Las pruebas A/B, también conocidas como pruebas divididas, están establecidas desde hace mucho tiempo en el marketing digital para optimizar las páginas web y los elementos que contienen.
En lugar de utilizar la intuición o las preferencias personales, las pruebas A/B cambiaron el campo de juego al permitir a los especialistas en marketing digital evaluar científicamente los datos de conversión para obtener el máximo retorno de la inversión.
Sin embargo, si bien los especialistas en marketing digital han adoptado rápidamente herramientas de prueba A/B con relativo éxito, muchos editores, particularmente aquellos en el negocio de las noticias, parecen reacios a las tecnologías de optimización automatizadas.
Este artículo analiza los fundamentos de las pruebas A/B, los beneficios de las pruebas A/B para los editores y cómo abordar algunos de los desafíos relacionados.
¿Qué son las pruebas A/B?
Básicamente, la prueba A/B es el proceso de probar dos (o más) variaciones de la misma página para definir qué elementos de la página son más efectivos para generar conversiones.
Las pruebas A/B generalmente operan durante un período limitado y predefinido, donde los usuarios se asignan en números iguales a la Versión A y a la Versión B. Una vez finalizado este período de tiempo, se declara un ganador y luego se accede al 100% de la audiencia. enviado a la variación ganadora.
¿Qué pueden hacer los editores con las herramientas de pruebas A/B?
Hay dos formas principales en que los editores pueden utilizar las pruebas A/B para beneficiar su sitio.
El primero es similar a cómo los especialistas en marketing digital utilizan las pruebas A/B: creando contenido publicitario con un CTR más alto que otras variaciones.
La segunda forma de utilizarlo es probar qué contenido considera de interés periodístico su audiencia.
En última instancia, ambas razones conducen al mismo objetivo final: aumentar los ingresos por mil (RPM)
Los editores pueden y deberían utilizar las pruebas A/B y las soluciones de bandidos con múltiples brazos para optimizar los anuncios que aparecen en sus sitios web.
Los elementos que se pueden probar incluyen la ubicación, el tamaño y el color del anuncio. Los editores pueden incluso probar diferentes tipos de creatividades publicitarias (imágenes, texto o vídeo) para determinar cuál es más atractivo para los usuarios.
Para mejorar la calidad del contenido
Los editores pueden realizar todas las pruebas de anuncios del mundo, pero sin contenido de calidad y una experiencia de usuario ejemplar que impulse el número de visitantes al sitio, todo este tiempo y energía se desperdiciarán. Aquí es donde entran en juego las pruebas de contenido. Los editores pueden utilizar herramientas de prueba para determinar qué tipo de contenido, cantidad y métodos de entrega funcionan para distintas audiencias.
Cuándo realizar la prueba A/B
El mejor momento para realizar pruebas A/B suele ser enero, una época en la que, debido a la temporada navideña, la inversión en publicidad digital disminuye después de las prisas festivas. Dependiendo de la industria, algunos editores pueden encontrar que enero es un mes más ocupado que otras épocas del año, por ejemplo, EOFY.
De todos modos, el mejor momento para realizar pruebas A/B es el mes o trimestre en el que el gasto en marketing es más bajo del año. Durante las pruebas A/B, existe la inevitable probabilidad de que el sitio web pierda algo de dinero en inversión publicitaria mientras los editores analizan los datos.
Por lo tanto es fundamental minimizar esta pérdida. Si bien puede haber una cierta disminución en las RPM mientras se realizan las pruebas en la página, las pruebas A/B, cuando se ejecutan correctamente, pueden generar un aumento estadísticamente significativo en el ROI publicitario a largo plazo.
Desafíos que enfrentan los editores en las pruebas A/B
A pesar de que los estudios de caso muestran que las pruebas A/B son esenciales para mejorar la experiencia del usuario y aumentar el RPM, muchos editores aún no han adoptado esta herramienta de prueba para la optimización de páginas.
Si bien existen desafíos específicos que enfrentan los sitios de publicación en las pruebas A/B, muchos de ellos pueden superarse.
Limitaciones del software
El software más utilizado para las pruebas A/B suele estar diseñado para especialistas en marketing digital, lo que dificulta su uso para los propietarios de sitios web. Estas son algunas de las limitaciones que se encuentran.
