Paso mucho tiempo hablando y escribiendo sobre los elementos más humanísticos de la publicidad; cómo atraer a tu audiencia de una manera única y personal, cómo crear una conexión genuina con tus visitantes, y así sucesivamente. En nuestra experiencia, hay mucho que decir sobre estas cosas incuantificables que a menudo se pasan por alto en medio del torbellino de análisis estadístico y procesamiento de datos.

A menudo necesitamos tomar una decisión que tenga en cuenta tanto nuestra intuición como los datos inmutables que nuestras campañas acumulan.

Dicho esto, hay momentos en los que es importante sublimar nuestras emociones instintivas y optimizar nuestras campañas dentro del marco implacablemente implacable de nuestros datos históricos.

Las pruebas divididas A/B del texto del anuncio son uno de estos casos.

Pocas, si es que hay alguna, de las técnicas estándar de optimización que usamos los SEMs producirán resultados tan consistentes y predecibles como las pruebas divididas A/B de nuestro texto del anuncio. Podemos despegar y pegar palabras clave en nuevos grupos de anuncios, reestructurar nuestra cuenta para trabajar en nuestros Quality Scores, reajustar nuestro calendario de ofertas personalizadas con la esperanza de aumentar nuestras tasas de conversión, pero todos son inherentemente impredecibles hasta cierto punto. Las pruebas divididas A/B del texto del anuncio, cuando se hacen correctamente, garantizarán que tu KPI de elección aumente (aunque sea incrementalmente) con el tiempo.

Sin embargo, hay algunas cosas importantes que entender sobre las pruebas divididas A/B del texto del anuncio que marcarán la diferencia entre el éxito o el fracaso de tus pruebas.

Preparándote para el éxito en Adwords

Optmyzr proporciona, con mucho, las herramientas de pruebas divididas A/B más avanzadas y eficientes disponibles para agencias y anunciantes individuales, pero necesitas asegurarte de que tus campañas de AdWords estén configuradas de una manera que te ayude a ejecutar tus pruebas divididas adecuadamente desde el panel de control de Optmyzr.

Por defecto, AdWords optimizará la rotación de tus anuncios en función de los anuncios que se espera que obtengan más clics. Esto es genial, si eres perezoso 🙂

Si Google rota tus anuncios en función de los anuncios que se espera que obtengan más clics, generalmente verás que uno o dos de los anuncios en un grupo de anuncios dado obtienen la mayor parte de las impresiones y clics. Naturalmente.

Las pruebas divididas A/B se tratan de obtener datos estadísticamente significativos en todos los anuncios involucrados en cualquier prueba dada, por lo que lo primero que necesitas hacer es cambiar la configuración de rotación de anuncios para rotar uniformemente. AdWords ofrece la opción de rotar uniformemente durante 90 días y luego optimizar, pero dado que vamos a estar haciendo pruebas divididas A/B mucho después de 90 días (¿verdad?), queremos elegir la opción “rotar indefinidamente”.

Puedes cambiar esta configuración en la pestaña de configuración de la campaña. Ten en cuenta que, dado que esta es una configuración modificada a nivel de campaña, aplicará la configuración de rotación a todos los grupos de anuncios en la campaña.

Desarrollando tus Pruebas Divididas A/B

Ahora que hemos configurado nuestros anuncios para rotar uniformemente, necesitamos averiguar qué probar y cómo probarlo. Según la cantidad de datos que esté generando tu cuenta, tendrás que decidir qué tipo de prueba dividida deseas realizar.

Las personas a menudo confunden la terminología técnica, así que comenzaremos definiendo la diferencia entre una prueba multivariante (factorial completa) y una prueba A/B.

