Para la priorización de tests A/B en el contexto de la optimización de la tasa de conversión (CRO), existen varios frameworks que pueden ser útiles.
Estos frameworks ayudan a evaluar y clasificar las ideas de pruebas según su potencial impacto, urgencia, y viabilidad.
Aquí te presento algunos de los más conocidos y efectivos:
El método PIE, para priorizar tus test A/B.
PIE es un acrónimo de tres criterios clave: Potencial, Importancia y Facilidad.
Potencial (Potential).
Este criterio evalúa cuánto se puede mejorar una página o un elemento específico.
Para determinar el potencial, debes considerar varios factores, como las métricas actuales y los comentarios de los usuarios.
Si una página tiene una tasa de conversión baja, pero recibe mucho tráfico, podría tener un alto potencial para mejorar.
Las preguntas que te puedes hacer :
– ¿Como está funcionando actualmente la página o el elemento?
– ¿Hay evidencia de problemas o áreas de mejora?
– ¿Cómo impactarán los cambios en el resultado?
Importancia (Importance).
Se refiere a la importancia de la página o elemento en tu sitio web o aplicación.
Una página que recibe una gran cantidad de tráfico o que es fundamental para el embudo o flujo de conversión será más importante que una que recibe menos visitas o tiene un papel menos crítico.
Considera aspectos como:
– ¿Cuánto tráfico recibe la página?
– ¿Qué papel juega esta página en el embudo o flujo de conversión?
– ¿Cómo afecta esta página a los objetivos de negocio?
Facilidad (Ease).
Evalúa como de fácil o difícil será implementar el test.
Considerando los recursos necesarios, como el tiempo, el esfuerzo y el costo.
Un test que es fácil de implementar y requiere pocos recursos podría tener una puntuación alta en facilidad, mientras que una que requiere cambios significativos en el código o diseño del sitio podría tener una puntuación baja.
Preguntas relevantes:
– ¿Cuánto tiempo y recursos se necesitarán para implementar el test?
– ¿Se requieren habilidades técnicas o herramientas especiales?
– ¿Cuál es el costo asociado con la realización del test?.
Cómo se Utiliza el Método PIE.
Para usar PIE, asignas una puntuación a cada uno de los tres criterios para cada test que estás considerando.
Estas puntuaciones suelen estar en una escala de 1 a 10.
Luego, sumas las puntuaciones para obtener un total para cada test.
Los test con las puntuaciones más altas se consideran prioritarios.
Por ejemplo, si un test tiene un alto potencial de mejora, es muy importante debido a su alto tráfico y es relativamente fácil de implementar, recibiría puntuaciones altas en los tres criterios y, por lo tanto, sería una alta prioridad.
El método PIE proporciona un enfoque estructurado y equilibrado para la priorización, considerando no solo el impacto potencial sino también la importancia y la viabilidad de implementación de los test
El método ICE, para priorizar tus test A/B.
Utilizado para priorizar tests, especialmente útil en la optimización de la tasa de conversión (CRO) y en entornos ágiles.
ICE es un acrónimo de tres criterios clave: Impacto, Confianza y Facilidad (del inglés, Impact, Confidence, Ease).
Vamos a desglosar cada uno de estos criterios:
Impacto (Impact).
Este criterio evalúa el impacto potencial que se espera que tenga el test en las métricas principlaes o en los objetivos mas importantes del negocio.
Un test que se espera que tenga un gran impacto en la tasa de conversión, el engagement del usuario o cualquier otra métrica importante recibiría una puntuación alta en este criterio.
Las preguntas para evaluar el impacto:
– ¿Como es de importante el cambio que se quiere probar?
– ¿En qué medida se espera que este cambio afecte las métricas importantes o los objetivos de negocio?
– ¿Este test podría llevar a una mejora importante en la experiencia del usuario o en el rendimiento del negocio?
Confianza (Confidence).
Este criterio se refiere a la seguridad que tienes en que el test tendrá el impacto esperado.
La confianza puede basarse en datos históricos, investigaciones previas, intuiciones expertas o cualquier otra forma de evidencia que respalde la hipótesis del test.
Un test basado en una hipótesis sólida y respaldado por datos relevantes tendría una puntuación alta en confianza.
Considera aspectos como:
– ¿Qué tan bien fundamentada está la hipótesis del test?
– ¿Hay datos o investigaciones previas que respalden la idea de que el cambio tendrá un impacto positivo?
– ¿Qué nivel de certeza tienes en los resultados esperados del test?
Facilidad (Ease).
Este criterio evalúa qué tan fácil o difícil será implementar el test.
Esto incluye consideraciones sobre los recursos necesarios, como el tiempo, el esfuerzo, el costo y la complejidad técnica.
Un test que es fácil de implementar y requiere pocos recursos recibiría una puntuación alta en facilidad, mientras que uno que requiere cambios significativos, tiempo y esfuerzo recibiría una puntuación baja.
Preguntas relevantes:
– ¿Cuánto tiempo y recursos se necesitarán para implementar el test?
