Todos los mercadólogos hemos estado en una situación similar:

Es jueves. 3:30 de la tarde. Ya resolviste varios “bomberazos”, entraste a un par de juntas (que tu honestamente consideramos bastante innecesarias) y llevas 2 horas retocando el mismo trabajo (tal vez sea una landing, una parrilla de contenido, o un diseño que lleva 3 correcciones de parte del cliente). Aún sientes que “le falta algo“; las métricas que usaste son relativamente buenas pero algo aún así sientes que podrías hacer algo más para mejorarlo… 

Pasan las semanas y te llegan las métricas. Observas que los números son “decentes”, nada extraordinarios pero funcionan bastante bien para el reporte mensual. Y que cuando eventualmente llega el momento de la siguiente entrega, el sentido común dicta que si el proceso anterior te dio buenos resultados… seguramente repetirlo terminará bien.

¿…cierto? (pregunta capciosa; ¡Claro que no! Mal mercadólogo, malo).

Entonces, ¿por qué no es una buena idea? Bueno, el problema es que tomar decisiones basadas en éste tipo de intuición y sin datos sólidos que la sustenten es similar a apostar: Puedes hacer apuestas más o menos certeras si tienes buen juicio, pero siempre habrá cierto factor considerable de azar, de riesgo innecesario.

¿Qué es el “A/B Testing”?

Es muy fácil explicar algo mal; usando jerga con palabras que pueden significar tres cosas diferentes dependiendo el contexto, explicar con tecnicismos abstractos son muy útiles pero suelen complejizar algo que en práctica es bastante simple (“leads”, “ROI”, “CTA”, por usar algunos), o simplemente explicarte cómo hacer algo sin decirte porqué se usa cada paso en primer lugar. Tomando en cuenta todo eso, queremos darte una guía lo más comprensible posible. Para ello, usaremos un caso de estudio ficticio para hacer cada paso lo más comprensible posible y también evitaremos en la medida de lo posible usar términos innecesarios.

1) Escoge un problema a resolver

Prácticamente puede ser cualquier problema siempre y cuando sea medible; mejorar el número de interacciones con tus campañas de mailing, reducir el porcentaje de personas que entran pero salen rápidamente de tu página (o “bounce rate” como le dicen los más conocedores), incluso escoger qué tipo de diseño gráfico funciona mejor para tu audiencia. Para hacer todo esto paso a paso, tomemos el siguiente caso como ejemplo. Estás a cargo del contenido en redes sociales para una empresa muy importante (y para hacerlo muy complejo o ser demandados pongámosle un nombre genérico, como Apple). Y específicamente, lo que quieres es averiguar qué tanto efecto podría tener el hacer un ligero cambio en el diseño de tus publicaciones en redes, y averiguar si el costo extra de tiempo y talento de parte de tus diseñadores de verdad vale la pena.

2) Escoge una métrica a medir

¿Qué métricas o valores muestran con mayor claridad el éxito o fracaso de éste “test”? Aquí es donde entra en juego tu “hipótesis”, la oración o enunciado que describe exactamente qué vas a medir y por qué lo medirás. Regresando a tu humilde trabajo en Apple (muchas felicidades, por cierto), una oración que podría describir bien lo que buscas podría ser “cambiar la presentación visual del contenido mejorará el número de interacciones, y por lo tanto, el número de impresiones en dicho contenido”. Lo que medirás queda claro; el número de interacciones. El porqué también es claro: mientras más interacciones se tengan con dicha publicación, mayor será su impacto (y número de impresiones) a la audiencia.

3) Crea una versión “A” y una versión “B”

Ahora, dependiendo de dónde busques hay muchos nombres que se usan para definir las “versiones” del test: la versión “prime”/”control”, la versión “challenger”/”variant”, pero para evitar todo eso solo las llamaremos versión “A” (la versión original, aquella que no será cambiada ni tocada) y versión “B” (la “variante”, o la versión que modificarás conforme a tu hipótesis y que se comparará con la original). En tu caso hipotético, básicamente crearías dos publicaciones; una de ellas tendría el mismo diseño y contenido que normalmente tendría conforme la dirección que tus redes ya lleve, y la otra tendría exactamente el mismo copy e información pero su diseño sería aquel que deseas probar.