Las pruebas divididas A/B son las más fáciles de realizar y, a menos que tus páginas de destino estén recibiendo grandes volúmenes de tráfico diario, una prueba dividida A/B es el método de elección (al menos en mi opinión). Aunque muchas personas piensan que las pruebas divididas A/B son estrictamente para probar una variable individual, eso no es realmente el caso. Puedes ejecutar 2 anuncios completamente diferentes uno contra el otro (o 3 o 4, para el caso), con diferentes titulares, texto de descripción y URLs de visualización, y aún así llamarlo una prueba dividida A/B.

Si solo estás midiendo qué anuncio tuvo el mejor rendimiento, y no qué variable individual tuvo el mejor rendimiento, es una prueba A/B.

Una prueba multivariante es cuando buscas saber qué variable individual tuvo el mejor rendimiento. En otras palabras, si estuvieras probando 4 variables diferentes (titular, línea de descripción 1, línea de descripción 2 y URL de visualización), necesitarías escribir 16 anuncios diferentes (todas las combinaciones posibles) para ver qué combinación de variables funcionó mejor. Para la mayoría de las cuentas, las pruebas multivariantes suenan geniales en teoría, pero no funcionan tan efectivamente en la práctica. Para determinar un anuncio ganador, necesitas datos estadísticamente significativos. La mayoría de las cuentas no están obteniendo el tipo de volumen que hace que las pruebas multivariantes valgan la pena y el esfuerzo.

Así que, por nuestro bien, volvamos y hablemos un poco más sobre las pruebas divididas A/B.

Recomiendo encarecidamente realizar pruebas divididas A/B de una sola variable siempre que sea posible (y seamos realistas… siempre es posible). Cuando ejecutas 2 anuncios uno al lado del otro probando solo una variable, sabes qué elemento en el anuncio fue responsable del mejor (o peor) rendimiento.

Por ejemplo, supongamos que decidiste realizar una prueba A/B en 2 ideas diferentes de titulares de anuncios. Eres una empresa de autoedición de alta gama y pensaste que podría ser una buena idea incluir tu precio mínimo de pedido en el titular de tu anuncio para ayudar a disuadir a las personas que buscan soluciones baratas de hacer clic en tu anuncio. Así que escribes dos anuncios idénticos y solo cambias el titular del anuncio en uno de ellos para incluir tu precio mínimo de pedido. Cuando los resultados estadísticamente significativos (más sobre eso pronto) estén listos, sabrás sin lugar a dudas que fue el cambio en el titular del anuncio lo que explicó la diferencia en el rendimiento.

Si, por ejemplo, también cambiaste las líneas de descripción del anuncio a algo diferente del texto idéntico del otro anuncio en el grupo de anuncios, no sabrás si fue el titular o la descripción o una combinación de los dos lo que explicó la diferencia en el rendimiento.

Como dijimos, eso todavía se consideraría una prueba dividida A/B válida ya que sabemos que uno de los anuncios superó estadísticamente al otro anuncio, pero no sabremos exactamente qué elemento del anuncio debería recibir el crédito.

Dicho esto, hay momentos en que una prueba dividida A/B multivariable es realmente útil. Si estás ejecutando un nuevo grupo de anuncios y tienes dos ideas completamente separadas que son temáticamente diferentes, ejecutar dos anuncios completamente separados en una prueba A/B para determinar qué dirección debes tomar para futuras pruebas podría ser una estrategia realmente útil para usar.

Volvamos a nuestro ejemplo anterior de tu empresa de autoedición de alta gama. No estás seguro de si destacar la velocidad y calidad de tu servicio o el profesionalismo y experiencia de tu personal editorial haría un mejor anuncio. Estas son dos ideas separadas, y con el espacio publicitario asignado no puedes cubrir ambos aspectos del negocio. En este caso, podría ser una buena idea realizar una prueba dividida A/B multivariable con un anuncio centrado principalmente en la velocidad y calidad y otro anuncio centrado principalmente en el personal editorial. No estás probando ninguna variable como un titular, sino más bien un concepto en su totalidad. Una vez que tu prueba determine qué anuncio es más atractivo (basado en el KPI que elijas medir, más sobre eso pronto), puedes entonces profundizar en pruebas divididas A/B de una sola variable para refinar aún más tu texto y aumentar consistentemente el rendimiento.

