Diseño de experimentos en el marketing digital

Diseño de experimentos en el marketing digital
5 (100%) 12 votes

El diseño de experimentos (DOE), conocido en la literatura de marketing como análisis conjunto, conjoint analysis, es la técnica estadística más poderosa para establecer la conexión entre la psicología del proceso de toma de decisiones del cliente y el producto o servicio que se ofrece. Cuando se aplica bien, puede permitir a una empresa obtener una visión casi psíquica de las incógnitas vitales que influyen en la decisión de compra de un cliente.

Por otro lado, el Marketing Digital es tan manipulable como sorprendente. Es una de las pocas industrias donde se puede rastrear un cambio legítimo en los ingresos a algo tan simple como cambiar el color de un botón o la ubicación de un formulario. El único problema es que hay tantas variables en un sitio web que puede ser difícil apercibirse del efecto de uno o dos cambios en particular.

Afortunadamente, hay un montón de herramientas para ayudarte a hacer y realizar un seguimiento de los cambios. Desafortunadamente, ninguna de ellas te podrá ayudar si no entiendes dónde, cómo o porqué estás probando un cambio.

Vamos a recorrer los pasos requeridos para ejecutar experimentos, obtener resultados, y decidir si implementarlos para mejorar el CRO (conversion rate optimization u optimización del ratio de conversión) de las páginas de destino, correo electrónico, medios sociales o cualquier medio que permita la experimentación.

Diseño de experimentos en el marketing digital

Diseño de experimentos en el marketing digital

Paso 1: Asegúrate de que puedes medir todo

El diseño de experimentos en el marketing digital comienza con una auditoria de tus fuentes de datos. Necesitas estar seguro de que estás rastreando absolutamente todo lo que realmente pueda ser rastreado y que los datos estén llegando tan limpios como sea posible.

Paso 2: Identifica tu objetivo

Aquí es cuando empiezas a comprobar cosas como el rendimiento de todo el sitio web, cómo se lleva a cabo el embudo de conversión, errores técnicos, qué segmentos de clientes están claramente identificados y cómo interactúan con tu web, y, las bases de referencia para cada canal de marketing digital. Esencialmente, se trata de determinar nuestro marco de referencia o estado actual y cuándo será el mejor momento para ejecutar nuestro experimento.

Es importante que nos planteemos lo que queremos aprender de este experimento. Tómate un momento para pensar en el objetivo del mismo. Esto te guiará hacia la decisión de las variaciones que te interesan poner a prueba y en cómo determinarás si el experimento ha sido un éxito.

No todos los experimentos deben ser cuantitativos (basados en los números). Puedes utilizar experimentos para mapear tus buyer personas o encontrar el tono o sensación de tu marca o intereses. He aquí unos ejemplos que te pueden servir como comienzo:

Ejemplos

  • Página en particular de tu web
  • Página de destino o aterrizaje
  • Formulario de conversión
  • Un nuevo canal para la adquisición de usuarios
  • Determinar la audiencia para una nueva campaña de pago

Y como elemento de análisis alguno(s) de los siguientes:

  • Título
  • Subtítulos
  • Texto de párrafo
  • Disposición de los elementos
  • Diseño
  • Texto
  • Formulario de contacto
  • Texto de la llamada a la acción
  • Botón de llamada a la acción
  • Imágenes
  • Longitud de página
  • Social Proof o demostración social: valoraciones, recomendaciones o testimonios
  • Premios y distintivos

Y dentro de esos elementos, podrías poner a valoración cualquiera de las cuestiones que siguen como causantes de desinterés en el visitante:

  • Distracción de color
  • Demasiados pasos necesarios
  • Posicionamiento de botones confuso
  • Mensajería negativa
  • Demasiados anuncios

Paso 3: Proponer una hipótesis

En este punto en el diseño de experimentos en el marketing digital te planteas los resultados esperados. Puedes hacer conjeturas acerca de lo que esperas que suceda, al igual que en el método científico. Tal vez tengas la corazonada de que la actualización del texto o la colocación de formularios en una página de destino producirá una tasa de conversión mucho mayor. La única manera de averiguarlo es probar esta teoría. Intentar y fallar es mucho más productivo que nunca intentarlo.

