El multivariate testing para optimizar la tasa de conversión

La optimización de la tasa de conversión es el objetivo de todo desarrollador o gestor de proyectos web. Los contenidos y productos de primera calidad, así como un tráfico creciente son, por lo general, elementos prometedores para empresas y tiendas online emergentes. Sin embargo, también pueden ser ineficaces si no se logran los resultados deseados, como, por ejemplo, la finalización de la compra, el hacer clic en un botón o la cumplimentación de un formulario. Mientras que, por medio de diversas medidas (marketing en las redes sociales, SEO, SEA, linkbuilding, etc.), es posible influenciar en la cantidad de visitas, el número de conversiones está sujeto principalmente a dos factores: la confianza del usuario en la tienda o en la página web y la facilidad de manejo del proyecto web, lo que también se conoce con el nombre de usabilidad.

Para mejorar consecuentemente este último factor, los tests multivariante cuentan con un apoyo en tendencia creciente por parte de desarrolladores y profesionales del marketing. Con los procedimientos de prueba modernos, que resultan todavía más complejos que los tests A/B, igualmente muy utilizados, se localizan y eliminan las debilidades de los elementos que se han comprobado para que los usuarios puedan acceder más fácilmente a los contenidos. A este respecto, si los visitantes se sienten cómodos, permanecerán más tiempo en la tienda o en la página web y llevarán a cabo con mayor frecuencia la acción deseada (conversión).

El modo en que funciona el multivariate testing se pone de relieve con el siguiente ejemplo: la página web de un producto determinado tiene que estar optimizada. La descripción y la imagen se seleccionan como criterios decisivos. El procedimiento de análisis tiene que determinar si las descripciones de productos A y B, así como las imágenes de los productos 1 y 2 influyen en la tasa de conversión y en qué medida lo hacen. Por esta razón, las imágenes y las descripciones se combinan entre sí, dando como resultados las siguientes combinaciones:

• Descripción A, imagen 1
• Descripción A, imagen 2
• Descripción B, imagen 1
• Descripción B, imagen 2

En este sencillo ejemplo se dan cuatro posibles combinaciones diferentes y con cada variable que se añade aumenta, como es lógico, la cantidad de combinaciones posibles. Las cuatro versiones diferentes se presentan a los clientes potenciales cuando visitan la página del producto correspondiente en la tienda. Así, la totalidad del tráfico se reparte uniformemente por todas las variantes. Las conversiones obtenidas, en este caso las compras realizadas, se registran durante el período de control con ayuda de herramientas de análisis como Oracle Maxymiser, de modo que se pueda calcular una tasa de conversión para las cuatro variantes al final del test multivariante. Cuanto más elevado es el tráfico y cuanto más dure el período de observación, más significativos serán también los resultados.

Debido a que el multivariate testing se lleva a cabo, al igual que los tests A/B, cuando la página web, la aplicación o la tienda ya están online, tienen la ventaja de llegar a un número superior de usuarios, a diferencia de los tests de usabilidad que se realizan en la fase de desarrollo del proyecto. En este sentido se puede hablar de métodos cuantitativos de recopilación de datos. Aunque la realización de tests multivariante resulta sumamente compleja, esta se hace algo más sencilla gracias a diversas herramientas diseñadas a tal efecto. De esta manera, las diferentes páginas de prueba se pueden configurar rápidamente e implementar en el proyecto web mediante fragmentos de código de JavaScript. Asimismo, los resultados se visualizan en tiempo real en una tabla bien definida para que se pueda averiguar sin problemas cuáles son las combinaciones más prometedoras.

Al contrario de los tests A/B, el multivariate testing no se limita a tan solo dos versiones comparativas, sino que en principio no hay ningún límite establecido. Esto facilita la revisión de diversos elementos y proporciona resultados generales a los observadores sobre la interacción de los diferentes componentes. De ahí se deduce que los tests multivariante no solo revelan información sobre las combinaciones que pueden repercutir de manera negativa o positiva en la tasa de conversión, sino que proporcionan una imagen concreta, estática y completa de qué componentes contribuyen y de qué manera al éxito global de los proyectos web. Los conocimientos adquiridos durante la realización de los tests multivariable también pueden convertirse en un factor de peso a la hora de desarrollar proyectos futuros.

Para que los resultados del multivariate testing tengan el valor informativo deseado, es indispensable tener un tráfico elevado de manera continuada, sobre todo porque este será distribuido al menos por cuatro o más ejemplares de prueba. Otro de los problemas que se plantean en este procedimiento de prueba siempre se manifiesta cuando una o varias de las variables analizadas no tienen ninguna influencia en la conversión que se quiere alcanzar, sobre todo en lo referente a la interpretación de los resultados. En este sentido se puede llegar a la conclusión errónea de que los tests multivariante complican innecesariamente el proceso de evaluación, a diferencia de los sencillos tests A/B.

Decidir cuál es el método más apropiado para testear la usabilidad de un proyecto web depende de diferentes factores, entre los que destaca el nivel de tráfico. Si ya en la fase inicial observas que hay un número limitado de visitantes, el multivariate testing no ofrecerá estadísticas fiables que informen sobre el éxito de cada una de las variantes, tampoco durante un período de observación largo. En un caso como este se recomienda validar la funcionalidad de cada una de ellas en los tests A/B sucesivos. Si tu página web muestra, por otro lado, un tráfico alto, los tests multivariante conllevan un ahorro de tiempo y esfuerzos.

Un requisito de ambos métodos es que se puedan formular hipótesis claras y calcular la dimensión de los resultados para los elementos testados. De no ser así, será difícil interpretar los resultados de las pruebas. En contraposición al análisis de la usabilidad durante el proceso de desarrollo, en el caso de un test en vivo como este hay que tener en cuenta que la tasa de conversión podría empeorar temporalmente. Cuando se trata de probar nuevas ideas o variantes, los tests multivariable no son ni eficientes ni permiten alcanzar los objetivos que se persiguen y los tests A/B están a menudo sujetos a restricciones. En este sentido, los análisis preliminares a escala reducida y con cuestiones claras representan una solución efectiva y libre de riesgos.

Si tu proyecto web tiene tráfico suficiente y te has decidido por poner en práctica el multivariate testing, esto no significa que tengas vía libre para crear muchas variables y versiones sin necesidad. Para obtener resultados óptimos se recomienda adoptar un enfoque lo más estratégico posible y que solo las partes más importantes compitan entre sí para poder llevar a cabo una preselección de las opciones. Para tener mayor seguridad, también puedes realizar un test A/B para verificar de nuevo el resultado. Recuerda que no se garantiza el aumento estadístico de la tasa de conversión en cada una de las modalidades de prueba, sino que dicho valor solo describe una tendencia.