Para no quedarnos atrapados en una rutina de estancamiento y complacencia, siempre es una buena idea probar periódicamente nuevos anuncios “conceptuales” multivariables para intentar encontrar nuevas ideas que no hayas explorado en el pasado.

Ahora que sabemos el tipo de prueba que queremos realizar, ¿qué probamos realmente? Probablemente obtendrás cinco respuestas diferentes a esta pregunta si preguntas a cinco personas diferentes, así que solo te diré lo que hemos encontrado en las cientos de cuentas que hemos gestionado en los últimos años.

Comienza con pruebas A/B de titulares de anuncios. Al probar una variable como un titular, generalmente intento escribir cuatro variaciones, lo que por supuesto nos daría cuatro anuncios separados en un grupo de anuncios. Si estás obteniendo menos de 75-100 clics diarios para cualquier grupo de anuncios dado, considera escribir 2-3 anuncios en su lugar.

Tu titular no solo es el primer elemento de tu anuncio que lee un usuario; a menudo es la única parte del anuncio que recibe atención. Si alguien ve un titular de anuncio que realmente le gusta, a menudo hará clic en el anuncio sin leer el resto de lo que tienes que decir por ti mismo. Por el contrario, si el titular los desanima o no es precisamente lo que están buscando, probablemente te pasarán por alto y se moverán al siguiente anuncio en la página.

Hay mucha información para digerir en una página de resultados de motor de búsqueda, y la gente simplemente no tiene el tiempo o la fortaleza mental para leer y analizar cada línea de cada anuncio y resultado orgánico. No es algo que a los anunciantes nos guste (después de poner tanto trabajo en cada carácter de nuestros preciados anuncios), pero es la fría realidad con la que eventualmente tenemos que llegar a un acuerdo. Así que en menos palabras, prueba tus titulares primero. Espero que la mayoría de las personas estén de acuerdo con eso.

Siguiendo nuestra lógica, prueba tus líneas de texto de descripción a continuación. Si pruebas una línea a la vez o ambas líneas de texto de descripción de una sola vez depende de tu preferencia y del tipo de anuncio que estés escribiendo (¿hay un pensamiento distinto en cada línea o ambas líneas son un mensaje largo?).

Es una buena idea probar tus URLs de visualización ya que el CTR histórico de tus URLs de visualización juega un papel en tu Quality Score. No esperes ver resultados dramáticos de una prueba A/B en URLs de visualización (si hay una parte de tu anuncio que alguien no leerá, es la URL de visualización), pero pruébalas de todos modos por el bien del Quality Score y por el bien de hacer bien tu trabajo.

Qué probar específicamente es una discusión más larga para otro momento, pero siempre trato de pensar en los productos y servicios que estamos anunciando más en el contexto de sus beneficios emocionales para el cliente y menos en el contexto de sus características. Nadie compra una aspiradora porque quiere una aspiradora; compran una aspiradora porque quieren una habitación limpia. Hemos visto algunos resultados extraordinarios de pruebas A/B probando características VS. beneficios ("¡sin bolsa y compacta!" VS. “¡una casa tan limpia como tú después de una larga ducha caliente!”), y en casi todos los casos, destacar los beneficios y las recompensas emocionales siempre produce mejores resultados.

También considera la idea de lo que me gusta llamar calificadores. Calificar tus clics incluyendo precios en tus anuncios es una forma de disuadir clics indeseables de personas cuyo tráfico no quieres pagar.

Las pruebas A/B de páginas de destino también son algo que es altamente efectivo, pero con el advenimiento de herramientas y software complejos de páginas de destino A/B se ha convertido en una industria en sí misma y no necesita entrar en conflicto con tus pruebas divididas A/B de texto de anuncio.

