¿Cómo utilizar los test A/B?

Los test A/B nos permiten identificar, a pequeña escala, cuáles son las consecuencias de una decisión.

Los datos se están transformando en el nuevo oro y muchas empresas ahora los están almacenando. La razón es que los datos nos pueden ayudar a tomar mejores decisiones. Sin embargo, para extraer valor de los datos hace falta analizarlos.

Una forma muy sencilla de tomar decisiones basadas en datos es por medio de los test A/B. Los test A/B nos permiten identificar, a pequeña escala, cuáles son las consecuencias de una decisión. Si la decisión a pequeña escala genera buenos resultados, entonces podemos aplicarla a gran escala. Esto nos permite minimizar el riesgo de implementar malas decisiones a gran escala.

En un banner publicitario

Por ejemplo, pensemos en una campaña de publicidad en línea donde tenemos que diseñar un banner publicitario para promocionar una almohada. Para diseñarlo, tenemos varias posibilidades (ver Figura 1): podemos dar información sobre la característica diferenciadora del producto (“espuma resistente con memoria”), sobre su precio (“excelente soporte cervical por $15.000”), o podemos informar sobre su credibilidad (“recomendada por doctores”). Además, podemos crear un banner sin información (condición de control).

Figura 1. Diferentes opciones para el banner publicitario

precios, marketing operacional, test A/B
Fuente: Elaboración propia (imagen HiClipart)

Notemos que en la Figura 1, la única diferencia entre los anuncios es el tipo de información que entregamos. Debido a esto, podemos concluir que cualquier diferencia en la efectividad de los anuncios es debido a la información entregada.

Para saber cuál de todos los anuncios funciona mejor, podemos destinar una parte pequeña de nuestro presupuesto para correr un test A/B (por ejemplo, el 4% del presupuesto total dedicado a la campaña). En otras palabras, a cada anuncio le dedicaremos el 1% del presupuesto total.

Resultados del test A/B

Imaginemos que los resultados del test son los mostrados en la Figura 2. Podemos ver que el anuncio que genera más clics es el anuncio sin información. Esto nos sugiere que debemos invertir el resto de nuestro presupuesto (96%) en este anuncio.

Figura 2. Resultados del test A/B

Resultados test A B

 

Una pequeña simulación nos puede ayudar a calcular las consecuencias económicas del test A/B. Asumamos que nuestro presupuesto es de $100.000. Asumamos también que por cada peso invertido el anuncio es mostrado a una persona.

Si invertimos todo el presupuesto en el anuncio 1 (diferenciación) arroja un total de 5.970 clics ($100.000 x 1 vistas/$ x 5,97%). Todo el presupuesto en el anuncio 2 arroja un total de 4.425 clics ($100.000 x 1 vistas/$ x 4,43%). Todo el presupuesto en el anuncio 3 nos da un total de 5.370 clics ($100.000 x 1 vistas/$ x 5,37%). Y si invertimos todo el presupuesto en el anuncio de control (sin información), obtenemos un total de 7.125 clics ($100.000 x 1 vistas/$ x 7,13%).

Para calcular los clics en el escenario con test A/B, debemos recordar que invertimos 1% del presupuesto total en cada anuncio. Además, invertimos el 96% en el anuncio más efectivo (control). Eso nos da un total de 7.069 clics.

Como podemos ver, cuando ejecutamos un test A/B, no obtenemos el mejor resultado (en términos de clics), pero obtenemos un resultado mejor que en 3 de los 4 casos. Esto se debe a que reducimos la incertidumbre de la decisión.

Los test A/B no son útiles solo en el contexto de la publicidad en línea. También pueden ser utilizados para mejorar el diseño de las páginas web (por ejemplo, decidir dónde poner el botón de compra o seleccionar el color del fondo); para elegir el contenido más eficaz en un email; para probar qué criterios de segmentación son más efectivos, y para probar la efectividad de distintos formularios de obtención de datos.

En resumen, a pesar de que los tests A/B no arrojan los resultados más altos, nos permiten tomar mejores decisiones porque reducen la incertidumbre. ¿En qué contextos utilizas test A/B?

Lee aquí sobre el curso “Marketing Operacional” de Clase Ejecutiva UC.





Iván Guitart
Artículos más recientes del autor