Los test A/B son un método de prueba a tener en cuenta en la preparación de campañas digitales. Su objetivo es determinar qué elementos, contenidos y disposiciones maximizan la conversión de la campaña.
Los A/B pueden utilizarse en campañas de e-mailing, páginas de aterrizaje, piezas creativas… pero también pueden ayudarnos a entender el comportamiento de los usuarios en nuestra web.
La idea de estos test parte de comparar dos versiones con contenidos parecidos con el fin de analizar resultados y tomar decisiones para configurar una versión más perfecta (más adelante se verá que difícilmente será una versión definitiva).
Para ello, es necesario:
- Tener muy claros los objetivos que se persiguen con el test.
- Formular alternativas A y B que den respuesta a preguntas concretas.
- Contar con alternativas A y B que resulten comparables.
- Utilizar las mismas métricas en A y B que respondan a los objetivos planteados.
Es importante partir de alternativas no idénticas, pero que resulten parecidas para poder tomar decisiones fundadas (comparar cosas similares). Si se hace una segunda versión de test A/B (o tercera, cuarta… o «n»), se debe trabajar en un eje de cambio para seguir evolucionando las decisiones de forma lógica.
Comparar una manzana roja con una verde nos sirve para detectar preferencias de color en los usuarios. Una vez determinado el color verde, procedería hacer una segunda versión de test para llegar a una conclusión más sólida, por ejemplo, saber si el usuario prefiere las manzanas verdes con rabo o sin rabo. Si en la segunda versión comparamos una manzana verde con una sandía, no estamos construyendo hacia la mejora, sino que podemos estar regresando al punto de origen (¿manzana vs sandía?). Esto implica incrementar el gasto de la campaña de forma alegre y afectará negativamente al retorno de la acción.
No obstante, el test A/B debe ser entendido no sólo como una herramienta a considerar en la preparación de campañas o páginas, sino también como una vía para la otpimización de las mismas, en un proceso de mejora continua a partir del análisis de los datos obtenidos.
Existen muchas herramientas de test A/B, algunas muy sofisticadas. Se puede tener una aproximación a esta disciplina en Google Analytics en la sección «Contenido», apartado «Experimentos» (anteriormente esta funcionalidad se llamaba Google Optimizer).
En cualquier caso, los test A/B acercan la toma de decisiones al empirismo, alejándolas de la suposición pura.