Te interesa asegurarte de poder justificar tu conclusión con datos y que el cambio generará mejoras sensibles respecto a la situación o configuración actual.

Ejemplos

  • Cambiar el botón de nuestro formulario a una frase más accionable aumentará las tasas de conversión
  • El uso de las redes sociales como canal de adquisición traerá nuevos usuarios
  • Enviar nuestros correos electrónicos a las 10 de la mañana resultará en mayores tasas de apertura que el envío a las 2 de la madrugada.

Paso 4: Determina y crea el diseño y variaciones del experimento

Esta es la parte donde se presentan las variaciones del diseño y pruebas del experimento. Normalmente, mantendrás una de dichas variaciones como control, es decir, el elemento que permanece igual durante todo el experimento. Así es como podrás probar la eficacia de la prueba. A continuación, creas una variación (o varias variaciones) para probar contra la de control. No te olvides de rastrear todo.

En este punto te interesa documentar lo siguiente:

  • Duración del experimento
  • Objetivo que te interesa demostrar
  • Porcentaje del tráfico total en tu sitio web al que le llegará la prueba
  • Orientación. Determinación de los participantes en el experimento
  • Diseño del tratamiento. El cambio creativo para los tratamientos de la prueba.
  • Código de prueba. Cambios implementados o reubicaciones alrededor de la página para cada experimento

Ejemplos

  • Crea 4 versiones diferentes de una página de destino y luego muestra durante 3 semanas a los visitantes del sitio las 5 versiones (incluida la de control) para ver cuál resulta con la tasa de conversión más alta
  • Pruebas o tests A / B enviando el mismo correo electrónico a diferentes horas del día con un grupo lo suficientemente grande para obtener resultados significativos
  • Entrevista a 50 usuarios actuales y recopila los datos demográficos y cualitativos sobre ellos, a continuación, analiza los datos en tu base de datos de contactos para encontrar la persona más frecuente

Paso 5: No molestar a los motores de búsqueda

Aunque no se trata formalmente de un paso en el proceso de diseño de experimentos en el marketing digital, lo incluyo como tal por su importancia capital cuando tratamos con la web.

El caso es que cuando agregas nuevas páginas a tu sitio web o realizas cambios que afectan la experiencia del usuario, es importante consultar con Google. Las pruebas A / B pueden introducir algunos problemas potenciales con los motores de búsqueda, así que ten en mente lo siguiente antes de proceder con la configuración y el lanzamiento de tu primera prueba:

Cloaking

Google es muy sensible con respecto a los sitios web que intentan engañar a los motores de búsqueda para obtener mejores posiciones en la lista de resultados. El cloaking es un ejemplo de técnica con este propósito. En esta técnica se crea una prueba dividida para mostrar una versión de un sitio web o página web a los motores de búsqueda y otra diferente a los usuarios (NO lo hagas, por la cuenta que te trae).

Indexación

Cada vez que configuras una página web duplicada debes configurarla para la indexación adecuada (o ninguna en absoluto) por parte de los motores de búsqueda. Dado que el propósito de los tests A / B no es crear una duplicación permanente del contenido de una página, la página variable no debe estar marcada con la etiqueta noindex. En su lugar, se debe usar el atributo rel = “canonical” de manera de establecer correctamente su propósito.

Redireccionamiento

Otra forma en la que puedes indicarle a Google que se trata sólo de un cambio temporal es configurando el redireccionamiento adecuado. Un redireccionamiento 301 indica un redireccionamiento permanente a la nueva URL alternativa. Un redireccionamiento 302 indica un redireccionamiento temporal a la nueva URL alternativa y, al hacerlo, permite a los motores de búsqueda saber que deben seguir dirigiendo el tráfico a la URL original.

Duración

Tu prueba debe llegar a su fin y, según Google, en un plazo razonable. Si los motores de búsqueda valoran que tu prueba se está ejecutando innecesariamente, pueden interpretarlo como una forma de engaño y penalizar tu sitio web. Por lo tanto, asegúrate de monitorizar de cerca la herramienta que utilices para el test y determinar cuando ya haya recopilado la cantidad de datos que necesitas y, a continuación, cierra la prueba dividida por completo.

