Pruebas A/B Con los Experimentos de Google Analytics

Spanish (Español) translation by Eva Collados Pascual (you can also view the original English article)

En el tutorial de hoy, vamos a ver una de las adiciones más recientes de Google Analytics en su conjunto de funciones Experimentos. Usando esta herramienta, te mostraré cómo usar distintas variaciones de una misma página para determinar cuál tiene mayor éxito convirtiendo las visitas del sitio web.

Preámbulo

Si has creado una sitio web en alguna ocasión, seguramente ya te resultará familiar Google Analytics. Con una cuenta gratuita de Google y un fragmento de código, puedes hacer un seguimiento de las visitas de tus sitios y examinar a fondo los datos con asombrosa precisión.

Google Analytics se ha establecido como líder del mercado por buenos motivos, útil tanto para pequeños proyectos personales como para sitios web de empresa. Es gratuito, su implementación es sencilla e indicado tanto para el usuario ocasional como para el profesional del marketing más veterano y aguerrido.

¿Listo para aprender? ¡Empecemos!

Breve Introducción a los Test A/B

Ya hemos visto los test A/B o “Split testing” a través de las guías de Ian sobre la conversión y el marketing online, pero echemos un breve vistazo a los test A/B en el terreno online.

Al publicar online y presentar a nuestras visitas distintas versiones de una página simultáneamente, estaremos realizando lo que el círculo de profesionales del marketing llaman “Split Testing”. El objetivo final de este enfoque consiste en determinar qué página dentro de un grupo de páginas web (o folletos, banners, anuncios en formato de texto, etc) convierte mejor y más eficazmente las visitas. Aunque podríamos considerar cualquier cosa como “conversión”, normalmente a los propietarios de sitios web les interesan las ventas, las suscripciones, la apertura de nuevas cuenta de usuario e incluso el registro de las visitas para poder hacer un seguimiento posterior de estos usuarios en redes sociales.

Las variaciones de deben publicar al mismo tiempo.

El concepto más importante a entender sobre los test A/B es que las variaciones deben publicarse y mantenerse simultáneamente. En otras palabras, no se considerará como test dividido eficaz la publicación de una página durante un mes, recoger los datos de ese periodo, después publicar una página distinta, y volver a recoger los datos para realizar una comparativa entre ambos conjuntos. Eliminar tantos factores como nos sea posible que puedan influenciar los resultados o las visitas es un aspecto clave en las pruebas A/B.

Hasta relativamente poco, las pruebas A/B (es decir, las pruebas entre dos versiones distintas) eran el enfoque estándar para la realización de pruebas que estudian la conversión. El objetivo de las pruebas A/B consiste en determinar la opción óptima y después pulirla y repetir el proceso unas cuantas veces más, acercándonos cada vez más a la página que convierte el mayor número de visitas. Aunque es bastante eficaz, las Pruebas A/B tienen algunas limitaciones críticas que veremos en unos momentos.

La pregunta es, se trata de un método robusto para lograr verdaderamente una página de máxima conversión? Existen un número de problemas en el proceso que representamos en la imagen superior:

Primero, si asumimos que para la realización de cada prueba se invierte una semana, el proceso hasta llegar a una página ganadora supondrán cinco semanas de trabajo. No sólo es demasiado tiempo si consideramos que tu sitio web depende del éxito de las conversiones, sino que además pueden ocurrir muchas cosas en Internet a lo largo de cinco semanas. Incluso un pequeño cambio en la forma en la que Google indexa tu página podría proporcionarte una cantidad o conjunto de usuarios drásticamente distinto (tal y como ya vimos durante la última actualización de Google, ‘Penguin’). Esto significa que en esencia, podríamos acabar comparando manzanas con naranjas desde la primera prueba y la última realizada un mes y medio después.
Segundo, aunque sepamos que la Página Uno ha tenido un mejor rendimiento que la Página Dos en la primera prueba, no podemos estar seguros de si la Página Dos hubiese obtenido mejores resultados que la Página Tres, ya que no hemos realizado la comparación entre ambas.

Una mejor alternativa a este método consiste en comparar todas las variaciones de la página entre sí y al mismo tiempo, como mostramos aquí:

Es este ejemplo, podemos estar seguros (más allá de una duda razonable) de que la Página Cuatro es la que tiene realmente un mejor rendimiento ya que las páginas se comparan entre sí durante el mismo periodo, con (lo podemos asumir) una base de usuarios consistente.

