Cómo montar tu primer programa de experimentación siendo una marca nueva

La mayoría de los artículos sobre programas de experimentación están escritos para empresas que ya tienen uno. Dan por hecho un equipo de growth, un stack de analítica y alguien cuyo cargo contiene la palabra "optimización". Si eres una marca que lanzó hace ocho meses y tiene a una persona haciendo marketing, paid y atención al cliente, ninguno de esos consejos te sirve.

Este está escrito para esa situación. El objetivo no es montar el programa que montaría una empresa de cien personas. Es que en una semana estés lanzando experimentos que te enseñen algo de verdad, con la gente que tienes.

Empieza por una decisión, no por un test#

El instinto cuando estrenas una herramienta de testing es mirar tu web y buscar cosas que cambiar. El color del botón. El titular. El orden de las secciones. Es la forma más rápida de quemar tres meses y no aprender nada.

El punto de partida bueno es una decisión sobre la que ya estáis discutiendo internamente. ¿La ficha de producto debe abrir con el precio o con la garantía? ¿El tráfico de pago aterriza en la home o directamente en el producto? ¿El umbral de envío gratis se ve en la cabecera?

Esas discusiones valen porque alguien ya cree algo sobre ellas. Un experimento convierte una opinión en evidencia. Un test aleatorio de color de botón convierte nada en nada.

Apunta las tres decisiones sobre las que más discrepáis. Ese es tu backlog. Será mejor que cualquier lista de "50 ideas de CRO" que encuentres, porque va sobre tu negocio.

Una hipótesis, bien escrita#

Una hipótesis no es "vamos a probar un add-to-cart fijo". Una hipótesis tiene tres partes: qué cambias, para quién lo cambias y qué esperas que pase.

"Para visitantes nuevos en móvil, hacer que el botón de añadir al carrito quede fijo abajo aumentará el add-to-cart, porque el botón actual desaparece de pantalla antes de que el usuario termine de leer la descripción."

Esa frase hace mucho trabajo. Nombra el segmento, así que no diluyes el efecto entre una audiencia a la que nunca iba dirigido. Nombra el mecanismo, así que si gana entiendes por qué y puedes aplicar el aprendizaje en otro sitio. Y nombra la métrica, así que luego no puedes salir a buscar el número que quede bien.

En Bixlow escribes exactamente esa frase en el chat y la plataforma la convierte en un experimento configurado: la variante, las condiciones de audiencia, la métrica principal y el guardrail. Revisas el blueprint antes de que nada salga a producción. La disciplina de escribir la hipótesis es la parte que importa; la configuración es la parte que no deberías tener que hacer a mano.

Elige una métrica y defiéndela#

Las marcas nuevas casi siempre miden demasiadas cosas. El informe del experimento acaba con doce números, tres de los cuales se movieron, y el equipo se queda con el que respalda la decisión que ya quería tomar.

Elige una métrica principal antes de lanzar. En una ficha de producto de ecommerce suele ser la compra, no el add-to-cart. El add-to-cart es más fácil de mover y mucho menos significativo: es la métrica que hace que los experimentos parezcan exitosos mientras la facturación sigue plana.

Después elige un guardrail: lo que no puede empeorar. El revenue por sesión es la elección habitual en ecommerce. Si la variante sube el add-to-cart un 9% y baja el revenue por sesión un 4%, no has ganado. Has movido el problema más abajo en el funnel.

Bixlow lo obliga en la configuración. No puedes lanzar sin métrica principal, y el panel de resultados enseña el guardrail al lado de la métrica principal en vez de a tres pantallas de distancia, para que no puedas leer una sin la otra por accidente.

Asume que lanzarás menos tests de los que quieres#

Esta es la parte que más cuesta a las marcas nuevas. Con 400 sesiones al día en tus fichas de producto no vas a lanzar cuatro experimentos al mes. Igual lanzas uno, y puede que necesite tres semanas.

No es un fallo de tu herramienta, es aritmética. Detectar una mejora relativa del 5% sobre una conversión del 2% necesita decenas de miles de sesiones por variante. Si lanzas el lunes y lo cierras el viernes porque la gráfica está verde, no has medido nada: has mirado ruido y has tomado una decisión.

De ahí salen dos cosas. Primera, prueba cambios grandes. Una marca con poco tráfico no puede permitirse testear microcopy; solo puede detectar efectos lo bastante grandes como para venir de cambios reales: otra estructura de página, otra oferta, otro punto de entrada para el tráfico de pago. Segunda, sé honesto con lo que puedes concluir. Bixlow te enseña el tamaño de muestra que necesitas antes de lanzar y se niega a declarar ganador antes de que haya evidencia, precisamente para que la tentación de cerrarlo antes deje de ser una tentación.

Tu primer mes, en concreto#

Semana uno: escribe vuestras tres decisiones discutidas como hipótesis. Elige la de mayor efecto esperado, no la más fácil de construir.

Semana dos: lánzala. Fija la métrica principal, fija el guardrail, deja que Bixlow calcule la duración. Y después déjalo en paz. En serio: no mires el panel a diario, porque vas a leer ruido como señal y vas a querer pararlo antes.

Semanas tres y cuatro: déjalo correr. Mientras tanto, escribe las dos hipótesis siguientes. Cuando la primera termine, gane o pierda, apunta en una frase qué has aprendido sobre tus clientes. Esa frase, acumulada durante un año, es el activo de verdad. Los resultados sueltos de cada test, no.

Claves#

• Empieza por decisiones sobre las que ya discutís, no por una lista genérica de ideas de CRO.
• Una hipótesis nombra el cambio, el segmento y el efecto esperado; si no, no puedes aprender del resultado.
• Una métrica principal y un guardrail. Add-to-cart sin revenue por sesión es cómo los experimentos parecen exitosos mientras el negocio no se mueve.
• Con poco tráfico se prueban menos cosas y más grandes. Es aritmética, no una limitación de tu herramienta.