– ¿Se requieren habilidades técnicas especiales o herramientas adicionales?
– ¿Cuál es el costo asociado con la realización del test?
Cómo se Utiliza el Método ICE.
Para usar ICE, asignas una puntuación a cada uno de los tres criterios para cada test que estás considerando.
Estas puntuaciones suelen estar en una escala de 1 a 10.
Luego, sumas las puntuaciones para obtener un total para cada test.
Los tests con las puntuaciones más altas se consideran prioritarios.
Por ejemplo, si un test tiene un alto impacto esperado, una alta confianza en los resultados y es relativamente fácil de implementar, recibiría puntuaciones altas en los tres criterios y, por lo tanto, sería una alta prioridad.
El método ICE proporciona un enfoque estructurado y equilibrado para la priorización, considerando no solo el impacto potencial sino también la confianza en los resultados esperados y la facilidad de implementación.
Esto ayuda a los equipos a tomar decisiones informadas sobre dónde concentrar sus esfuerzos de optimización para obtener el máximo retorno de la inversión.
El método RICE, para priorizar tus test A/B.
es un marco de trabajo utilizado para priorizar proyectos, incluyendo tests A/B, especialmente en contextos donde es importante considerar el alcance y el esfuerzo, además del impacto y la confianza.
RICE es un acrónimo de cuatro componentes clave: Alcance (Reach), Impacto (Impact), Confianza (Confidence) y Esfuerzo (Effort).
Vamos a desglosar cada uno de estos componentes:
Alcance (Reach)
Este componente evalúa cuántas personas se espera que afecte el test o proyecto en un período determinado (por ejemplo, un mes o un trimestre).
El alcance puede medirse en número de usuarios, páginas vistas, transacciones, u otras métricas relevantes.
Un proyecto que afecta a una gran parte de tu audiencia o base de clientes tendría un alcance alto.
Consideraciones para evaluar el alcance incluyen:
– ¿Cuántas personas se verán afectadas por este test o proyecto?
– ¿Qué porcentaje del total de tu audiencia o base de clientes representa este número?
Impacto (Impact).
Similar al método ICE, este componente evalúa el impacto potencial del test en tus objetivos.
A diferencia del alcance, que es cuantitativo, el impacto es más cualitativo y se basa en tu mejor juicio.
Por ejemplo, podrías clasificar el impacto en una escala de «mínimo» a «masivo».
Preguntas para considerar incluyen:
– ¿En qué medida se espera que este test afecte las métricas clave o los objetivos de negocio?
– ¿Cómo mejorará este proyecto la experiencia del usuario o el rendimiento del negocio?
Confianza (Confidence).
Este componente mide tu nivel de confianza en que el test logrará los resultados esperados.
La confianza puede basarse en datos históricos, investigaciones previas, o tu intuición experta.
Un proyecto con mucha evidencia o datos que respaldan su éxito tendría una alta confianza.
Aspectos a considerar son:
– ¿Qué tan seguros estamos de nuestras estimaciones de alcance e impacto?
– ¿Hay datos o investigaciones previas que respalden nuestras hipótesis?
Esfuerzo (Effort).
Este componente evalúa la cantidad de trabajo requerido para completar el test o proyecto.
El esfuerzo se mide generalmente en «personas-mes», que es la cantidad de trabajo que una persona puede realizar en un mes.
Un proyecto que requiere mucho tiempo y recursos tendría un esfuerzo alto.
Preguntas relevantes:
– ¿Cuánto tiempo y recursos se necesitarán para implementar este proyecto?
– ¿Cuál es la complejidad técnica o logística involucrada?
Cómo se Utiliza el Método RICE.
Para calcular la puntuación RICE de un proyecto, multiplicas el Alcance, el Impacto y la Confianza, y luego divides el resultado por el Esfuerzo.
La fórmula sería:
Puntuación RICE = Alcance X Impacto X Confianza / Esfuerzo.
Por ejemplo, un proyecto con un alto alcance, un impacto significativo y una alta confianza, pero que requiere un esfuerzo considerable, podría tener una puntuación RICE más baja que un proyecto con un impacto moderado pero que requiere mucho menos esfuerzo.
El método RICE es valioso porque proporciona un enfoque equilibrado que considera no solo el impacto potencial y la confianza en los resultados, sino también el alcance del impacto y el esfuerzo requerido para implementar el proyecto.
Esto ayuda a los equipos a tomar decisiones más informadas sobre dónde concentrar sus esfuerzos para obtener el máximo retorno de la inversión.
El modelo PXL, para priorizar tus test A/B.
Desarrollado por Peep Laja de Conversion XL, es un método avanzado para la priorización de test A/B, en #cro.
Este modelo busca superar algunas de las limitaciones de otros métodos de priorización como ICE o PIE, proporcionando un enfoque más matizado y basado en datos.
Componentes Clave del Modelo PXL.
Evidencia Cualitativa y Cuantitativa,
Se evalúa si el test se basa en insights obtenidos de datos cualitativos (como feedback de usuarios) y cuantitativos (como análisis de datos).
