Saltar al contenido

¿Cuánto tiempo tengo que hacer mi prueba A / B?

abril 6, 2018
¿Cuánto tiempo tengo que hacer mi prueba A / B?

[ad_1]

Las pruebas A / B son una de las tácticas de marketing más polarizadoras jamás inventadas. Parece que todos tienen una opinión sobre si funciona o no.

¿De qué debería hablar?

Bueno, si lo haces mal, creo que es una gran pérdida de tiempo . Pero si lo haces bien, las pruebas A / B pueden tener un gran impacto en tus conversiones.

Solo el 28% de los vendedores están satisfechos con sus tasas de conversión. Esa es una estadística triste.

La buena noticia es que las pruebas A / B son una forma sencilla de mejorar las tasas de conversión si sabe cómo hacerlo de manera efectiva.

Pero el problema es que muchos especialistas en marketing no están seguros de cuánto tiempo tienen sus pruebas A / B antes o incluso cómo deberían configurarse para garantizar resultados precisos.

Afortunadamente, no tienes el resplandor de la pista. Muchos ya se han beneficiado de las pruebas A / B y podemos aprender de su éxito. Además, hay herramientas disponibles para hacer mucho trabajo duro para usted.

Le mostraré cuánto tiempo tiene que hacer su prueba A / B y le daré algunas reglas simples para ayudarlo a obtener resultados precisos en todo momento.

[youtube https://www.youtube.com/watch?v=HxBAeweP6Fs?wmode=transparent&modestbranding=1&autohide=1&showinfo=0&rel=0]

¿Las pruebas A / B mejoran las tasas de conversión?

Comencemos por el principio. ¿Qué son realmente las pruebas A / B?

Una prueba A / B es simplemente una forma de comparar dos variantes del mismo concepto para ver cuál funciona mejor.

Aquí hay un ejemplo de una simple prueba A / B de Optimizely.

Con las pruebas A / B, puede formular las preguntas correctas sobre cambios específicos en su sitio, su aplicación o cualquier otra fuente de contenido que desee mejorar.

Más importante aún, le permite a su audiencia dar las respuestas.

Tampoco es un concepto nuevo. De hecho, las pruebas A / B son en realidad casi .

Comenzó en la agricultura con agricultores que intentaban evaluar la cantidad de fertilizante que tenían que usar en sus campos. Luego encontró su camino a la medicina en forma de ensayos clínicos.

¿Cuál es la ventaja para ti?

Para empezar, las pruebas A / B proporcionan datos para respaldar una hipótesis, por lo que no actúas en una suposición descabellada.

Dudo que su departamento de finanzas sea muy aficionado a las suposiciones locas cuando se trata de establecer y cumplir presupuestos. No deberías hacer eso tampoco.

Eche un vistazo a este ejemplo de cómo las conversiones mejoraron en un 11.5% para Kiva.org simplemente agregando preguntas frecuentes, algunas estadísticas y algunas pruebas sociales.

 kiva ab test

Ese es un rendimiento saludable con una pequeña inversión de esfuerzo.

Incluso la campaña del presidente Obama utilizó pruebas A / B. Su equipo analizó el sitio web de su campaña, pudieron recoger 2,8 millones de direcciones de correo electrónico .

Esto se traduce en una gran cantidad de financiación de campaña (por un monto de $ 60 millones). Y cuando el día de las elecciones finalmente terminó, su campaña fue muy exitosa.

Entonces, si funciona, ¿por qué no lo hacen más comercializadores?

En muchos casos, los mercadólogos simplemente no tienen prioridad.

A pesar del hecho de que los sitios web ven una elevación promedio en las respuestas del 13.2% de las pruebas A / B, el 61% de los especialistas en marketing no evalúan las líneas de asunto. De aquellos que lo hacen, el 74% pasó menos de una hora en sus pruebas de materia.

 cuántos comercializadores dividen la prueba

Suponen erróneamente que un cambio solo producirá resultados insignificantes, porque inicialmente no son los correctos para medir cosas .

En realidad, los estudios muestran que las pruebas A / B crean hasta un 40% más de clientes potenciales para sitios B2B y un 25% más de clientes potenciales para sitios de comercio electrónico.

Pero también hay una buena razón por la que algunas empresas no realizan pruebas A / B: saben que no están listas para hacerlo.

La realidad es que algunas compañías simplemente no son & # 39; t en un lugar donde las pruebas A / B serían útiles. Entonces, ¿cómo puedes determinar si estás listo o no?