Sería negligente no mencionar la idea de probar tu llamada a la acción. Por supuesto, tienes una llamada a la acción (¿verdad?), y es una gran idea probar diferentes CTAs para ver cuáles capturan la atención de tu audiencia de la manera más efectiva.

Ahora que sabemos cómo y qué probar, echemos un vistazo a cómo medimos y definimos los resultados de nuestras pruebas.

Significancia estadística

Si no tuviéramos una herramienta como Optmyzr, los próximos párrafos probablemente (definitivamente) te aburrirían hasta la muerte. No sé tú, pero preferiría ver secar la pintura que hablar, escribir o escuchar cualquier cosa que tuviera que ver con coeficientes, correlaciones y el santo grial de las mediciones estadísticas: los valores p.

Afortunadamente para todos nosotros, Optmyzr hace todo ese trabajo por nosotros. Pero solo por el bien de nuestro bienestar intelectual, una breve palabra sobre los valores p.

En una prueba estadística, un valor p nos dice cuán significativos, o científicamente interesantes, son nuestros resultados. Podemos encontrar que el titular A tuvo un CTR más alto que el titular B, pero ¿cuán seguros podemos estar de que veríamos los mismos resultados si realizáramos la misma prueba nuevamente? ¿Y nuevamente después de eso?

Nuestros valores p (también conocidos como nuestro intervalo de confianza) nos dicen cuán seguros podemos estar de que veríamos los mismos resultados repetidos, o en otras palabras, cuán confiables fueron nuestros hallazgos. Un valor p es solo un número generado por las ecuaciones estadísticas utilizadas para calcular la correlación entre nuestras variables, y dependiendo del campo de estudio, diferentes valores p representan diferentes umbrales de aceptabilidad.

En la profesión médica, cuando los resultados de una prueba pueden literalmente informar a un cirujano sobre una decisión de vida o muerte, se requiere un valor p de menos de .01 para determinar la fiabilidad. Para AdWords, un área de estudio ligeramente menos precaria, podríamos asumir que un valor p de menos de .05 es perfectamente aceptable. De hecho, en las ciencias sociales p<.05 es el punto de referencia para la fiabilidad.

En este punto probablemente estés pensando que si nunca vuelves a escuchar las palabras valor p sería demasiado pronto. Amén a eso, hermano. Te prometo, va a ser muchas imágenes coloridas de aquí en adelante.

Dado que este no es un tutorial para principiantes de Optmyzr, voy a asumir un conocimiento básico de trabajo del panel de control de Optmyzr.

Así que hemos configurado y lanzado nuestra prueba dividida, y ahora queremos ver si tenemos suficientes datos estadísticamente significativos para elegir a nuestros ganadores.

<img src=“https://lh5.googleusercontent.com/YU0PqGMKAcZRH7Xte2M40zHvAc8ZgTRtxoZIWiatil1aBazUN86SQfM5qnzvYGVvDMsl-UuIqF2BvD-u75UxRz4RVEkVomqxFTUvAuiVRSLNuFT49JihxsWajHtG-NJTlenV52B-ky1wEh9p" alt=” width=“576px;” height=“310px;” />

Navega hasta las pruebas A/B para anuncios en el menú desplegable de optimizaciones de un clic en Optmyzr.

Antes de analizar nuestros resultados, querrás echar un vistazo a la configuración que Optmyzr nos permite configurar.

<img style=“line-height: 1.5;” src=“https://lh4.googleusercontent.com/aGD1rrpJBlRAdzAH0DqPNAdewDzBrNuzRu9hO42uylYpc5UzNLeBFxOv1Kz3QkXBPIf3FSxzR7fvKxG1fptLW3hVX4Ie8omsgwL_jHg5UxtOfSzCp_kX3If7WQ_JCROofn6vG-z0V8vj0ClM" alt=” width=“576px;” height=“113px;” />

¿Recuerdas los valores p? Eso es a lo que OPTMYZR se refiere con Confianza Requerida. Por defecto está configurado en 95% (p<.05) y ese es un buen lugar para dejarlo. También puedes filtrar tus resultados por Tipo de Anuncio, Red, Impresiones Mínimas por Anuncio y el Rango de Fechas.