Importancia de la Heurística y usabilidad,
Se considera si el test aborda problemas identificados en una evaluación heurística de la experiencia del usuario.
Mejora potencial,
Se evalúa la mejora que pude aportar basándose en la ubicación en el embudo de conversión y en métricas actuales.
Impacto en la Satisfacción del Cliente,
Se considera si el test podría tener un impacto significativo en la satisfacción del cliente.
Facilidad de Implementación,
Se tiene en cuenta la facilidad o dificultad para implementar el test.
Facilidad para medir los resultados,
Se evalúa si será fácil medir el impacto del test, en términos de resultados.
Nuevo vs. Existente,
Se toma en consideración si el test es para algo nuevo (como una nueva función) o para mejorar algo existente.
Tipo de test,
Se distingue entre un test con una propuesta de cambios grandes) y uno iterativo (mejoras pequeñas).
Ventajas del Modelo PXL
-Basado en Datos: Al requerir evidencia cualitativa y cuantitativa, el modelo PXL fomenta un enfoque más basado en datos para la toma de decisiones.
-Mayor Precisión en la Priorización: Al evaluar múltiples factores, el modelo PXL permite una priorización más precisa y matizada de los test A/B.
-Fomenta la Innovación y la Mejora Continua: Al diferenciar entre test con grandes cambios e iterativos, el modelo anima a considerar tanto mejoras incrementales como innovaciones más significativas.
Implementación del Modelo PXL.
Para implementar el modelo PXL, se asignan puntuaciones a cada uno de los componentes para cada test propuesto.
Luego, se suman estas puntuaciones para obtener una puntuación total que ayuda a determinar la prioridad del test.
Este enfoque sistemático y detallado hace que el modelo PXL sea especialmente útil en entornos donde se realizan muchos test y se necesita una metodología robusta para gestionar y priorizar eficazmente estas actividades.
El modelo MoSCoW, para priorizar tus test A/B.
Es un método de priorización utilizado en la gestión de proyectos, incluyendo el desarrollo de software y la optimización de la tasa de conversión (CRO).
Este modelo ayuda a los equipos a clasificar sus tareas o características en función de su importancia.
MoSCoW es un acrónimo de cuatro categorías de prioridad: Must have (Debe tener), Should have (Debería tener), Could have (Podría tener) y Won’t have (No tendrá).
Vamos a explorar cada una de estas categorías:
Must have (Debe tener).
Estas son las tareas o características esenciales que el proyecto necesita para ser exitoso.
Son no negociables y críticas para la entrega del proyecto.
En el contexto de los tests A/B, serían aquellos tests que abordan problemas críticos o oportunidades que pueden tener un impacto significativo en los objetivos clave del negocio.
Ejemplos, podrían incluir cambios que afectan directamente la legalidad, la seguridad, o funciones esenciales del producto.
Should have (Debería tener)
Estas tareas son importantes pero no esenciales; el proyecto sería viable sin ellas, pero su inclusión aportaría un valor significativo.
En A/B testing, serían tests que se espera que mejoren el rendimiento o la experiencia del usuario, pero cuya ausencia no sería crítica.
A menudo, estas tareas se incluyen si el tiempo y los recursos lo permiten.
Could have (Podría tener).
Estas son tareas deseables que tienen un impacto menor en el proyecto.
Se consideran solo después de que se han satisfecho las tareas ‘Must have’ y ‘Should have’.
En el ámbito de los tests, podrían ser mejoras menores o experimentos basados en hipótesis menos seguras.
Estas tareas se realizan si hay suficientes recursos y tiempo después de completar las tareas más prioritarias.
Won’t have (No tendrá).
Estas tareas o características se acuerdan que no serán realizadas en este ciclo del proyecto.
No son una prioridad y pueden ser consideradas para futuros proyectos.
En A/B testing, serían ideas que se reconocen como de baja prioridad o que no alinean bien con los objetivos actuales del negocio.
Cómo se Utiliza el Modelo MoSCoW.
– El modelo MoSCoW se utiliza durante la planificación del proyecto para clasificar tareas o características según su prioridad.
– Facilita la toma de decisiones y la gestión de expectativas tanto para los equipos de trabajo como para los stakeholders.
– Ayuda a asegurar que los recursos se enfoquen en las áreas más críticas y valiosas del proyecto.
El modelo MoSCoW es particularmente útil en entornos donde los recursos son limitados y es necesario tomar decisiones difíciles sobre qué incluir y qué dejar fuera en un proyecto.
Proporciona un marco claro para priorizar el trabajo, lo que ayuda a los equipos a concentrarse en lo que realmente importa y a entregar resultados efectivos.
Cada uno de estos frameworks tiene sus propias fortalezas y puede ser más adecuado para diferentes tipos de proyectos o equipos.
La elección del framework adecuado dependerá de tus objetivos específicos, recursos disponibles, y la naturaleza de los tests que planeas realizar.
La clave es encontrar un balance entre el impacto potencial, la confianza en los resultados esperados, y la facilidad o viabilidad de implementación del test.