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

Las pruebas divididas (pruebas A / B) son fundamentales para el éxito a largo plazo de PPC, ya que lo ayudan a descubrir qué variable conduce a sus ganancias y gana.

Organizar la prueba es tan importante como permitirle tener suficiente tiempo para que los datos lo orienten. El lector pregunta

¿Cómo configuro una prueba dividida? ¿Recomienda probar solo una variable (es decir, creatividad, copia o ubicación de anuncios)? ¡Cualquier cosa que crea que podría ayudarlo a pasar de 0 a 1 sería increíble! “

En esta publicación Ask PPC cubriremos:

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

Si bien esta publicación tratará sobre las pruebas de sesgo de PPC compartidas, las ideas discutidas se pueden aplicar a todos los canales de marketing digital.

¿Qué son las pruebas divididas?

Las pruebas divididas (o pruebas A / B) comparan un elemento de la campaña con otro.

Estas pruebas pueden enfocarse en:

Tienes que decidir qué se mantendrá constante y qué elemento será tu variable.

Las variables son un solo elemento que desea probar. Deberían ser la única diferencia entre el aspecto de su campaña.

Los controles son la configuración actual de la campaña y deberían funcionar con su prueba.

Directrices para estructurar pruebas A / B

La parte más difícil de las pruebas divididas es configurarlas para obtener información útil.

Los errores comunes son:

• Demasiadas variables: La evaluación de más de una variable plantea dudas sobre la validez de la prueba.
• Salir de las pruebas demasiado pronto: Las pruebas divididas solo funcionan cuando se puede lograr una significancia estadística (que no puede ser de la noche a la mañana).
• Sin medidas de éxito / fracaso desde el principio: Si no sabe lo que quiere lograr, la prueba no tendrá sentido y probablemente una pérdida de tiempo y dinero.

Si bien la mayoría de los especialistas en PPC están de acuerdo en que 10,000 sesiones es el mínimo de significancia estadística, algunas marcas nunca lograrán esto en un trimestre, y mucho menos en 30 días.

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

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

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

Las pruebas relevantes tienen tasas de éxito / fracaso para garantizar que pueda obtener valor durante el período de prueba. Ellos pueden ser:

• Tiempo en su lugar.
• Valor medio del pedido.
• Tipo de cambio.
• Retorno de la inversión.

Cualquiera que sea la métrica que elija, es importante ceñirse a ella y asegurarse de que la prueba sea exitosa o no. El apego emocional a una creación o estrategia antes de que los datos la verifiquen puede dañar la prueba, así que sea objetivo.

Cómo evaluar y actuar en las pruebas

Evaluar la capacidad del barco sobre la base de una prueba A / B puede ser bastante complejo. Implica investigar una serie de datos (algunos útiles, otros no) para comprender cómo los usuarios están experimentando sus cambios.

El análisis de comportamiento agiliza este proceso al simplificar todos los datos para una comprensión visual de las interacciones del usuario.

Le ayuda a comprender los resultados de la prueba A / B de manera más eficaz: si se confirmó su hipótesis, qué sorpresas podrían haber resultado, si el tratamiento es lo suficientemente bueno para enviarlo o si se necesitan más iteraciones.

Los análisis de comportamiento, como los que se encuentran en Microsoft Clarity, proporcionan información sobre el “por qué” detrás de las métricas de “cómo” se movieron.

Cómo utilizar la función de transparencia en las pruebas A / B

Grabaciones de sesiones

Las pruebas A / B mostrarán los diferentes movimientos de las métricas (hacia arriba y hacia abajo), y las grabaciones de sesiones pueden ayudar a determinar por qué cambiaron las métricas al observar el comportamiento de los usuarios de las sesiones reales.

Captura de pantalla de Microsoft Clarity, septiembre de 2021

Mapas de calor

Utilice la vista masiva para comparar el tratamiento y el control para ver si los datos clave en partes específicas de la página son lo que pretendía.

Haga clic en mapas de calor

Comprenda el compromiso del clic del tratamiento frente al control.

• Compara a qué están prestando atención los usuarios en ambos casos.
• Superficies de contenido que distrae y posibles áreas imprevistas de confusión (por ejemplo, clics en contenido estático).
• Resume todos los patrones de interacción con la nueva función.

Desplácese por los mapas de calor

Comprenda la profundidad del desplazamiento en ambos.

• Compare el número de lectores: cuántos usuarios de su sitio web pueden leer.
• Le ayuda a solucionar problemas de descubrimiento (qué porcentaje de usuarios ha visto realmente una llamada a la acción o un párrafo específico).

Captura de pantalla de Microsoft Clarity, septiembre de 2021

Clics de furia

• A medida que se encuentran disponibles nuevas experiencias de UX, ¿los usuarios entienden cómo usar esta función y la función funciona como se espera en todos los casos extremos?
• Determine si se necesitan más iteraciones (¿los usuarios se sienten inesperadamente frustrados con alguna parte del nuevo entorno?)
• Determine si el problema es aprender a aprender (¿no entienden los usuarios cómo usar la nueva función?)

Filtros útiles para pruebas A / B

Filtros UTM: rebanar y cortar en cubitos en varias fuentes de tráfico.

• ¿Cierto movimiento de derivación conduce a más éxito con un tratamiento que con otro? Por ejemplo, más lectura, mayor duración de la sesión, mayor CTR, más conversiones generales.
• Ver sesiones completas para tratamientos de diferentes fuentes: ¿ven diferentes páginas o usan sus tratamientos de manera diferente?

Etiquetas personalizadas: diferenciación de controles frente a sesiones de tratamiento.

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

Ir

Las pruebas divididas son un componente clave para ejecutar una campaña de PPC exitosa.

Producirán 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 recomendada: Paulo Bobita / Search Journal