Las 10 mejores prácticas de optimización de la tasa de conversión (CRO)

La optimización de la tasa de conversión es una parte necesaria para ofrecer mejores viajes de los clientes. En este blog, Megan comparte las mejores prácticas que ha aprendido a lo largo de su carrera como vendedora.

En una publicación de blog anterior, Introducción a las pruebas A / B,expliqué cómo aprendí sobre la optimización de la tasa de conversión (CRO) de expertos en la industria que comparten toda su información. Me gustaría pagarlo y compartir las mejores prácticas que he aprendido de todos ellos en mi viaje desde la gestión de sitios web hasta la optimización de sus experiencias de usuario.

1. Las mejores prácticas se parecen más a las directrices

Si hay algo que sacas de esta publicación de blog, que sea esto: no hay mejores prácticas en CRO.

Siempre me pareció divertido porque constantemente leía correos electrónicos y publicaciones de blog con las mejores prácticas promocionadas para CRO. Pero lo que he aprendido de estos recursos es que no hay una receta secreta o varita mágica que convierta su sitio web en el proverbial "Pot of Gold" para las conversiones, ni existen mejores prácticas universales. Esto se debe al contexto. No todos los visitantes de cada sitio son iguales, ni interactúan con cada sitio de la misma manera.

La verdadera optimización debe derivarse de los datos. Necesitamos usar datos para comprender cómo nuestros visitantes están usando nuestro sitio y derivar nuestras optimizaciones a partir de ahí. Por lo tanto, las mejores prácticas en CRO se parecen más a las directrices. Estas llamadas "mejores prácticas" son excelentes para obtener ganancias rápidas o como puntos de partida para su próximo experimento, pero asegúrese de probarlas antes de implementarlas.

Creo que Chris Goward, CEO y fundador de Wider Funnel, lo resumió bastante bien cuando dijo: "Las mejores prácticas tienen un valor limitado hastaque se prueban a fondo ".

2. Las opiniones no importan

Todo el mundo tiene una opinión, pero solo porque tengamos una, eso no significa que tengamos razón o sepamos lo que funciona. Es por eso que tenemos pruebas. Los experimentos deben estar basados en datos. Entre las fuentes de datos, como el análisis web, los datos de clientes potenciales y los datos de encuestas de clientes, hay mucha información para ayudarnos a comprender mejor a nuestros visitantes. Estos datos proporcionan una gran visión de dónde vienen nuestros visitantes, a dónde van, qué están haciendo y, lo que es más importante, dónde se están convirtiendo y dónde se están atascando.

Los experimentos nos ayudan a probar nuestras soluciones a estos problemas en un entorno de bajo riesgo. Nos dan la oportunidad de ver cuál de nuestras soluciones funciona mejor, en lugar de arriesgarnos a implementar lo que creemos que sería la mejor solución.

3. No copies a tus competidores

Es muy común que miremos los sitios web de nuestros competidores para ver cómo lo están haciendo. ¿Lo están haciendo mejor que nosotros? ¿Están haciendo algo que nosotros no somos y deberíamos ser?

El diseño web es muy emotivo. Al instante sabemos si nos gusta algo o no. Pero lo que no sabemos es si funciona o no. Queremos que nuestros usuarios puedan completar la tarea que vinieron a hacer en nuestro sitio. Cuando copiamos a otros, no sabemos si tienen la respuesta, o si su solución funcionará para nuestros visitantes. Hay tantas preguntas sin respuesta. ¿Está funcionando para ellos? ¿Cómo se les ocurrió la idea? No sabemos qué estaban tratando de resolver, o si estamos en uno de sus experimentos en ese momento.

En lugar de copiarlos, debemos mirar nuestros propios datos para descubrir el problema, hacer una lluvia de ideas sobre ideas que potencialmente podrían resolverlo y luego probar sus soluciones.

Ahora... Dicho esto, eso no significa que no puedas usar un concepto que ya existe y que realmente te gusta y crees que resolverá tu problema. Otros se encuentran con los mismos o similares desafíos. No es raro ver algo más que crees que podría funcionar. La lección aquí debería ser: solo asegúrate de hacerla tuya. Asegúrese de que la solución propuesta se alinee con sus objetivos y pruébela antes de ir e implementarla y punto.