La opción importante a observar aquí es la lista de opciones de Parámetros. Como puedes ver en la primera imagen, Optmyzr establece nuestro parámetro en CTR por defecto. Esto significa que el análisis estadístico observará el CTR como nuestro indicador clave de rendimiento de elección para determinar el anuncio ganador. Como puedes ver en los resaltados verdes y rojos en la columna de CTR, el CTR es la métrica que se está “estudiando” en esta prueba.

También puedes elegir ejecutar los resultados de la prueba A/B utilizando la tasa de conversión y las conversiones por impresión como tu métrica de elección.

Para determinar qué parámetro debes usar depende de la estrategia detrás de los grupos de anuncios en los que estás probando anuncios. Si estás ejecutando una campaña más amplia y dirigida de manera flexible para dirigir tráfico a tu sitio para que puedas construir tus audiencias de remarketing o tu reconocimiento de marca, el CTR puede ser muy bien la métrica de elección para ti. Si tu campaña está diseñada para generar ganancias y un ROI positivo, entonces puede que desees analizar el rendimiento de tu anuncio en el contexto de la tasa de conversión.

Debido a que la campaña que estamos viendo aquí es una campaña de branding, me importa principalmente los visitantes al sitio, así que mantendré el CTR como nuestra métrica de elección.

<img style=“line-height: 1.5;” src=“https://lh5.googleusercontent.com/HvAdSmiUsKvu9xRF0Jg-cheRsbRiSK5yQKBmIoQ1EsEDTcmETuQ0U4iFXBhYTe3Ky_wAUn5BRZNejbw5pArJFC6eJYXSwnsyx0uULW3-XVKPKDjgYQho13z4aII5VLwnPjII7E4TLGTv65XI" alt=” width=“576px;” height=“356px;” />

Así que para esta prueba A/B estamos probando dos titulares diferentes. Basado en un nivel de confianza del 95%, Optmyzr genera un anuncio ganador utilizando el CTR como nuestra métrica de elección.

¿Pero puedes detectar algo incorrecto?

El anuncio ganador tiene un volumen mucho más alto de clics e impresiones que el anuncio perdedor. Esto se debe a que los anuncios en este grupo de anuncios no estaban configurados para rotar indefinidamente y Google estaba dando preferencia al anuncio que se esperaba que obtuviera más clics. Aunque los resultados de la prueba siguen siendo estadísticamente significativos, queremos que nuestros datos sean más equitativos en cuanto al volumen de clics e impresiones.

Pasemos a otra cuenta para ver cómo debería verse una prueba A/B adecuada.

En este ejemplo, realizamos una prueba A/B multivariable en dos conceptos generales de anuncios diferentes. Aunque el anuncio ganador todavía tiene bastantes más clics que el perdedor, el anuncio perdedor tiene suficiente volumen para dar una validez real a los resultados de esta prueba.

Observa otra cosa. Aunque mi parámetro de elección aquí sigue siendo el CTR, Optmyzr amablemente nos informa si otra de las métricas también coincide con la significancia estadística en nuestro intervalo de confianza deseado. En este ejemplo, el anuncio ganador también tiene una tasa de Conversión por Impresión estadísticamente significativa más alta que el anuncio perdedor. ¡Bueno saberlo!

Si te encuentras con casos en los que un anuncio gana en CTR pero pierde en tasa de conversión, necesitas pensar seriamente en la estrategia de la campaña y decidir en qué métrica basar tus optimizaciones.

Si no te has enamorado de Optmyzr, ¡lo harás ahora!