Si su volumen de conversión es menos de 1,000 por mes aún no está listo. Sus resultados no serán estadísticamente significativos.

Espere a que sus conversiones aceleren más de 1000 y puede ejecutar pruebas A / B con la confianza de que sus resultados significan algo.

A continuación profundizaremos en este artículo.

probado por un tiempo, pero no sientes que obtienes un buen rendimiento de tus esfuerzos, mira las principales razones por las que fallan las pruebas A / B :

  • Empiezas con la hipótesis equivocada
  • No considera importancia estadística.
  • No hay suficientes conversiones en el experimento para que sea válido.
  • No ejecuta la prueba el tiempo suficiente

. Aquí se explica cómo detener estos cuatro saboteadores para garantizar que sus pruebas A / B no sean una pérdida de tiempo.

Investigue

Antes de hacer cualquier otra cosa, debe decidir qué evaluar .

Todo buen experimento comienza con una hipótesis desarrollada. Las pruebas A / B no son diferentes.

Desafortunadamente, muchos propietarios de sitios están realizando su prueba en & # 39; presentimiento de intuición & # 39; en lugar de datos e hipótesis reflexivas.

Este gráfico circular de 2014 muestra las formas en que las empresas de comercio electrónico eligieron realizar nuevos cambios.

 cómo los vendedores de e-commerce se acercan a las pruebas de AB

Simplemente ya no hay excusa para eso. Como puede ver en el resto de esta publicación, los estudios de casos han demostrado el poder de las pruebas A / B.

Depende de usted realizar pruebas precisas e implementar cambios en función de los datos.

Primero, debe observar lo que no está funcionando bien para su empresa. ¿Es una falta de conversiones? ¿No tienes nuevas notificaciones por correo electrónico?

Traducir este déficit en un objetivo viable. Hazlo específico y medible.

Luego mira a tu comprador personas . Si no lo ha mirado por un tiempo, es hora de sacarlos y desempolvarlos.

 hubspot buyer persona

Si no hizo Copie ahora los caracteres de personal, no entre en pánico.

HubSpot ofrece una plantilla simple para ayudarlo a comenzar con su biblioteca personal.

Usa la información que conoces sobre tu audiencia, analiza detenidamente cómo los decepcionas cuando se trata de la experiencia del cliente.

No es fácil hacer una misión con errores con el contenido que has hecho tan difícil de hacer, pero este paso es muy importante.

Trate de realizar una prueba de 5 segundos con una sección de su audiencia para arrojar luz sobre las áreas problemáticas.

Una vez que tenga una mejor idea de cómo puede mejorar, es hora de escribir su hipótesis.

Limite su enfoque a algo que pueda cambiar de manera realista y resista la tentación de hacer preguntas importantes. Wishpond recomienda usar estos tres pasos :
  creando una hipótesis de prueba dividida
Quizás formar una hipótesis no es su problema. Tal vez limite su atención a los problemas con mayor prioridad, para que sepa qué probar primero.

Conversion XL tiene una sorprendente hoja de prioridad para ayudarlo a decidir dónde puede concentrar su energía en primer lugar.

 conversionxl priority frame

tiene su hipótesis, es hora de ponerla a prueba.

La importancia estadística es esencial

La significancia estadística refleja el nivel de riesgo involucrado en la variación que está midiendo.

Es su nivel de confianza en el resultado que selecciona.

Según Optimizely "la significación estadística es una forma de demostrar matemáticamente que una determinada estadística es confiable". Cuando toma decisiones basadas en los resultados de los experimentos que realiza, debe asegurarse de que existe una relación ".

Para obtener resultados significativos de relaciones de datos significativas, no deje de realizar su prueba hasta que tenga una significación estadística de 95% -99% lo que simplemente significa que tiene un 95% - 99% asegúrese de que su resultado sea válido.

Observe este ejemplo de ConversionXL .

 Diferencia estadísticamente significativa en la duración de las pruebas

Como puede ver en los datos, la Variación 1 parecía una propuesta perdedora desde el principio. Pero al esperar una significación estadística del 95%, el resultado fue completamente diferente. Al final, la Variación 1 ganó con más del 25%.

Si hubieran abortado la prueba antes, habrían sesgado los resultados y la prueba no habría tenido sentido.