4. CRO es mucho más que solo pruebas A / B

Cro a menudo se confunde con pruebas A / B solas. Pero CRO es mucho más que solo pruebas A / B: es un proceso o marco sistemático que consiste en análisis cuantitativos y cualitativos, mientras que las pruebas A / B son solo una táctica que nos ayuda a validar nuestras hipótesis.

Si bien las pruebas A / B pueden decirnos qué versión de nuestro experimento funcionó mejor, no explica por qué esa versión ganó. Explicar el "por qué" es donde el proceso CRO realmente brilla. El análisis cuantitativo y cualitativo nos ayuda a comprender cómo interactúan nuestros usuarios con nuestro sitio web y por qué. Una vez que entendemos eso, podemos comenzar a llegar a la raíz de nuestros problemas de conversión y probar nuestras soluciones para esos problemas.

5. CRO es un proceso

CRO es un proceso/marco sistemático que consiste en análisis cuantitativos y cualitativos. Nos permite utilizar varias fuentes de datos para ayudarnos a responder el "por qué" cuando observamos el comportamiento del usuario. Encontrará que hay varias variaciones del proceso / marco CRO, pero en el fondo, son muy similares. Todos ellos utilizan una combinación de datos cuantitativos y cualitativos para comprender cómo interactúan los visitantes con su sitio.

Desde análisis web hasta mapas de calor y comentarios de usuarios recopilados a través de pruebas de usuarios, encuestas y sondeos, es sorprendente la cantidad de datos que hay que pueden ayudarnos a comprender lo que está sucediendo en nuestros sitios. Y no se detiene ahí. Todos estos datos son los que nos ayudan a formar nuestra hipótesis a partir de la cual creamos nuestro experimento. Las ideas que obtenemos de los resultados de nuestros experimentos se convierten en nuevas hipótesis y este proceso comienza de nuevo.

6. Todo experimento necesita una hipótesis

Sin una hipótesis, no tienes una definición clara de lo que estás probando. Tampoco tiene una forma verdadera de saber si su prueba fue exitosa o no.

Una hipótesis nos ayuda a identificar claramente el problema, proponer la solución que creemos que resolverá ese problema, así como identificar una métrica clave que lo consideraría un éxito o no.  Asegúrese de que cada prueba tenga una hipótesis.

Lo hacemos en Progress. Simplemente lo declaramos como tal: Al hacer [x] en [y página] para [z usuarios], aumentaremos [métrica clave] porque [por qué].

Al hacer esto, nos queda claro lo que estamos probando y no hay duda de lo que identificamos como las métricas para el éxito.

7. Los objetivos deben estar bien definidos

Los objetivos van de la mano con una hipótesis. No solo miden el éxito y el fracaso de un experimento, sino que los aprendizajes y conocimientos clave que obtenemos de nuestros experimentos pueden convertirse en pruebas futuras. Los objetivos deben estar claramente definidos para que no haya dudas sobre lo que estamos midiendo.

Además, los objetivos deben estar directamente relacionados con el experimento. Por ejemplo, si está optimizando una página de destino con un formulario, lo más probable es que su objetivo sea aumentar el número de envíos de formularios, no algo más abajo en el viaje del visitante.

También hay momentos en los que tiene más de un objetivo que le gustaría monitorear. Esto está bien, pero recuerde: Cada prueba debe tener un solo objetivo principal. El objetivo principal determinará si su experimento es exitoso o no. Todos los demás serán objetivos secundarios.

A menudo tengo objetivos secundarios porque quiero asegurarme de que mi experimento no tuvo un efecto adverso que no estaba anticipando. Un ejemplo de una métrica secundaria que controlo al optimizar formularios es la calidad del envío de formularios. Si bien siempre es bueno aumentar el volumen de envíos de formularios, queremos asegurarnos de que los envíos sean de buena calidad.

