En muchas ocasiones me realizan preguntas similares a estas:
El problema es que estas decisiones no están basadas en datos, sino en suposiciones.
Déjame poner un ejemplo...
¿Cuál es la probabilidad que tienes de sacar cara cada vez que arrojas una moneda al aire? 1 en 2, es decir, 50%. ¿Correcto?

Pero que pasa si arrojo una moneda al aire 3 veces, y todos esas veces obtengo "cara". ¿Puedo deducir que la posibilidad de sacar "cara" es del 100% y por lo tanto que cada vez que arroje la moneda obtendré "cara"? Por supuesto que no. Bueno, eso es lo que muchas veces hacemos con nuestras pruebas en el marketing digital. Y es una de las principales razones por la que no logramos rentabilizar nuestras campañas.
Tomamos decisiones con datos insuficientes.
Si arrojas esa moneda unas 100 veces, o mejor aún, unas 1,000 veces verás que la probabilidad se acerca a 50%. Necesitas un mínimo de muestras para que tus datos sean estables y ciertos. Esto es lo que se llama SIGNIFICANCIA ESTADÍSTICA.
¿Cuántas mediciones necesitamos tomar para que nuestras decisiones estén basadas en datos?
La significancia estadística es particularmente importante cuando tienes poco volumen (o pocas muestras) y quieres saber que tan seguro es que esa tendencia se mantendrá en el tiempo. Lo que debemos buscar es tener una certeza de, como mínimo, un 90% de que los resultados se mantendrán constantes aunque tomemos más muestras.
Para calcularla vamos a usar la siguiente calculadora: AB split test graphical calculator. En la calculadora ingresaremos la cantidad de muestras en la columna Trial y la cantidad de resultados deseables en la columna Successes.
Pero mejor lo veamos con un ejemplo:
Estoy probando 2 anuncios y quiero determinar cuál de los dos me genera más ventas.
PRIMERA PRUEBA:
Anuncio A: 300 clicks, 1 conversión
Anuncio B: 300 clicks, 3 conversiones
Estos son los resultados que me arroja la calculadora:

Es decir, tengo un 85% de probabilidad de que el anuncio B siga siendo el mejor de los 2. Un buen comienzo, pero dado que aún no es mayor al 90%, significa que necesito seguir probando.
Dejo mi campaña activa por un día más y al día siguiente tengo los siguientes datos:
SEGUNDA PRUEBA:
Anuncio A: 500 clicks, 8 conversión
Anuncio B: 500 clicks, 3 conversiones
Ingreso esos valores en la calculadora y esto es lo que obtengo:

Luego de enviarles 200 clicks adicionales a cada anuncio, el segundo anuncio no volvió a convertir quedando solo con 3 conversiones. Sin embargo, el anuncio A tuvo varias conversiones. Según la calculadora, ahora tengo un 94% de seguridad que el anuncio A es el mejor. Por lo tanto, con bastante certeza puedo ir a mi fuente de tráfico y quitar el anuncio B.
Si hubiera quitado el anuncio A al principio, estaría usando el peor de los 2 anuncios. Todo por tomar decisiones basadas en datos insuficientes.
Así que la próxima vez que quieras probar anuncios, landing pages, ofertas u otras variables calcula la significancia estadística y toma tus decisiones de forma inteligente.
Basa tus decisiones en DATOS, no emociones o suposiciones.
TIP: Cuando estés realizando pruebas en tus campañas no importa cuanto dinero inviertes, sino cuantas muestras o datos obtienes con ese dinero.
- ¿Cuántos días debo rotar dos anuncios antes de quedarme con el mejor?
- ¿Cuánto dinero debo gastar para probar dos variantes de landing pages?
- Envié 300 visitantes a la oferta A y 300 a la oferta B, pero la oferta A me convirtió 3 veces y la oferta B solo 1. ¿Debo eliminar la oferta B y enviar todo el tráfico a la oferta A?
El problema es que estas decisiones no están basadas en datos, sino en suposiciones.
Déjame poner un ejemplo...
¿Cuál es la probabilidad que tienes de sacar cara cada vez que arrojas una moneda al aire? 1 en 2, es decir, 50%. ¿Correcto?

Pero que pasa si arrojo una moneda al aire 3 veces, y todos esas veces obtengo "cara". ¿Puedo deducir que la posibilidad de sacar "cara" es del 100% y por lo tanto que cada vez que arroje la moneda obtendré "cara"? Por supuesto que no. Bueno, eso es lo que muchas veces hacemos con nuestras pruebas en el marketing digital. Y es una de las principales razones por la que no logramos rentabilizar nuestras campañas.
Tomamos decisiones con datos insuficientes.
Si arrojas esa moneda unas 100 veces, o mejor aún, unas 1,000 veces verás que la probabilidad se acerca a 50%. Necesitas un mínimo de muestras para que tus datos sean estables y ciertos. Esto es lo que se llama SIGNIFICANCIA ESTADÍSTICA.
¿Cuántas mediciones necesitamos tomar para que nuestras decisiones estén basadas en datos?
La significancia estadística es particularmente importante cuando tienes poco volumen (o pocas muestras) y quieres saber que tan seguro es que esa tendencia se mantendrá en el tiempo. Lo que debemos buscar es tener una certeza de, como mínimo, un 90% de que los resultados se mantendrán constantes aunque tomemos más muestras.
Para calcularla vamos a usar la siguiente calculadora: AB split test graphical calculator. En la calculadora ingresaremos la cantidad de muestras en la columna Trial y la cantidad de resultados deseables en la columna Successes.
Pero mejor lo veamos con un ejemplo:
Estoy probando 2 anuncios y quiero determinar cuál de los dos me genera más ventas.
PRIMERA PRUEBA:
Anuncio A: 300 clicks, 1 conversión
Anuncio B: 300 clicks, 3 conversiones
Estos son los resultados que me arroja la calculadora:

Es decir, tengo un 85% de probabilidad de que el anuncio B siga siendo el mejor de los 2. Un buen comienzo, pero dado que aún no es mayor al 90%, significa que necesito seguir probando.
Dejo mi campaña activa por un día más y al día siguiente tengo los siguientes datos:
SEGUNDA PRUEBA:
Anuncio A: 500 clicks, 8 conversión
Anuncio B: 500 clicks, 3 conversiones
Ingreso esos valores en la calculadora y esto es lo que obtengo:

Luego de enviarles 200 clicks adicionales a cada anuncio, el segundo anuncio no volvió a convertir quedando solo con 3 conversiones. Sin embargo, el anuncio A tuvo varias conversiones. Según la calculadora, ahora tengo un 94% de seguridad que el anuncio A es el mejor. Por lo tanto, con bastante certeza puedo ir a mi fuente de tráfico y quitar el anuncio B.
Si hubiera quitado el anuncio A al principio, estaría usando el peor de los 2 anuncios. Todo por tomar decisiones basadas en datos insuficientes.
Así que la próxima vez que quieras probar anuncios, landing pages, ofertas u otras variables calcula la significancia estadística y toma tus decisiones de forma inteligente.
Basa tus decisiones en DATOS, no emociones o suposiciones.
TIP: Cuando estés realizando pruebas en tus campañas no importa cuanto dinero inviertes, sino cuantas muestras o datos obtienes con ese dinero.