquetas personalizadas: diferenciando las sesiones de control frente a las de tratamiento.

• Agregue etiquetas según si cada tratamiento estuvo presente
• Puede apilar filtros adicionales, por ejemplo, ver sesiones en las que el tratamiento = un usuario Y hizo XYZ (como hacer clic en un botón específico o visitar la página de contacto, etc.).

Quitar

Las pruebas divididas son un elemento crítico para ejecutar campañas de PPC exitosas.

Obtendrán los mejores resultados cuando ingrese con una idea clara de lo que desea probar y cómo se ve el éxito / fracaso.

Más recursos:

¿Tiene alguna pregunta sobre PPC? Enviar a través de esta forma o envíame un tweet a @navahf con la etiqueta #AskPPC. ¡Te veo el siguiente mes!

Imagen destacada: Paulo Bobita / Search Engine Journal