No solo hace que Optmyzr sea increíblemente fácil (y un poco divertido) ejecutar resultados de pruebas divididas AB en toda una cuenta de un solo golpe, sino que Optmyzr también te permite pausar los anuncios perdedores de cada prueba dividida con el clic de un botón.

Por defecto, Optmyzr selecciona todos los anuncios perdedores en todos los grupos de anuncios y pruebas A/B que tuvieron resultados estadísticamente significativos dentro de tus parámetros definidos.

Si estás satisfecho con los resultados, puedes hacer clic en el botón azul “Pausar anuncios seleccionados” en la esquina superior derecha y los anuncios perdedores se pausarán dentro de tu cuenta activa de AdWords. En serio, ¿qué tan genial es eso?

Pero ahora que has pausado uno de los anuncios, quieres escribir un nuevo anuncio en su lugar para poder realizar otra prueba A/B. Optmyzr tiene otra herramienta increíblemente útil que te permite hacer precisamente eso sin salir del panel de control.

Al hacer clic en el botón “Crear anuncio” en la esquina superior derecha de la sección de un grupo de anuncios, Optmyzr te presenta un cuadro de diálogo que te permitirá escribir un nuevo anuncio y publicarlo en vivo en el grupo de anuncios que seleccionaste. Aún mejor, Optmyzr te ofrece sugerencias para cada elemento del anuncio de texto basadas en resultados de datos históricos y pruebas A/B anteriores realizadas en la cuenta.

<img style=“line-height: 1.5;” src=“https://lh3.googleusercontent.com/Do7LnbqTnkz73RpXNMHS0jts4pgKUMku5raOor6Khz9gE47kU_A5tv0LhWkAUVNNagEYRH2D6GGqvew6dIAUpSkFZNqY3cnKs4HOJUZUYMln1hEhZUPeqr7uyU_JfqcYs-MkuZgozv5v-AfI" alt=” width=“576px;” height=“291px;” />

Como puedes ver, OPTMYZR ofrece una solución completamente exhaustiva para realizar pruebas divididas A/B de manera fácil, estéticamente simple e intuitiva.

La mejor manera de entender cómo funciona es simplemente entrar y experimentar con los diferentes parámetros. Una vez que le tomes el ritmo, realizar lo que de otro modo habría sido un análisis complejo te llevará un par de minutos.

Conclusión

La prueba dividida A/B de copias de anuncios se pasa por alto a pesar de ser una de las formas más confiables y efectivas de optimización. Debido a sus complejidades y ambigüedades inherentes, tendemos a ignorarla eligiendo las copias ganadoras más basándonos en nuestra intuición que en resultados estadísticamente sólidos.

La herramienta de prueba dividida A/B de Optmyzr realmente cambia eso para muchas personas al simplificar una tarea compleja y hacerla increíblemente fácil y sin complicaciones de realizar regularmente y de manera efectiva.

Aunque confiamos mucho en la evidencia estadística con las pruebas A/B, es crucial expresar tu voz creativa y usar tu sentido intuitivo para determinar qué, dónde y cómo probar. Al combinar tu personalidad única y un buen análisis estadístico, estarás probando A/B como un profesional.

Nuevamente, es fácil volverse complaciente en un cierto patrón con las pruebas A/B, así que recuérdate cada par de meses (o semanas) volver a la mesa de dibujo y probar algunos anuncios de “concepto” nuevos.

Si tienes datos interesantes sobre pruebas A/B que hayas realizado en el pasado, me encantaría conocerlos. Por supuesto, cualquier comentario o pregunta es más que bienvenido (déjalos abajo), y me aseguraré de responderte.

Si has llegado hasta aquí, realmente aprecio que te hayas tomado el tiempo para leer este post. Espero con ansias la próxima vez…

¡Felices pruebas!

Aprende más sobre cómo gestiono cuentas de AdWords en Adventure PPC.