4) Presenta ambas variantes a públicos similares

Ya que tus dos bebés están listos para mostrarlos al mundo (y más te vale que no tengas favoritos, mal mercadólogo), ahora viene la parte más importante del proceso: mostrarlos a tu audiencia. La idea es exactamente la misma que cuando haces una encuesta o investigación de campo: en este caso, tomar dos segmentos representativos de tu audiencia en redes (lo más parecidos posibles en número, rango de edad, horas en redes, etc) y presentar a una de ellas la versión A, y a la otra la versión B. Ninguno de los dos segmentos sabe que hay otro segmento con otra versión, ni del hecho que “están en una prueba”.

5) Compara los resultados

Ya esperaste y ya tienes los resultados. Ahora lo único que te queda es compararlos. Por lo que después de pasar 2 meses dejando que tus publicaciones (en las redes del modesto conglomerado internacional Apple, felicidades de nuevo) obtengan interacción, es hora de probar que tu hipótesis haya sido certera. Y parece… ¡que tuviste razón! Los datos revelan que, efectivamente, el número de interacciones de la publicación con el diseño nuevo es mayor. Sin embargo, eres un mercadólogo de los buenos, y sabes que aunque la correlación de ambos datos es bastante clara, siempre es importante dar todavía más peso a tu inversión de tiempo con la mayor cantidad de datos posibles.

Mientras más datos puedas recopilar y comparar, entenderás mejor a tu audiencia y aquello que aprecia más de tu contenido (y en el mejor de los casos, conseguirás nueva información que luego podrás poner a la prueba en otros tests).

¿Vale la pena?

No es difícil ver los beneficios de implementar A/B Testing en tus estrategias:

• Muy poco riesgo y muy bajo costo. Solamente es cuestión de crear una “copia” de lo que sea que estés trabajando con pequeñas modificaciones. La mayor inversión tal vez sea la espera para obtener los resultados, pero eso solo requiere un poco de planeación.
• Fácil de reiterar. No es necesario invertir en contenidos pagados o gastar talento y presupuesto en campañas de gran escala Una vez obtenidos los resultados, lo único que queda hacer es repetir el proceso para tu siguiente caso, o usar los datos obtenidos para lo que sea que necesites realizar en el futuro.
• Sostenible a corto y largo plazo. Ya sea una publicación sencilla o una campaña a gran escala con múltiples canales, ambas situaciones son fáciles de adaptar para hacer tests. Lo único que se requiere es algo de organización entre el equipo para saber qué cosas se desean medir y qué métricas se buscan potenciar.
• Resultados acumulables. Por ejemplo, puede que en uno de los tests descubras que tu audiencia en Instagram interactúa más con el contenido que cuenta con algo de copy dentro del mismo. Si eres lo suficientemente suspicaz, puedes tomar los resultados e implementar un test similar en otras plataformas para darle más peso a los datos. Repite esto un par de veces y, antes de que te des cuenta, descubriste una nueva manera de crear contenido aplicable para todos los canales de tu cliente o marca.

Cabe volver a mencionarlo; el A/B Testing es una herramienta, no una solución. Y como toda herramienta, la calidad de los resultados que obtengas depende completamente de cómo uses tus herramientas. Y los pasos que ofrecemos funciona como una guía de cómo usar dicha herramienta.

En Nomad Digital, no creemos en “soluciones” que dicen ser aplicables para toda situación. Creemos, más bien, que las únicas soluciones válidas son aquellas que funcionen para tus necesidades. ¿Buscas mejorar tu equipo de marketing? O mejor aún, ¿quieres que tus campañas y contenido puedan crecer de manera medible y sostenida. ¡Contáctanos! Será un placer ser parte de tu equipo y crecer juntos hacia tus metas.