Aquí hay otro ejemplo de BaseKit una compañía de construcción de sitios web en línea.

 baskit testing

Debido a que se paga la mayor parte de su tráfico, podrían suponer sin temor a equivocarse que su público tenía un interés claro en su producto. Por lo tanto, es lógico que hayan centrado su prueba en su página de precios.

Alcanzaron una significación estadística del 95% en 24 horas y experimentaron un aumento total de la conversión del 25% rediseñando su página de precios.

Herramientas como esta le quitan el trabajo a determinar la importancia de los datos estadísticos

 herramienta para la significancia de los patrones neil

Si usted está en una Si desea ejecutar un determinado momento más que una prueba dividida (comparando solo dos variables), puede usar esta herramienta para agregar tantas variaciones como desee para analizar la importancia de cada una de ellas.

Ingrese fácilmente el número de visitantes y el número total de conversiones de sus variantes y la herramienta compara las dos tasas de conversión y le indica si su prueba es estadísticamente significativa.

Si su importancia no es del 95% o superior, siga probando.

No puedo enfatizar esto lo suficiente: no se detenga cuando llegue a lo que piensa es un nivel adecuado de significación estadística. Nunca se detenga antes de llegar al 95% y apunte a una significación estadística del 99%.

Todo lo demás es una suposición descabellada.

El logro de la significación estadística no es el único ingrediente para una prueba A / B exitosa. Su tamaño de muestra también hace una gran diferencia en los resultados.

El tamaño es importante

Si su tamaño de muestra o grupo de conversión es demasiado pequeño, su margen de error aumentará.

Eso tiene sentido, ¿verdad?

Véalo de esta manera. Digamos que tengo una bolsa de 100 caramelos de goma y quiero realizar una prueba para ver si es probable obtener diferentes sabores de la bolsa.

Digamos que saco al azar tres caramelos de la bolsa, y los tres tienen sabor a gotas. Si solo uso esos tres jellybeans para descubrir qué tan probable es que tenga un jellybean de regaliz, es poco probable que obtenga un resultado preciso de mi prueba.

Es posible que haya solo cuatro o cinco caramelos en toda la bolsa, y casualmente escogí tres de ellos de inmediato. O tal vez la mitad de ellos son regaliz y la otra mitad una cereza.

En cualquier caso, si solo uso esos tres jellybeans para determinar qué tan difícil es obtener más regaliz, supongo que mis posibilidades son mucho mayores de lo que realmente son.

O, si solo tiro tres jellybeans y ninguno de ellos es regaliz, puedo asumir erróneamente que nunca sacaré una jellybean de regaliz de la bolsa.

Estas son dos suposiciones diferentes, pero ambas son incorrectas porque el tamaño de muestra de la prueba era demasiado pequeño para extraer buenas conclusiones.

Entonces, ¿cuál es el número mágico de conversiones o temas que necesita para su prueba?

Por supuesto, esto varía un poco, dependiendo de su número total de visitas y conversiones. Pero una guía completa es tener al menos 1000 sujetos (1945) en su experimento para que la prueba supere la contaminación de la muestra y funcione correctamente.

Algunos expertos en marketing incluso recomiendan tamaños de muestra de a 5000 personas .

Recuerde que si ejecuta una prueba A / B (dos variantes), divide automáticamente esa muestra en dos y muestra una variante para cada mitad. Si lo crees, no quieres dejar menos de 500 ejemplos, ¿verdad?

Otra consideración que puede pasar fácilmente por alto en las pruebas A / B es garantizar que su público de muestra represente a todos en su universo de conversión. Si no tiene cuidado, puede obtener resultados inexactos como resultado de contaminación de la muestra .

Este es un ejemplo general de contaminación de muestra:

muchos de sus visitantes tienen acceso a contenido en sus computadoras de escritorio, tabletas, computadoras portátiles e incluso televisores .

 qué dispositivos son los más populares

Tienen acceso a su sitio web y a los contenidos de muchos dispositivos diferentes.

Si incluye cada una de esas visitas en sus datos (como si fuera un visitante único), es víctima de la contaminación del dispositivo. En principio, ha contado a los mismos visitantes varias veces.

Hay otros factores que debe considerar, como múltiples usuarios que usan el mismo dispositivo, dispositivos públicos y similares. El punto es que debes cubrir tus bases cuando se trata del mal de la contaminación de monstruos y pensar en el futuro.

¿Cómo haces eso? Una forma es realizar pruebas A / B separadas para dispositivos y navegadores específicos.

Por supuesto, lleva más tiempo llegar a un tamaño de muestra saludable. Pero puede descansar bien sabiendo que su tamaño de muestra será mucho más preciso.