Lo que vamos a hacer hoy es usar los Experimentos de Google Analytics para realizar un test de tres variaciones de página al mismo tiempo, en lugar de varias iteraciones de las pruebas estándar de dos variaciones tal y como se hace en los test divididos A/B. Mientras uses tres variaciones, serás capaz de probar seis variaciones de página en un único 'experimento'.

El Escenario

En el proyecto de hoy, nos han encargado aumentar el número de creación de cuentas para una empresa fictícia. Ellos han percibido que una volumen significativo de las visitas a su sitio proceden de la página de registro de una cuenta pero que los usuarios la abandonan antes de de enviar el formulario que la hace efectiva.

Aquí tienes una captura de pantalla (con el tamaño ajustado para el tutorial) correspondiente a la actual página de registro, también puedes ver la página online en tu navegador.

Nota: en este tutorial no vamos a ver aspectos relativos al diseño de la página o sus variaciones. Si tienes interés en investigar el código, puedes descargar todos los archivos desde la sección de recursos de este tutorial.

Además, para simplificar y abreviar, estas páginas no son más que un mero esqueleto y no incluyen ningún script de parte del servidor para la recogida de datos y tampoco son un ejemplo de la manera en la que se deben crear formularios.

En este punto, sólo podemos especular sobre cuáles podrían ser los motivos por los que los usuarios lo abandonan, pero podríamos empezar valorando la longitud del mismo. Actualmente la página de registro requiere que el usuario realice la friolera de catorce acciones independientes para la creación de su cuenta.

Asumiendo que el usuario es capaz de añadir y enviar sus datos personales (por ej. su país y la moneda preferida) después de que su cuenta haya sido creada, presentamos a los usuarios una variación lógica de la página que requiere menos acciones para completarla.

Con este plan en mente, aquí tienes la segunda variación de la página que usaremos en nuestro experimento:

Mira la página en le navegador.

Par nuestra página alternativa final, reduzcamos una vez más la longitud del formulario de manera que sólo incluya lo extrictamente necesario para crear una cuenta, es decir, el nombre de usuario, campos para la contraseña, dirección de email y aceptación de los términos del servicio.

Aquí tienes una imagen del la tercera versión de la página:

Ver la página online en el navegador.

Por último, tenemos una página de confirmación con la que se encuentra el usuario una vez ha cumplimentado el formulario con éxito.

Ver la página en el navegador.

Ahora que tenemos nuestras tres versiones de la página, configuremos los elementos necesarios en Google Analytics y probemos su eficacia de forma simultánea.

Paso 1: Crear una Cuenta de Google Analytics

Estoy seguro de que muchos de vosotros ya conocéis Google Analytics, pero para que este tutorial sea completo, vamos a explicar paso a paso cada cómo implementar Google Analytics en tu sitio web, cómo definir un objetivo y poner en marcha el experimento en sí.

Dirígete a Google Analytics y regístrate con tu Cuenta de Google, si aún no dispones de una créala. Asumiendo que todavía no has añadido una cuenta de analytics a tu perfil, te aparecerá la siguiente pantalla. Pulsa sobre el botón 'Crear Cuenta' para empezar.

En la siguiente página, completa los campos del formulario relacionados con tu proyecto:

Paso 2: Añadir el Fragmento de Código de Google Analytics

La capacidad de seguimiento de Google Analytics está basada en JavaScript, y en la siguiente página, recibirás el código necesario e instrucciones sobre cómo implementarlo en tu sitio web. Simplemente copia el código en tu bloc de notas, y pégalo en cada página a la que quieras hacer un seguimiento con Google Analytics.

En el sitio web, el texto de ayuda sugiere que añadas ese fragmento de código justo antes de la etiqueta de cierre </head>, esto asegurará de que cualquier visualización de la página será registrada incluso aunque esta no se haya cargado del todo antes de que el usuario al abandone. Sin embargo, normalmente se considera como buena práctica añadir tus script al final del código html de la página, antes de la etiqueta de cierre </body>.

Aunque ambas soluciones funcionarán, en nuestra situación queremos asegurarnos de que las páginas de registro se hayan cargado por completo antes de que se dispare el script.

