Todo sitio web existente tiene algún tipo de objetivo, que se puede medir para luego mejorarlo.
Los E-commerce tienen como objetivo generar ventas; las landing pages (páginas de aterrizaje), generar leads (prospectos); los sitios de ONGs necesitan recibir donaciones; los artículos de un blog como este necesitan ser leídos, comentados y compartidos en las redes sociales 🙂

“Lo que no se define, no se puede medir. Lo que no se mide, no se puede mejorar. Lo que no se mejora, se degrada siempre.“ – William Thomson Kelvin

Siguiendo esas sabias palabras, entendemos que el primer paso es la definición del objetivo. Es importante entender que en marketing digital hay infinitas métricas y hasta se pueden crear nuevas, con lo cual la elección de los KPIs (key performance indicators, indicadores de rendimiento clave) correctos resulta crucial.
Una vez que ya están definidos los KPIs, el siguiente paso es medirlos correctamente. Una plataforma de analítica web y los correspondientes tags (o píxeles, como también se los llama) de las plataformas publicitarias en caso de realizar campañas, con implementaciones bien hechas, aseguran que podamos generar informes y entender en dónde se está actualmente con respecto a los objetivos.
El paso final, pero que nunca termina, es, como su nombre lo indica, la mejora continua.

quora-growth
En este gráfico está representado el crecimiento durante un año en cantidad de usuarios registrados de la red social Quora, uno de mis sitios web favoritos.
Quora es una empresa que toma decisiones 100% basadas en datos de los usuarios y el comportamiento de los mismos en el sitio web, y es así como logra un crecimiento que resulta muy inspirador.
Lo opuesto a tomar decisiones basadas en interpretaciones de datos es tomar decisiones en base a opiniones sin datos.
Otra gran frase que está siendo muy popular últimamente en marketing digital es:

«Sin datos, sólo eres otra persona más con una opinión» – W. Edward Deming

En Digodat, nos gusta agregar: «sin una opinión, sólo eres otra persona más con datos». Solo con datos y sin una correcta interpretación de los mismos, no es posible llevar a cabo una mejora, y en algunos casos hasta puede generar un perjuicio.
Es importante contar con el conocimiento y experiencia de un especialista en analítica web, ya que interpretar los datos correctamente es tan importante como obtenerlos.
En una empresa dueña de un sitio web en donde cada persona tiene una opinión sobre cómo mejorar el rendimiento del mismo, que no está basada en datos, o está basada en datos que no fueron interpretados correctamente, es necesario que intervenga un especialista en analítica web que pueda aportar insights.
Los usuarios de un sitio web nos dan señales, y lo hacen a través de su comportamiento. Los que no convierten, están dando una señal; los que convierten, otra.
Conversion Rate Optimization (optimización de la tasa de conversión), también llamado CRO, es un sistema de técnicas que tienen como finalidad generar esa mejora continua que cada sitio web requiere para crecer. Una de las primeras lecciones que se aprenden en CRO, por ejemplo, es que en un E-commerce la métrica a mejorar no es la tasa de conversión, sino ingresos y retorno de inversión. Tasa de conversión es una métrica a tomar con pinzas ya que los ingresos pueden haberse incrementado y la tasa de conversión haberse reducido, por ejemplo.
Unas de las técnicas más comunes de CRO son los tests A/B y multivariante, y que sitios web como Quora y Google realizan constantemente.

Tests A/B

En un test A/B, hay una página de un sitio web que es la versión original (A) de la cual se quiere mejorar el rendimiento de un KPI en particular.
Para intentar lograrlo, primero se plantea una hipótesis sobre qué sería necesario cambiar para mejorar ese KPI, como por ejemplo «colocar el formulario de forma que esté visible sin necesidad de scrollear, agrandar el tamaño del botón de enviar, remover texto innecesario y utilizar otra llamada a la acción más convincente genera una mejora en la tasa de conversión de leads». Es muy importante que siempre se plantee una hipótesis y que se plantee porque realmente se cree que puede generar una mejora; si no, es conveniente re-pensar la estrategia.

Luego, se implementa la variante (B) con todos los cambios planteados en la hipótesis y se divide el tráfico que visita la página original A en dos, para que un porcentaje del mismo vea la variante B con los cambios implementados. Este cambio es realizado en tiempo real y al azar por cada visitante que ingresa al sitio.

El tiempo que tardará el test en mostrar resultados definitorios (si es que se generan) dependerá del volumen de tráfico recibido por las páginas involucradas en el test. En las campañas presidenciales de Obama, por ejemplo, cuando él aparecía hablando en televisión, el equipo de Analytics podía obtener resultados de los tests A/B en cuestión de horas debido al alto volumen de tráfico que se generaba. Esto es una excepción a la regla, ya que generalmente un test A/B requiere correr una semana mínimo, pudiendo extenderse a algunos meses si el tráfico no es suficiente para generar una diferencia significante de rendimiento entre ambas páginas. Esto es así porque también es importante comprender factores que pueden afectar al mismo, como el día de la semana o la estacionalidad.