Hay muchas herramientas que puedes utilizar para configurar y realizar un seguimiento del rendimiento de pruebas del tipo A / B (encontrarás un listado con algunas de ellas más abajo). Estas herramientas, sin embargo, no pueden ayudarte a dar cuenta de los consejos de Google, así que asegúrate de que estos se integran en tu proceso de configuración y que no enfadas a los motores de búsqueda.

Paso 6: Ejecutar hasta que los resultados sean estadísticamente significativos

Es fundamental ejecutar el experimento durante el tiempo necesario hasta llegar a una significación estadística. Puedes utilizar alguna de las siguientes calculadoras para averiguar si estás listo para pasar a la etapa de análisis.

En algunas ocasiones puede ser difícil obtener suficientes datos para revisar, y, en esos casos, puedes extender el plazo de la prueba hasta que consigas los suficientes.

Paso 7: Análisis de resultados

Suele pasar que alguno de los escenarios escogidos arrojan resultados positivos de forma evidente. En cualquier caso llegarás a uno de estas dos conclusiones posibles:

Prueba no concluyente

A veces estos experimentos inconclusos producen las mejores percepciones de lo que está pasando, así que no te desanimes si ninguna de las alternativas supera la de control, lo que indicaría que la hipótesis no fue refutada, o que podemos rechazar la hipótesis. Si este es el caso, entonces nos interesará examinar cada segmento y canal para determinar si hay alguna diferencia en cómo los usuarios se están involucrando con el control (lo que no cambiamos) y la variante (lo que se cambió).

Uno o más de los tratamientos supera el control

Por supuesto, la clave aquí es que una cantidad estadísticamente significativa de usuarios expuestos al tratamiento logró superar los resultados obtenidos en la variación de control. Para determinar esto, es conveniente analizar la calidad de las nuevas versiones y determinar si se ha conseguido un aumento estadístico legítimo en la tasa de conversión. A continuación, es importante también examinar y asegurarse de que las nuevas conversiones son tan valiosas como las del grupo de control. En última instancia, en este paso te interesa determinar las causas y las consecuencias de la variación ganadora.

En esta sección, puedes incluir un apartado de lecciones aprendidas y sugerencias como referencia para el futuro o compartir con tu equipo una vez finalizado el experimento. También puedes valorar la posibilidad de convertir el experimento en una entrada para el blog, del tipo caso de estudio, podcast..

Herramientas

Hay una gran cantidad de herramientas para tests A/B y multivariantes en el mercado como podía esperarse. Las siguientes son gratuitas, gratuitas dentro de en un período de prueba o simplemente asequibles:

Faltaría más, también encontrarás plugins para WordPress que cubren este tema, he aquí algunos de ellos:

Conclusión

El diseño de experimentos en el marketing digital son una forma realmente importante de asegurarte que tu contenido se está ejecutando con la máxima eficacia, y, potencialmente, te ayudarán a conseguir nuevos clientes potenciales, conversiones y mejorar la experiencia de los usuarios. Este es el primer paso para iniciar una estrategia CRO dentro de tu organización o intereses y te recompensará en poco tiempo.

Las pruebas A / B se centran a menudo en mejorar la experiencia del usuario en un sitio web. Mientras que eso es definitivamente cierto, también lo es que mediante la identificación y la fijación de pequeños elementos que pueden distraer a tus visitantes de tomar una acción deseada, lograrás más conversiones y aumentar el ROI de tus campañas.

La misma técnica se puede utilizar en la optimización de contenido con resultados que pueden generar generar el mismo o incluso mayor número de clientes potenciales que el contenido nuevo. En este estudio hecho en HubSpot puedes ver los resultados obtenidos en una campaña de optimización de contenidos:

  • El 76% de nuestras visitas mensuales al blog provienen de publicaciones antiguas optimizadas (en otras palabras, publicaciones publicadas antes de ese mes).
  • El 92% de clientes potenciales provenientes del blog fueron generados a partir de publicaciones antiguas optimizadas.

Deja tu opinión

Nos alegran los comentarios constructivos, respestuosos y sin segundas intenciones.
Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *.
El envío de un comentario implica la aceptación de las condiciones de uso.