Para este proyecto, he añadido el script en las tres páginas de registro (signup1.html, signup2.html y sgnup3.html) y en la página de confirmación (confirmation.html), de la siguiente forma:


<!doctype html>

<head>
<!-- head content -->
</head>

<html>
<body>

<!-- page markup / content -->

  <script type="text/javascript">
    var _gaq = _gaq || [];
    _gaq.push(['_setAccount', 'UA-33487303-1']); // This UA code identifies the page as part of the Analytics account.
    _gaq.push(['_trackPageview']);
    _gaq.push(['_setDomainName', 'none']);

    (function() {
    var ga = document.createElement('script'); ga.type = 'text/javascript'; ga.async = true;
    ga.src = ('https:' == document.location.protocol ? 'https://ssl' : 'http://www') + '.google-analytics.com/ga.js';
    var s = document.getElementsByTagName('script')[0]; s.parentNode.insertBefore(ga, s);
    })();
  </script>

</body>
</html>

Una vez hayas añadido el código, sube las páginas al servidor web a través de FTP. También es importante destacar que con frecuencia Google Analytics no empieza a recoger datos hasta transcurridas unas 24 o 48 horas, así que sé paciente durante los siguientes par de días hasta que finalmente te muestren los datos de tus visitas.

Paso 3: Crear un Objetivo

Antes de configurar y habilitar el experimento en sí, tenemos que crear el objetivo a medir.

Es posible configurar Google Analytics para monitorizar objetivos realmente sofisticados, incluyendo embudos para objetivos multi-canal y seguimientos para ecommerce. En el ejemplo de hoy, vamos a mantener las cosas sencillas definiendo como URL de destino de nuestra conversión exitosa (es decir nuestro objetivo) la correspondiente a nuestra página confirmation.html. En otras palabras, queremos registrar cada vez que un usuario completa cualquiera de las tres versiones del formulario, que pulsa el botón 'Enviar' y llega a la página 'Agradecemos tu registro'.

Desde el menú de la parte izquierda de la interfaz de Google Analytics, selecciona el elemento 'Visión general' bajo el encabezado Conversiones (Conversiones > Objetivos > Visión general):

Si este es el primer objetivo que has configurado, serás redirigido automáticamente a la página 'Crear un Nuevo Objetivo'. Si no sucede así, haz clic sobre le menú 'Administrar' en la parte inferior de la página y asegúrate de que estás en la pestaña 'Objetivos'.

Darle un nombre a su nuevo objetivo, seleccione el tipo de objetivo como destino URL y escriba la ruta, en este caso, /confirmation.html.

Si su objetivo tiene un valor real del dólar asociado (por ejemplo una membresía pagada a un sitio), puede añadir este importe al campo de texto 'Valor objetivo'. No vamos a utilizar un embudo de meta hoy en día, por lo que sólo podemos guardar nuestro nuevo objetivo.

Paso 4: Acceder a la Funcionalidad de los Experimentos

Con nuestro objetivo establecido, ahora podemos empezar un experimento para determinar cuáles de nuestras páginas realizará lo mejor en términos de registro de la cuenta exitosa.

En la sección 'Contenida' de la izquierda del menú principal, seleccione 'Experimentos'.

Nota: como con muchos productos de Google, la función de los experimentos es ser entregada como parte de una implementación gradual. Si actualmente no tienes acceso a experimentos, usted necesitará ejercitar paciencia y esperar a que tu cuenta de Google para actualizarse con esta característica.

Para empezar, agregue la dirección URL de la página que queremos probar, en este caso, signup1.html. Esto no es un enlace directo, sólo se está utilizando para los propósitos del tutorial.

Paso 5: Crear el Experimento

Después de acceder a la función de los experimentos, se presentan con un asistente de creación de cuatro paso experimentos.

Comenzar confirmando la página de control (es decir, /signup1.html) y luego añadir las direcciones URL para cada una de las variaciones de la página. Asegúrese de que da cada variación un nombre descriptivo y no un genérico ' variación uno / variación dos / variación tres ' título, hará análisis de la experiencia mucho más fácil en las etapas posteriores.

En la siguiente página del asistente de registro de experimentos, se referencia el objetivo que hemos creado en el paso tres como la métrica mensurable.

En este experimento, queremos servir a las variaciones de la página al 100% de los visitantes. Si estaban haciendo cambios drásticos a un sitio establecido, puede limitar la cantidad de visitantes que participan en el experimento para reducir al mínimo cualquier posible impacto.