8. Seguimiento de sus objetivos

También es importante confirmar el seguimiento de su experimento antes del lanzamiento. Lo último que desea es que su experimento termine, solo para descubrir que no tenía el seguimiento correcto para confirmar si su experimento funcionó o no. Esto parece muy sencillo, pero recientemente me encontré con este gotcha yo mismo.

¿Qué quiero decir con seguimiento? El seguimiento es la medición real de su objetivo, por ejemplo, envíos de formularios, clics en botones, clics en enlaces, páginas visitadas, etc. Esto puede ser tanto a nivel de página como a nivel de evento. La buena noticia es que los objetivos se definen directamente en la herramienta de prueba. Todo lo que necesita hacer es definir el clic del evento, el clic del enlace, el destino de la página, etc., directamente desde su experimento. En otros casos, las herramientas de prueba se integran directamente con su herramienta de análisis, por lo que puede seleccionar sus objetivos predefinidos.

No importa cómo vincule sus objetivos, asegúrese de controlar su experimento para asegurarse de que su objetivo se rastree en consecuencia. De lo contrario, deberá volver a crear su experimento y comenzarlo una vez más.

9. No detengas, edita y reinicia tu experimento

¿Qué sucede cuando está ejecutando una prueba y ve que es necesario realizar un cambio? La mayoría de las plataformas le permiten detenerse, realizar su edición y luego puede reiniciar su experimento. Sin embargo, eso es algo que los expertos recomiendan que nunca hagas. De hecho, hacer tal cosa realmente podría poner en peligro los datos. Ya sea que ese cambio sea grande o pequeño, tiene el potencial de afectar el comportamiento del usuario, lo que podría poner en peligro la integridad de los datos.

En su lugar, los expertos recomiendan que detenga el experimento actual. Luego, haga una copia del experimento, haga los cambios necesarios y comience una nueva campaña.

10. Sé paciente y deja que el experimento siga su curso

Una vez que comienza el experimento, es fácil envolverse en la emoción de ver el resultado y terminar comprobando constantemente cómo se está ejecutando la prueba. No se alarme de que una semana su prueba esté ganando y la siguiente no lo esté. La verdad es que los experimentos pueden ser bastante volátiles al principio.

Solo ten paciencia. Deje que su prueba se ejecute hasta que haya alcanzado una significación estadística del 95-99%. Los tamaños de muestra juegan un papel importante en la importancia de su experimento. He aprendido a lo largo de los años a desconfiar de los tamaños de muestra bajos. El tamaño de su muestra debe ser lo suficientemente grande como para validar aún más sus resultados. Confío en 200-300 conversiones por variación, mientras que otros expertos sugieren 1.000 conversiones por variación.

Consejo adicional: ¡Optimiza! ¡Optimizar! ¡Optimizar!

Una versión de un experimento no es suficiente. Aprende de tus resultados. Las ideas se convierten en experimentos futuros. Continúe iterando en su hipótesis y vuelva a probar. Hay infinitas oportunidades para que las cosas se prueben. Solo tenga cuidado con los experimentos conflictivos para no enturbiar sus datos.

En conclusión, aquí están las 10 mejores prácticas de CRO en pocas palabras:

1. Las mejores prácticas se parecen más a las directrices.
2. Las opiniones no importan. Deje que los datos lo lleven a su próximo experimento.
3. No copies a tus competidores. No sabes lo que están tratando de resolver, ni si su solución está funcionando para ellos.
4. La optimización es más que solo pruebas A / B. Comprenda a sus usuarios y cómo interactúan con su sitio.
5. Siga un proceso sistemático e iterativo que tenga en cuenta los datos cualitativos y cuantitativos.
6. No comiences un experimento sin una hipótesis.
7. Defina claramente el objetivo de su experimento.
8. El seguimiento es fundamental para sus resultados. Nunca edites un experimento en movimiento. Detenga, copie, edite y luego inicie un nuevo experimento.
9. Deje que su experimento se ejecute hasta que haya alcanzado la significación estadística.
10. Deja que tus ideas se conviertan en tu próxima hipótesis.

Y, por supuesto, ¡optimiza, optimiza, optimiza!