La calidad de los datos es lo más importante para conseguir la mejor experiencia del cliente (CX) tras la prueba correspondiente. No puedes formular hipótesis válidas y comprobables utilizando datos cuestionables. Y no puedes confiar en los resultados de tus pruebas, si no sabes que estás buscando métricas precisas.
Por esta razón, es necesario construir un programa de prueba en torno a un conjunto de datos de fuente de información centralizada o Single Source of Truth (SSOT). Si no se pudiera, incluso la prueba A/B más simple carecería de valor.
En este artículo detallaremos todo lo relacionado con una SSOT y por qué es tan importante establecerlo en una empresa. ¡Sigue leyendo!
Tabla de contenidos
La toma de decisiones empresariales debe basarse en datos. Mantener una SSOT significa que para la experimentación de CX, o cualquier otra función, se estandariza en una fuente de datos como la "verdad" definitiva en torno a la cual realiza el trabajo de ese equipo e informa las decisiones de la empresa.
Sin una SSOT, se corre el riesgo de que los datos se fragmenten en lugares protegidos por diferentes equipos para diferentes funciones. Por tanto, no hay estandarización, consenso, ni forma de saber si alguien está tomando decisiones basándose en la mejor información disponible.
Una SSOT no es una tecnología o un sistema en particular. Es una práctica empresarial diseñada para obtener resultados óptimos de las actividades de un equipo. Infinidad de empresas han ahorrado millones al cambiar a una estrategia de datos SSOT sin tener que tocar el trabajo subyacente.
Los estudios han demostrado que las métricas de comportamiento del cliente de alta calidad siguen siendo los datos más buscados para informar las decisiones estratégicas. Durante varios años consecutivos, en la encuesta anual de directores ejecutivos de PricewaterhouseCoopers, los directores ejecutivos lo califican como la métrica más importante que desean para la planificación estratégica.
Los test A/B son un método para experimentar con sitios web, aplicaciones móviles o anuncios mediante la comparación del rendimiento de una versión original (la versión A o de control) con una versión B modificada. El objetivo es recopilar datos de rendimiento para cada uno, realizar análisis estadísticos y determinar, en función de los datos, qué versión funciona mejor.
Los test A/B son útiles para múltiples aspectos, no solo para probar elementos de una página web. Por ejemplo, se puede usar para optimizar precios, validar características de productos y personalizar sitios web para diferentes segmentos de visitantes. Además, las pruebas A/B son la base de muchas otras técnicas de optimización de la experiencia del cliente, incluidas las pruebas multivariadas, la recomendación de productos y la orientación basada en perfiles.
Mientras que una prueba A/B compara una versión antigua con una nueva de su producto o página, una prueba A/A compara lo similar con lo similar. ¿Por qué querrías hacer esto? Para que puedas comparar los datos generados por cada plataforma de monitoreo.
En la prueba A/A, ambas variaciones son iguales, pero los usuarios que las vean serán diferentes.
La cantidad de visitantes o visitas rastreadas por las herramientas de análisis nunca coincidirá con precisión con los usuarios y las sesiones reales. Sin embargo, puedes asegurarte de que las visitas se cuenten de la misma manera en sus plataformas analíticas y A/B para disminuir la discrepancia.
Como ejemplo, en Google Analytics, hay dos formas de finalizar una visita:
Muchas plataformas de tests A/B no se ejecutan en Internet Explorer, por lo que cualquier visita en ese navegador se excluye automáticamente de los informes de experimentos. Pero éste navegador aún podría causar una discrepancia de datos si se dirige a grandes organizaciones heredadas que lo utilizan.
Otro posible problema de seguimiento es que Google Analytics es compatible con todas las versiones del navegador, mientras que las herramientas de prueba A/B suelen mantener una compatibilidad total solo con las últimas versiones.
Mantén tu conjunto de datos SSOT lo más limpio posible al recopilar solo datos de miembros legítimos de la audiencia. No ensucies tus datos con bots, trolls, errores de seguimiento u otro tráfico atípico. No tienes que preocuparte por las disminuciones de volumen porque la calidad de los resultados aumentará, siendo lo realmente importante.
Las herramientas avanzadas de prueba A/B ofrecen varias configuraciones de filtrado de bots listas para usar. Por ejemplo, pueden eliminar automáticamente el tráfico de las estadísticas recopiladas si detectan un comportamiento atípico o si la sesión cae en una condición de actividad sospechosa.
También pueden excluir el tráfico interno de su organización. Recuerda, el objetivo de crear este conjunto de datos SSOT es tener una fuente definitiva de datos sobre sus clientes reales.
Muchos visitantes usan bloqueadores de anuncios como Adblock, Ghostery y uBlock. Algunos bloqueadores de anuncios también pueden bloquear los rastreadores del lado del cliente, incluidos los eventos de análisis de las herramientas de experimentación.
Si una parte significativa de tus visitantes tienen bloqueadores de anuncios habilitados en su navegador, existe una alta probabilidad de que la cantidad de visitas registradas varíe entre su herramienta de prueba A/B y su plataforma de análisis.
La colocación de fragmentos es una causa común de las discrepancias de datos, especialmente si deseas ejecutar un experimento que apunte a un sitio completo. La razón es que muchas herramientas de experimentación tratan el "sitio completo" como todas las páginas que contienen su fragmento de código. Esto podría incluir tu sitio de prueba si tienes fragmentos copiados en ese lugar, siendo un aspecto a tener en cuenta.
Establecer una SSOT es el primer paso para realizar pruebas mejores, más confiables y más perspicaces. Esto se consigue eliminando las discrepancias, estableciendo una única fuente de información y reuniendo a los equipos en torno a un conjunto de datos común.
Por tanto, llegamos a la conclusión de que Google Analytics y una herramienta de prueba no se ejecutan en las mismas páginas. Google Analytics rastrea todo el tráfico que se dirige a una página de resultados de búsqueda.
Si bien ambas páginas tienen el mismo aspecto, las URL son diferentes, lo que crea una discrepancia de datos. Sin embargo, una vez resueltos, consigues una SSOT confiable para probar datos y generar una gran cantidad de conocimientos valiosos.
