Analítica web
Reflexiones desde el mercado español de Analítica Web

¿Cómo generar una hipótesis para un test A/B?

Se lee en 3 minutos

Cualquier profesional del ámbito digital estará familiarizado con el término CRO (Conversion Rate Optimization) o por lo menos estoy seguro que lo habrá oído en más de una ocasión. Si todavía no tienes muy claro el significado de este acrónimo y te pica la curiosidad, te recomiendo echar un vistazo a este post de mi compañero Alejandro y podrás despejar todas las dudas que te puedan quedar.

Una de las disciplinas claves en el proceso de optimización de una compañía es el testing y la personalización. Estas disciplinas nos permiten mejorar la experiencia de los usuarios en nuestros activos digitales, con el objetivo de incrementar la conversión.

Como estas disciplinas son muy amplias y podríamos escribir muchas líneas sobre ellas, hoy me quiero centrar en uno de los pilares básicos y punto clave de estas disciplinas, la generación de hipótesis. Para ello empezaremos por el principio:

¿Qué es una hipótesis?

Bajo mi punto de vista, una hipótesis es una suposición fundamentada en un estudio previo, que será confirmada o desmentida y que nos servirá de punto de partida para comenzar el diseño de nuestros experimentos.

Sigamos desgranando está definición:

  • Suposición: tenemos que tener claro que una hipótesis no es un hecho confirmado, por lo que no deberíamos de argumentarla como correcta o incorrecta hasta que se pruebe.
  • Estudio previo: un punto fundamental para generar una buena hipótesis es realizar un análisis previo, que nutra de información cuantitativa y cualitativa a nuestra hipótesis.
  • Confirmada/desmentida: una vez que el experimento finalice, debemos de ser capaces de determinar si nuestra hipótesis era cierta o falsa, ya que esta debe de ser medible.
  • Punto de partida: sin una hipótesis bien definida no podemos comenzar a diseñar nuestro experimento. Nos ayuda a centrar el foco en los elementos que queremos cambiar y cómo debemos hacerlo.

¿Cómo podemos llegar a generar una hipótesis?

Todos nuestros experimentos deben de estar basados en hipótesis, las cuáles serán validadas gracias a las herramientas de optimización, pero para poder llegar a plantearnos una hipótesis, tenemos que conocer a nuestros usuarios y su comportamiento en nuestros activos.

Para ello es fundamental realizar un análisis previo, que nos aporte información cuantitativa y cualitativa. Aquí entran en juego otras disciplinas digitales, basadas en la recolección y análisis de la información, y que son claves en la definición de una correcta hipótesis. A continuación, os detallamos algunas de ellas:

  • Digital Analytics: son nuestra principal fuente de información a la hora de generar hipótesis. Una correcta gestión analítica del dato, nos ayudará a resolver multitud de preguntas acerca de nuestros clientes y nuestros activos, como por ejemplo: ¿cuáles son las páginas/pantallas que más contribuyen a la conversión?, ¿cuáles son los principales puntos de fuga en el proceso de compra?, etc.
  • Customer Experience Management: este tipo de herramientas nos darán un plus en nuestros análisis, dotándolos de información sobre la interacción de los usuarios dentro de nuestros activos. Mediante los mapas de calor o la visualización de sesiones, podremos responder a muchas preguntas.
  • Voice of customer: estas herramientas nos permiten conocer de primera mano la opinión de nuestros usuarios y nos dotan de un feedback muy valioso a la hora de generar una hipótesis.

Cómo podéis ver, la fase de análisis es un punto crítico a la hora de generar una hipótesis, y formularla correctamente es el primer paso para el éxito de una estrategia de optimización.

¿Cómo definir una hipótesis precisa?

Con la definición de una buena hipótesis, deberíamos de responder a estas preguntas:

  • ¿Cuál es el problema que hemos identificado?
  • ¿Cuál es la posible solución al problema?
  • ¿Cuál es el resultado esperado?

Estas tres preguntas se traducen en tres elementos clave:

  • Solución: se trata del elemento (CTA, campo de formulario, imagen, etc…) que vamos a modificar, agregar o quitar para producir el resultado esperado.
  • Resultado: define el resultado que esperas obtener con la modificación implementada. Por ejemplo, aumentar el volumen de clics en un determinado CTA, incrementar el ratio de conversión, etc.
  • Justificación: tenemos que demostrar que hemos nutrido nuestra hipótesis con un análisis previo, que nos ha aportado información cuantitativa/cualitativa sobre el comportamiento de nuestros usuarios y que nos descubre un posible problema.

Teniendo en cuenta estos tres elementos, nuestra hipótesis debería quedar formulada de la siguiente manera:

“Si______[Solución], entonces______[Resultado], porque______[Justificación]”

  • Ejemplo de una hipótesis: “si eliminamos el menú superior del proceso de compra, entonces el avance entre pasos mejorará y la tasa de conversión aumentará, porque en los análisis previos se observa que un alto porcentaje del tráfico abandona el proceso al hacer clic en los enlaces del menú, que actúan como puntos de fuga”.

Acciona tu experimento y analiza tus resultados

Una vez que hemos generado nuestra hipótesis, solo tenemos que pensar en diferentes alternativas y accionar nuestro experimento. Entonces llegará el momento de confirmar o desmentir nuestra hipótesis.

Recuerda que cada usuario es diferente y una misma hipótesis no será apta para toda tu audiencia, por lo que es muy importante segmentar previamente tus hipótesis a diferentes grupos de usuarios o segmentar el análisis de tus resultados.

Y, por último, puede que el resultado de nuestro experimento confirme o no nuestra suposición, pero independientemente del resultado obtenido, tenemos que tener en cuenta que optimizar y testar siempre es una oportunidad de aprendizaje, ¡no la desaproveches!

Escribe tu comentario

cinco × 4 =

Navegar