Cómo comenzar con las pruebas A / B

  • DevOps

test prueba

La realización de pruebas A / B y multivariantes en línea no es nada nuevo. La práctica ha existido durante décadas. Pero las empresas aún ignoran esta técnica en 2021, argumentando que no tienen suficientes datos o tiempo para una prueba.

Las mejoras en el desarrollo tecnológico combinadas con el cambio al comportamiento del consumidor en línea durante los últimos 18 meses hacen que las pruebas A / B sean aún más esenciales que antes.

Una prueba A / B es una metodología para comparar respuestas a un elemento de control y un elemento de prueba. El elemento de control es cómo se muestran actualmente sus medios existentes, ya sea una página web, una página de aplicación o un elemento de página. El elemento de prueba es el cambio propuesto a los medios existentes que está explorando.

A veces surge confusión en torno a los resultados de las pruebas. Una prueba A / B divide los medios mostrados entre un conjunto determinado de personas. Algunos ven la versión de control mientras que otros ven la versión de prueba. Por eso, se confunden los resultados de las pruebas A / B con una elección absoluta entre un elemento y otro. Técnicamente eso es correcto, pero una prueba A / B demuestra si la elección probada representa una diferencia estadísticamente significativa. 

Responder a esta pregunta es por qué planifica su prueba a través del lente de una hipótesis. Una hipótesis de prueba es una declaración que establece que, dada una distribución normal de datos, la alteración de un elemento de control, la versión de prueba, provocará un cambio significativo en el comportamiento del cliente. Una hipótesis nula implica que no existe una diferencia significativa entre los elementos de control y de prueba.

La creación de una hipótesis le ayuda a ver los resultados de las pruebas en términos de objetivos comerciales. El resultado final es que los especialistas en marketing pueden formular suposiciones y decisiones con una lente clara sobre el impacto en los clientes. 

Los elementos que tienen más probabilidades de influir en la optimización de la tasa de conversión suelen ser buenas opciones para realizar pruebas. 

Factores detrás de las buenas pruebas A / B

Las pruebas, ya sean A / B o multivariadas, no pueden abordar todos los problemas de conversión. Por lo tanto, conocer de antemano los posibles obstáculos ayudará a decidir qué prueba puede y qué no puede responder. Un factor es la cantidad de datos necesarios para la precisión de la prueba. Es posible calcular la cantidad mínima de datos de prueba necesarios. Una regla general es que su muestra de prueba sea igual al 10% del tamaño de su población. 

Todos estos sencillos pasos suponen una división uniforme de las muestras de prueba y las muestras de control y una distribución normal de los datos. También se encuentran disponibles fórmulas avanzadas basadas en estadísticas de datos, como la desviación estándar, para calcular una estimación más precisa y para tener en cuenta otras inquietudes sobre la distribución de datos.

Después de establecer el número para su muestra de prueba, lo comparará con las consideraciones prácticas de obtener suficientes muestras.

Descubre la innovación

Para asegurar el éxito empresarial, ahora y a futuro, es imprescindible maximizar el retorno de la inversión existente en software, a la vez que innovar y adoptar nuevas tecnologías. Los retos que hay abordar para competir en un mundo de TI Híbrida incluyen DevOps, Seguridad, Gestión de riesgos y Análisis predictivo. Puedes obtener más información sobre cómo abordar estos retos e innovar en este enlace.