Para dar por finalizado el test, tiene que haber una diferencia de rendimiento que sea estadísticamente significante entre las versiones A y B, o haber pasado demasiado tiempo sin que se produzca, con lo cual se interpreta que no hay una versión que genere un mayor rendimiento.

También, se pueden implementar tests A/B/N, en los cuales hay más de dos versiones de una página, pudiendo utilizarse hasta cinco o más. A mayor cantidad de versiones, es necesario mayor cantidad de tráfico y/o mayor cantidad de tiempo de testeo para obtener resultados estadísticamente válidos.

Tests multivariante

En un test multivariante, se compara el rendimiento de elementos específicos dentro de una página y cómo estos afectan entre sí al rendimiento del KPI que se quiere mejorar.
Algunas ideas de hipótesis a probar pueden ser, por ejemplo, «Quitar el carrusel del home. Mover el menú de selección de marca a la derecha.»
En este tipo de test, se comparará el rendimiento de cada posible variante, realizando automáticamente una combinatoria de todas las opciones posibles. Siguiendo el ejemplo, se probarían todas las siguientes opciones:

  1. Carrusel en el home. Menú a la izquierda. (Versión original)
  2. Carrusel en el home. Menú a la derecha.
  3. Sin carrusel en el home. Menú a la izquierda.
  4. Sin carrusel en el home. Menú a la derecha.

Gracias a este test, se podría entender el impacto que genera quitar el carrusel y mover el menú a la derecha, y cómo ambos cambios rinden entre sí además de independientemente. Con esto, se podría decidir cuál es la mejor ubicación del menú, además de si se mantiene el carrusel o se quita.
La realización de tests solía requerir del trabajo en conjunto del equipo de analítica web, desarrolladores y diseñadores que implementaran los cambios en las variantes, con el costo de recursos y tiempo que eso implicaba. Pero ahora Google ha desarrollado una solución que tendrá su versión gratuita, que simplifica y facilita estos procesos y los pone al alcance de todas las empresas:

Google Optimize 360

Desde Digodat, gracias a nuestras certificaciones con Google, hemos podido tener acceso exclusivo a Optimize antes de su lanzamiento, y comprobamos que es una herramienta muy poderosa.
Esta nueva herramienta permite segmentar a una audiencia personalizada para incluirla en tests A/B y multivariante, los cuales pueden ser creados con el editor visual que posee, o bien a través de modificaciones en el código HTML o CSS. La misma forma parte de la suite Google Analytics 360 y se integra con Analytics, tanto para permitir importar audiencias creadas previamente como también para reportar los resultados de los tests en la sección «experimentos».
El editor visual wysiwyg de páginas permite modificar fácil y velozmente el contenido y diseño, pudiendo cambiar el color de cualquier ítem, tamaño, posición o eliminarlo, entre muchas opciones.
optimize3603

Decidimos realizar un test A/B en nuestra página de contacto para probar la hipótesis «quitar elementos de la página de contacto y aumentar el tamaño de letra genera una mayor tasa de conversión».

Variante A (original)

variantea

Variante B

varianteb
En la variante B cambiamos el color y agrandamos el botón de enviar, agrandamos el tamaño de la llamada a la acción «¡Contactanos!», quitamos el párrafo de «Información de contacto» y su descripción, subimos el formulario para que esté visible sin necesidad de scrollear, y agrandamos el tamaño de letra a los campos del mismo.
Pudimos comprobar que en muy poco tiempo ya estaba lista la variante a testear, que suele ser la parte del proceso que más tiempo lleva. La herramienta permite generar una gran cantidad de tests simultáneos en distintas páginas de forma muy rápida y fácil.

optimize3604
Optimize 360 permite segmentar de forma muy precisa el tráfico para el cual se activa un test, pudiendo elegirse parámetros como URL, audiencias de Google Analytics, comportamiento del usuario en la página, ubicación geográfica, dispositivo, cookies, querys u otros parámetros resultantes de scripts personalizados.
Incluir en los tests sólo a un segmento del tráfico permite por ejemplo:

  • Testear el tráfico generado por una campaña específica
  • Testear una hipótesis sólo para un segmento de edad, sexo, ubicación geográfica, idioma, intereses o combinaciones de las anteriores
  • Testear sólo aquellos usuarios que realizaron una acción específica en la página
  • Testear sólo usuarios que ya visitaron el sitio previamente. Esto se podría aprovechar para testear landing pages utilizadas en campañas de remarketing

optimize3601
Panel de creación de tests. Se pueden crear tests A/B, multivariante o «de redirección», los cuales son un tipo de test A/B entre páginas muy distintas entre sí.

optimize3602
La herramienta permite seleccionar un objetivo primario y varios secundarios para cada test, permitiendo así por ejemplo que el primario sea un KPI como tasa de conversión y el secundario una métrica como tasa de rebote. En esta misma sección se describe la hipótesis del test.

De esta manera, desde Digodat seguiremos explorando este nuevo producto de Google que promete cambiar para siempre la manera en que testeamos.

Por Luan Rodriguez.