Incapacidad para rastrear los clics en anuncios
Los sitios que trabajan con una red publicitaria no pueden realizar un seguimiento de los clics en anuncios. Esto se debe a dos razones principales:
- La mayoría de las redes publicitarias incluyen las creatividades en forma de iframe que no admite el seguimiento de clics en anuncios.
- Muchas redes publicitarias tienen una política de programa que prohíbe el uso de análisis o software para medir los clics en anuncios directamente.
No hay soporte para la creación automática de variaciones
Normalmente, los sitios web de noticias querrán mostrar tres bloques de anuncios en una página.
Por lo general, hay seis o siete opciones para la ubicación del anuncio , dos o tres opciones de tamaño para cada una de estas ubicaciones y cinco o seis opciones adicionales para la combinación de colores del anuncio. Al considerar todas estas variables, las opciones de prueba para cada anuncio pueden llegar fácilmente a cientos. Actualmente, muy pocas opciones de software permiten a los usuarios crear estas variaciones automáticamente, lo que lo hace arduo y requiere mucho tiempo.
Sin embargo, los sitios web más pequeños podrían reducir la cantidad de opciones de prueba para cada página para ahorrar tiempo y dinero.
Control editorial
No hay duda de que los sitios de publicación son una bestia muy diferente a las páginas de comercio electrónico. El objetivo de los sitios de contenido no es mover el inventario sino captar la atención de los visitantes.
Los sitios de noticias sólo pueden monetizar su contenido seleccionando contenido que impulse el tráfico. Por lo general, las decisiones sobre qué constituye un contenido de interés periodístico se han puesto únicamente en manos de los editores, cuya función es seleccionar, organizar y mantener artículos atractivos, relevantes y de interés periodístico.
La mera idea de incorporar la automatización en esta función ha creado tensión con los periodistas de todo el mundo, quienes han visto tal implementación como una amenaza tanto para sus trabajos como para su integridad editorial.
Cuando los editores realizan pruebas A/B, en lugar de evaluar la calidad del contenido, prueban titulares e imágenes. Esto había llevado a un aumento en las historias que presentaban noticias tipo clickbait en lugar de artículos de investigación en profundidad, otro punto de discordia para los editores que desean mantener los estándares periodísticos.
Si bien estas preocupaciones son comprensibles, posiblemente estén desactualizadas y estén impidiendo que los sitios maximicen su potencial.
Cuando se utiliza junto con la toma de decisiones humana, los conocimientos que surgen de las pruebas A/B pueden mejorar el contenido del sitio en función del comportamiento del usuario.
Como podemos ver arriba, existen varias consideraciones para los sitios web que buscan adoptar pruebas A/B, particularmente desde un punto de vista editorial. En realidad, se trata de lograr un equilibrio entre lo que interesa a los lectores y el contenido de calidad.
Hacia soluciones de bandidos multiarmados
A medida que avanzamos hacia un espacio digital cada vez más automatizado, las soluciones de bandidos con múltiples brazos pueden ser la clave para una optimización continua del contenido.
Las soluciones de bandidos con múltiples brazos son una forma más sofisticada de pruebas A/B que utilizan algoritmos de aprendizaje automático para asignar dinámicamente más tráfico a la variación de un sitio que tiene un mejor rendimiento que su contraparte, al que, por el contrario, se le envía menos tráfico.
Si bien las soluciones con bandas de múltiples brazos son más complejas desde el punto de vista computacional que las pruebas a/b, funcionan en tiempo real, lo que las hace potencialmente más rápidas y rentables.
Con tantos factores externos que afectan la forma en que los editores crean y priorizan el contenido, utilizar pruebas A/B o de múltiples bandidos para brindar una experiencia de usuario superior e impulsar el retorno de la inversión es una forma importante para que los sitios den un salto sobre sus competidores.
Si obtiene más de $2000 en ingresos publicitarios mensuales, contáctenos hoy para obtener más información sobre cómo Publift puede ayudarlo a aumentar sus ingresos publicitarios y optimizar mejor el espacio publicitario disponible en su sitio web o aplicación.