En la tercera página, se le dará otro bloque de código que se agrega a la página de control (en este caso /signup1.html). Añadir este código a la parte superior de la página de control, justo después de la apertura de la etiqueta <head>. Nota, para este script — a diferencia del código de seguimiento, definitivamente queremos este código en la parte superior de la página ya que se trata de cómo las variaciones de la página van a ser servidos a los visitantes.

El código final para la página de control (es decir /signup1.html) tendrá el siguiente aspecto:


<!doctype html>

<head>
  <!-- Google Analytics Content Experiment code -->
<script>function utmx_section(){}function utmx(){}(function(){var
k='62181940-0',d=document,l=d.location,c=d.cookie;
if(l.search.indexOf('utm_expid='+k)>0)return;
function f(n){if(c){var i=c.indexOf(n+'=');if(i>-1){var j=c.
indexOf(';',i);return escape(c.substring(i+n.length+1,j<0?c.
length:j))}}}var x=f('__utmx'),xx=f('__utmxx'),h=l.hash;d.write(
'<sc'+'ript src="'+'http'+(l.protocol=='https:'?'s://ssl':
'://www')+'.google-analytics.com/ga_exp.js?'+'utmxkey='+k+
'&utmx='+(x?x:'')+'&utmxx='+(xx?xx:'')+'&utmxtime='+new Date().
valueOf()+(h?'&utmxhash='+escape(h.substr(1)):'')+
'" type="text/javascript" charset="utf-8"></sc'+'ript>')})();
</script><script>utmx('url','A/B');</script>
<!-- End of Google Analytics Content Experiment code -->

  <meta charset="utf-8">
  <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1">
  <title>Signup Form 1</title>

  <!-- Stylesheet -->
  <link rel="stylesheet" href="style.css">

  <!-- google webfonts -->
  <link href='http://fonts.googleapis.com/css?family=Open+Sans:400,300,600' rel='stylesheet' type='text/css'>
  </head>

Sube tu nueva página de control con el script de experimentos a tu servidor.

En la cuarta fase, podrás comprobar que todo funciona como debería, que Google Analytics está registrando todas las páginas y que está listo para conducir el experimento.

Paso 6: Comprobar Tu Experimento

¡Gran trabajo! Acabas de crear tu primer Experimento en Google Analytics y estás un paso más cerca de mejorar tu ratio de conversiones.

Como el panel de Experimentos tarda entre 24 o 48 horas en mostrar la información, vamos a asegurarnos de que nuestro experimento está realmente registrando los datos de todas las variantes de la página.

Abre tu navegador y dirígete a la página de control, es decir, /signup1.html. Si el experimento está funcionando correctamente, se le redireccionará automáticamente a una de las tres variantes de la página. La barra de direcciones mostrará la variación con un ID anexado, que indica que el experimento ha sido una de las variantes a su navegador.

Detrás de las escenas, Google Analytics ha añadido una cookie para la sesión del explorador que 'recuerda' que variación de página que. Se te nota que si actualizar la página, o volver a la página más adelante, se va siempre muestra la variación de página original, una parte esencial de asegurar que usted proporciona a sus visitantes con una experiencia de usuario coherente.

Puede borrar las cookies de tu navegador, datos de sitio y plugin para servirse una variación diferente de la página.

PAso 7: Analizar los Datos del Experimento

Una vez creado, el experimento simplemente se ejecuta, recogida de datos hasta que Google Analytics puede determinar un ganador claro. La longitud de tiempo que necesita para ejecutar su experimento depende de varios factores, incluyendo los visitantes totales y cómo realizan las variaciones de unos a otros.

Vamos a echar un vistazo a este experimento mientras que está en curso y escoger unos cuantos puntos vale la pena discutir.

