A diferencia de la publicidad tradicional, las campañas de publicidad digital arrojan una gran multitud de métricas: coste por clic (CPC), coste por 1.000 impresiones (CPM), coste por adquisición (CPA)… Esto nos permite analizar en profundidad su rendimiento y utilizar el método científico para optimizarlo. Una manera de hacerlo es mediante los test A/B, que consisten en comparar dos versiones de un mismo anuncio para determinar cuál genera el mejor resultado.
En este artículo te explicamos en qué consiste esta metodología y cómo aplicarla en las plataformas Google Ads y Meta Ads.
¿Qué es un test A/B?
Un test A/B es un ensayo aleatorizado controlado que tiene como objetivo averiguar cuál de las dos versiones de un anuncio o su landing page funciona mejor según unos objetivos e indicadores concretos. Es la mejor manera de optimizar una campaña basándonos empíricamente en el comportamiento del usuario.
Antes de introducir un cambio definitivo en una campaña, la prueba A/B permite evaluar su efectividad en la consecución de los objetivos marcados. En otras palabras, es una manera sencilla y barata de eliminar el riesgo y la incertidumbre.
Los tests A/B comparan dos versiones del anuncio: la original y una variante aspirante en la que hemos realizado algún cambio. Algunos ejemplos pueden ser: probar dos copys diferentes, dos segmentaciones diferentes, dos llamadas a la acción diferentes, dos creatividades diferentes…
Mientras el test esté en marcha, el tráfico se divide a partes iguales entre las dos opciones de manera aleatoria. A partir del análisis de las métricas de la versión A y la versión B, podemos determinar cuál de ella arroja mejores resultados y tomar decisiones basadas en los resultados.
En algunos casos es posible incluir más de dos variantes en el test. Por ejemplo, comparar si el anuncio funciona mejor con un botón de color azul, rojo, verde o negro.
En campañas grandes también es posible hacer pruebas multivariante, en las que se comparen los resultados de diferentes combinaciones a la vez. Por ejemplo, el encabezado, la llamada a la acción y el color. Estos experimentos sirven para cuantificar los efectos de la interacción entre elementos. Por ejemplo, combinar el encabezado A con el color B de la llamada a la acción pueden dar mejores resultados que el encabezado B por sí solo.
Cómo poner en marcha una prueba A/B en 5 pasos
1. Identificar qué indicador clave de rendimiento queremos mejorar
El primer paso es evaluar cuál es el indicador clave de rendimiento que queremos mejorar. Un ejemplo clásico sería el CPC, el coste que pagamos cada vez que un usuario hace clic en el anuncio.
2. Formular una hipótesis
Una vez identificada cuál es la métrica que queremos mejorar, es el momento de formular hipótesis de variantes del anuncio que podrían optimizar los resultados. Por ejemplo: la llamada a la acción no es lo suficientemente atractiva.
3. Diseñar el experimento
En este paso creamos las dos versiones diferentes de los anuncios cuyo rendimiento compararemos.
4. Poner en marcha la prueba
A continuación programamos el test en la herramienta de prueba, ya sea Google Ads o Meta Ads. Ya ha llegado el momento de lanzar el test A/B, enviando la mitad del tráfico a la versión A y la otra mitad a la versión B.
El objetivo es tener una seguridad estadística del 95%. Para ello es necesario que el volumen de tráfico sea significativo y que el test se alargue en el tiempo tanto tiempo como sea necesario.
5. Analizar los resultados
Una vez finalizado el test, analizamos los resultados y tomamos la decisión de si es conveniente implementar la variante aspirante de forma definitiva, mostrándola siempre a todos los usuarios. La mayoría de las herramientas de pruebas A/B incluyen un motor estadístico que ayuda con este análisis.
Cómo ejecutar un test A/B en Google Ads y Meta Ads
Las principales herramientas publicitarias digitales integran la funcionalidad de realizar pruebas A/B para comparar la efectividad de dos versiones del mismo anuncio.
Test A/B en Google Ads
Los anuncios adaptables de búsqueda de Google Ads realizan tests constantes entre diferentes títulos y descripciones para encontrar la combinación que mejores resultados obtiene. Sin embargo, la herramienta Google Analytics también ayuda a analizar tests A/B. Para ello es necesario configurar el seguimiento de conversiones, crear un informe personalizado con las métricas seleccionadas y analizar los resultados.
Test A/B en Meta Ads
En la plataforma de Meta Ads (Facebook e Instagram) es posible programar un test A/B simplemente duplicando una campaña, un conjunto de anuncios o un anuncio. Si lo prefieres, también existe una opción específica de prueba A/B que puedes activar en cualquier campaña. Los resultados aparecerán en el apartado Experimentos.