Si todavía no está seguro de cuán grande debe ser una muestra, [OptimismOptimizelytieneunacalculadorasimple que puede usar para ayudar a determinar el tamaño de muestra ideal. ¡Además, incluso se tiene en cuenta la significación estadística!

 calculadora de muestra para el tamaño óptimo

Ahora veamos el núcleo de las pruebas A / B y la pregunta del millón de dólares que cada vendedor en un momento determinado sugiere.

¿Cuánto tiempo tengo para ejecutar la prueba?

La paciencia es una virtud

Los especialistas en marketing a menudo cometen el error de terminar sus pruebas A / B demasiado rápido porque creen que ya saben la respuesta.

Si sacas conclusiones sobre qué variante "ganará", inclinarás los resultados y la prueba no funcionará.

Piénsalo.

¿Por qué harías la prueba? en primer lugar si sabes la respuesta? Si realiza una prueba justa, debe dejar que el proceso se reproduzca.

¿Conoce nuestra discusión sobre la significación estadística? No puedo decirlo con demasiada frecuencia: siempre, siempre, siempre se apega a la regla del 95% + y no realiza su prueba antes de alcanzar ese nivel de importancia o superior.

Use una herramienta para ayudarlo a ver dónde se encuentra su significado estadístico y espérelo.

Ahora que he volado este punto a casa, hablemos sobre el momento.

Para mantener sus datos justos, lo ideal es que desee ejecutar sus pruebas durante al menos dos semanas.

¿Por qué? Las conversiones y el tráfico web varían enormemente, dependiendo de algunas variables clave.

Vea estos datos de la Conversión XL.

 tasas de conversión por día

Las tasas de conversión son mucho más altas el jueves que los fines de semana. En este caso, las pruebas durante menos de una semana completa distorsionarían los resultados.

Como regla general, debe realizar una prueba durante al menos siete días, asegurarse de alcanzar la significación estadística y luego probar durante siete días si aún no lo ha hecho.

En términos de datos, más es casi siempre mejor que no suficiente. Factorice el tiempo en su suscripción A / B al principio y no se apresurará rápidamente o tendrá la tentación de acortarlo demasiado pronto.

¿Puedes realizar una prueba durante más de dos semanas? Por supuesto!

Mire este ejemplo de Truckers Report . Esta fue su página de inicio original:

 los conductores de camiones informan original

A primera vista, parece que no pasa nada. Pero no vieron la reacción que querían y la conversión aumentó en aproximadamente un 12%.

Compare eso con su diseño revisado:

 los camioneros informan variación

Con este nuevo diseño, han aumentado a un porcentaje de conversión de 79.3%.

¿Cómo lo hicieron?

No consideraron su prueba A / B como un "hecho y hecho". Ejecutó un total de seis pruebas iterativas en el transcurso de seis meses .

Se aseguraron de que no solo tuvieran una significación estadística de más del 95%, sino que también registraran cada patrón de tráfico claro, independientemente de los dispositivos que los conductores de camión usaran para encontrarlos.

Aquí hay otro ejemplo en el que la espera valió la pena. Copy Hackers ejecutó una prueba A / B en su página de inicio.

 copy hackers variante original de la prueba ab

Después de los primeros días, sus resultados no fueron decisivos. Pero después del sexto día alcanzaron una significación estadística del 95%. ¿Te habrías detenido?

No lo hicieron.

Realizaron la prueba para un nuevo día porque todavía no era una semana completa. Y después de esperar un día más, lograron un resultado completamente diferente que generó casi un 24% más de conversiones. Al esperar ese día adicional, su nivel de significación aumentó del 95% al ​​99,6%.

 resultados en copyhacker ab-test

La paciencia obtiene resultados.

Pero, ¿qué haces cuando se demora el tiempo (y hablo de meses, no días) y tus variaciones van de la mano?

Cuando ha seguido todos los pasos y no hay un ganador claro, a veces tiene que alejarse y comenzar nuevamente con un nuevo conjunto de variantes. Y eso está bien.

Convert tiene una excelente calculadora de duración de la prueba A / B para ayudarlo a determinar cuánto tiempo necesita ejecutar la prueba para preservar la integridad de sus datos.

 Calculador de duración de la prueba ab

No solo tiene en cuenta su tasa de conversión existente, sino que también le brinda la oportunidad de probar directamente en contra de esa hipótesis inteligente y cuantificable que usted He pasado tanto tiempo construyendo.