Los datos del gráfico por defecto traza la tasa de conversión de cada una de las variaciones de la página el tiempo que lleva el experimento, que probablemente es la métrica más importante a considerar para nuestros propósitos hoy. La selección del desplegable también permite trazar los datos relativos a un número de otros indicadores como el uso del sitio, cuenta de éxito meta y una selección de métricas estándar de Analytics como páginas por visita, tasa, porcentaje de visitas nuevas de rebote y así sucesivamente.
A la derecha de la página, el experimento en curso se suma, de un recuento total visitas a las páginas de experimento, la cantidad de tiempo transcurrido y el estado del experimento, en este caso, el análisis no ha establecido un claro ganador.
Un punto interesante tener en cuenta es que Analytics no necesariamente distribuye las páginas una por una. Mientras que en el inicio del experimento que se podría esperar una cantidad comparativa de visitas para cada variación de la página. Que avanza el experimento y uno o más de las páginas empieza a superar a los demás, Analytics comenzará favoreciendo las páginas mejor rendimiento. En este caso, nuestra tercera variación (la forma corta) ha sido distribuido a alrededor del 36% de los visitantes del sitio, en comparación con la forma larga (variante uno) se muestra que alrededor del 31% de los visitantes.
En la tabla de datos hacia la parte inferior de la página, análisis comparan la tasa de conversión de cada variación contra el control y calcula la probabilidad de la variación superó a la original. Por lo tanto, en este ejemplo, aunque no tenemos un claro ganador, ya podríamos confía en que ambas variantes mejores alternativas para la forma larga con un mejor de 93% de probabilidades de ellos convertir visitantes más con éxito.

Paso 8: Conseguir la Opción Más Eficaz

Como se mencionó, el tiempo necesario para llegar a un ganador dependerá de los resultados de las variaciones de la página en lo referente a la página de control. Si toma tres días o tres semanas para llegar a una conclusión, puede confiar más allá de duda razonable que el ganador de la experiencia será la mejor intérprete en cuanto a la meta que se está midiendo.

Después de ocho días de datos y 1240 visitas, analítica ha llegado al claro ganador es (usted lo adivinó), nuestra página de forma corta.

Paso 9: Ya Tenemos un Ganador, ¿Ahora Qué?

Ahora que ha concluido el experimento, tenemos que tomar medidas. Ya que la forma corta tan bien realizada con una tasa de conversión del 91,5%, lo más obvio es reemplazar la página de control (es decir, la forma larga) con la variación de la ganadora.

Desde aquí, necesitamos realizar algunos análisis adicionales y tomar una decisión importante. Aunque hemos establecido nuestro objetivo como las visitas a la página de confirmación, no es nuestro verdadero objetivo. La medida real del éxito es, por supuesto, personas que utilizan el servicio (lo que el servicio realmente es). Suponiendo que toda la información adicional es necesario (el país, la moneda preferida, etc.) es necesario, análisis adicional se necesitaría para asegurarse de que los registrantes éxito hecho rellene esta información una vez que su cuenta está establecido (un ejercicio para otro experimento).

Finalmente, la siguiente decisión a tomar es si o no invertir el tiempo para crear variaciones adicionales para nuestro formulario tratar de mejorar aún más la tasa de conversión del 91,5%. Por ejemplo, un diseño diferente o variaciones de copia pueden aumentar la tasa de conversión. Realmente, se podrían continuar los experimentos a realizar hasta alcanza una tasa de conversión del 100%. Dicho esto, qué debemos tener en cuenta es la tasa de rendimientos decrecientes. Habrá un punto donde el tiempo y el esfuerzo necesario para mejorar la conversión tasa no da una rentabilidad adecuada de la inversión, y nuestro tiempo sería mejor servido de prueba y optimización de otras páginas de nuestro sitio.

Conclusión

En este tutorial, apenas hemos arañado la superficie de los experimentos de Google Analytics, y podríamos seguir discutiendo las complejidades de los datos disponibles hasta el infinito. Dicho esto, en sólo unos sencillos pasos Hemos establecido un programa que es mucho más eficiente que tradicional A B divide pruebas y hemos llegado a un resultado de incontrivertable que supera lejos a la página de control.

Mientras que hemos creado un experimento que sirve páginas totalmente diferentes en términos de contenido, el mismo enfoque se puede tomar para probar más elementos sutiles de la página. Por ejemplo, un botón diferente color, un diseño ligeramente diferente o menor copia pueden ocasionar cambios en las tasas de conversión notablemente mejoradas - que se puede probar utilizando esta división de método de prueba.

Lo importante, este enfoque a las pruebas de nuestros diseños lleva el trabajo de la conjetura de diseño eficaz. Como diseñadores que trabajan con partes interesadas del cliente (y a menudo tomar decisiones por el temido Comité), es fácil perder de vista el bosque por los árboles y tomar decisiones de diseño basadas en la Asunción en lugar de datos. Establecer una división de pruebas de programa como este es la forma más segura de mejorar sus conversiones, no importa lo que puede ser su objetivo.

¿Cómo vas a utilizar los Experimentos de Google? Deja un comentario más abajo, nos encantaría escuchar sus pensamientos!