Conclusión

Aunque puede encontrar opiniones muy diferentes sobre las pruebas A / B en el mundo del marketing, es difícil disputar los resultados que las organizaciones que he destacado en este post han logrado.

Algunas organizaciones ignoran por completo las pruebas A / B. Las empresas generalmente deciden seguir esta ruta después de haber llevado a cabo algunas pruebas erróneas que parecen una pérdida de tiempo.

Pero no dejes que eso sea. No se pierda el levantamiento de conversiones y los datos que puede obtener de una prueba A / B sólida debido a algunos que no dicen en su organización.

Si nunca antes has probado las pruebas A / B, es hora de sumergir el dedo del pie en el agua.

No estás solo. Los que te han precedido han hecho gran parte del trabajo preliminar y el experimento inicial.

Y con todas las calculadoras disponibles para ayudarlo a agregar los ingredientes correctos en las cantidades correctas, su prueba A / B está virtualmente garantizada para dar un impulso a sus conversiones.

Solo recuerda los "tres grandes" factores de las pruebas A / B y mantenlos intactos de principio a fin en tu proceso de prueba:

  • Forma la hipótesis correcta: sin conjeturas ni sensaciones viscerales.
  • Continúa hasta alcanzar una significación estadística del 95-99%.
  • Asegúrese de que el tamaño de su muestra sea lo suficientemente grande (al menos 1,000 conversiones).
  • No deje de ejecutar su prueba demasiado pronto. Esfuérzate por 1-2 semanas.

Si tuviera que resumir mi mejor consejo en cuatro palabras sobre la base de mi experiencia práctica con las pruebas A / B, me gustaría decir esto: sea preciso y tenga paciencia.

¿Qué sugerencias de prueba A / B han producido el mayor aumento en las conversiones?

Sobre el autor: Neil Patel es el cofundador de Neil Patel Digital.

    window.onload = function () {

(función (d, s, id)
var js, fjs = d.getElementsByTagName (s) [0];
if (devuelve d.getElementById (id));
js = d.createElement (en); js.id = id;
js.src = "http://connect.facebook.net/en_US/all.js#xfbml=1";
fjs.parentNode.insertBefore (js, fjs);
(documento, & # 39; script & # 39; & # 39; facebook-jssdk & # 39;));

window.fbAsyncInit = function ()
FB.Event.subscribe (& # 39; edge.create & # 39; function (response)
_kmq.push (['record', 'Shared Post', 'Share Type':'Facebook Like', 'Post Title':'How Long Should I Run My A/B Test?', 'Post URL':'https://blog.kissmetrics.com/how-long-to-run-an-ab-test/']);
);

// Buffer?
//jQuery.getScript('https://d389zggrogs7qo.cloudfront.net/js/button.js);
;

// Google +
jQuery.getScript (https://apis.google.com/js/plusone.js);

// LinkedIn
jQuery.getScript (https://platform.linkedin.com/in.js);

// Twitter
jQuery.getScript (& # 39; https: //platform.twitter.com/widgets.js') .done (function ()
if (twttr)
twttr.events.bind (& # 39; tweet & # 39; function (evento)
_kmq.push (['record', 'Shared Post', 'Share Type':'Twitter', 'Post Title':'How Long Should I Run My A/B Test?', 'Post URL':'https://blog.kissmetrics.com/how-long-to-run-an-ab-test/']);
);

);

// Si la página tiene un botón pinit, carga js
if (jQuery (& # 39;. pin-it-button & # 39;) longitud> 0)
jQuery.getScript (https://assets.pinterest.com/js/pinit.js);

// Gestionar la dominación emergente
jQuery (& # 39; popup-dom-lightbox-wrapper .lightbox-bottom input [type="text"] & # 39;). addClass ("popup-dumb-fixer-class");
jQuery (& # 39; popup-dom-lightbox-wrapper .lightbox-bottom input [type="submit"] & # 39;). addClass ("popup-dumb-fixer-class");
jQuery (& # 39; popup-dom-lightbox-wrapper .lightbox-bottom .form & # 39;). css ("tapa de relleno", 25);

function plusone_vote (obj)
_kmq.push (['record', 'Shared Post', 'Share Type':'Google Plus', 'Post Title':'How Long Should I Run My A/B Test?', 'Post URL':'https://blog.kissmetrics.com/how-long-to-run-an-ab-test/']);

};

[ad_2]

Source link