El mundo digital cada día cobra más fuerza. Pequeñas y grandes empresas son conscientes de las grandes oportunidades que ofrece Internet para sus negocios y que una inversión bien planteada puede dar grandes beneficios en sus negocios. Pero, para conseguir todo ello, se necesitan estrategias y metodologías que ayuden a desarrollar los negocios dentro de los canales digitales.
Una parte que en Bring consideramos fundamental son los datos. Poder medir y obtener resultados para nosotros es fundamental, ya que nos permite obtener y cuantificar qué resultados se están obteniendo y cómo se puede mejorar.
Hoy queremos hablarte de los diferentes frameworks de priorización de hipótesis que existen cuando trabajamos CRO.
Índice de contenidos
Definición de CRO
Cuando hablamos sobre qué es CRO nos referimos al proceso o al conjunto de técnicas y herramientas que utilizamos para mejorar el rendimiento de un negocio a través de su sitio web respecto a su tasa de conversión. Es decir, se trata de establecer una serie de metodologías o procesos que nos permitan saber que los resultados que se obtienen no están sesgados y tienen un significado dentro de la estrategia.
Para poder optimizar una tasa de conversión necesitamos conocer cómo se mueven los usuarios dentro de nuestro sitio web y los datos actuales, por lo que la conversión dependerá del tipo de web que tengamos y el producto o servicio que prestemos al cliente.
3 pasos principales que debe tener toda estrategia CRO
1. Investigación y recogida de datos
Es fundamental contar con los datos suficientes y conocer al máximo toda la información de nuestro negocio. Una de las primeras acciones que se pueden realizar es un research para obtener datos e información de nuestro sitio web.
El proceso de investigación puede ser una tarea que requiera esfuerzo y tiempo, pero que es muy importante para obtener resultados futuros.
Son muchas las herramientas que existen en la actualidad para poder realizar un análisis cuantitativo como, por ejemplo, Google Analytics, Search Console, etc.
A través de este tipo de herramientas podemos conocer el comportamiento de los usuarios en nuestro sitio web, cuáles son los canales por los que llegan, etc.
2. Generación de hipótesis en base a datos
Una vez tenemos los datos y podemos analizarlos, debemos ser capaces de identificar y definir problemas para poder generar las primeras hipótesis. Hay que ser conscientes que la generación de dichas hipótesis es una tarea compleja, no podemos quedarnos con las ideas que a simple vista pensamos que pueden funcionar. Sino que con la ayuda de los datos que hemos obtenido en nuestro análisis tenemos que elaborar hipótesis que tengan valor.
Todas las soluciones de mejora deben estar orientadas a la consecución de objetivos y al cumplimiento de KPIs.
3. Experimentación y testeo
Es aquí donde tenemos que poner en marcha las soluciones que hemos propuesto en la anterior etapa. En este punto entran los diferentes tipos de Framework de priorización de hipótesis en CRO y que la elección de uno u otro dependerá de lo que más se adecue a nuestra forma de trabajo.
Tipos de Frameworks de priorización de hipótesis en CRO
En la actualidad existen varios modelos de Framework de priorización de hipótesis en CRO con los que podemos trabajar, estos modelos tratan de priorizar las necesidades y procesos dentro del ratio de optimización en un negocio, es decir, cuentan con un listado ordenado por prioridades de todas las hipótesis orientadas a mejorar el ratio de conversión que se quieren validar trabajando CRO.
Modelo PIE
Un modelo cuya priorización de hipótesis se establece según el potencial de mejora, facilidad e importancia.
- Cuando se habla de “potencial de mejora” significa lo probable qué es que esa hipótesis planteada dé lugar a una mejora general en el ratio de conversión.
- “Facilidad” hace referencia al esfuerzo que supone la implementación de la hipótesis planteada. El Modelo PIE clasifica la prioridad de más alta a más baja utilizando una escala del 1 al 10.
Este modelo de framework CRO presenta una debilidad y es que la parte “potencial” suele ser demasiado difícil de estimar y, por lo tanto, puede definirse de manera arbitraria, lo que supone una priorización de los pasos incorrecta y puede llevar a resolver problemas menores que no consigan grandes mejoras en los ratios de conversión.
Se puede entender que los criterios de cada una de las variables quedan demasiado expuestos a la interpretación de quién los determina.
Si ya supiéramos el potencial de una idea desde su definición no necesitaríamos un modelo de priorización en su ejecución.
Modelo ICE
Por norma general, la priorización y estos modelos aportan una forma coherente y sistemática para poder organizar las ideas por negocio o valor en la conversión.
Las siglas ICE hacen referencia a Impacto, Confianza y Facilidad, similares al modelo PIE para establecer el orden de las hipótesis. Fue creado por Sean Ellis, fundador de GrowthHackers y su esencia hace referencia a:
– Impacto para saber cuánto ayudará esta acción a cumplir nuestro objetivo en el aumento del ratio de conversión.
– Confianza, teniendo en cuenta los datos que se han recopilado, ¿tendrá éxito la prueba ejecutada?
– Facilidad para referirnos al esfuerzo que supone la implementación de dicha prueba.
Las principales desventajas de este modelo están en que dos miembros de un mismo equipo pueden asignar, por ejemplo, puntuaciones diferentes en función de sus niveles de experiencia u otros factores. Esto se traduce en un potencial riesgo de sesgo y manipulación de la puntuación.
Modelo TIR
Un Framework de trabajo que utiliza tiempo, impacto y recursos como sus factores principales de clasificación. En esta ocasión, la escala va del 1 al 5. Un modelo creado por Bryan Eisenberg, experto en experiencia de usuario y muy similar al modelo PIE.
Modelo PXL
El modelo PXL fue desarrollado por ConversionXL en la actualidad CXL, una de las principales agencias de CRO dirigida por Peep Laja.
En la actualidad está considerado como el modelo de priorización en CRO más completo ya que ha tratado de solucionar los problemas encontrados en algunos de los anteriores frameworks.
Una buena hipótesis es aquella que puede afectar al comportamiento del usuario. El marco de trabajo de PXL plantea un conjunto de preguntas para conocer el impacto que podría tener, en vez de tratar de adivinarlo.
Beneficios Claros de PXL
Así se consiguen tres beneficios claros:
1. Hace que una calificación de “potencial” o “impacto” sea mucho más objetiva eliminando parte de la subjetividad a la hora de tomar decisiones.
2. Fomenta una cultura basada en datos para tener más conocimiento de nuestro proceso de priorización de hipótesis.
3. Ayuda a que la calificación de “esfuerzo o facilidad de la implementación” sea más objetiva.
Cuando solo tenemos opiniones sobre qué hipótesis probar primero, la priorización no tiene sentido sino que debe estar basada en datos. El marco de PXL propone algunas preguntas clave para conseguir la priorización de dichas hipótesis de manera más objetiva.
Preguntas para la priorización según el Framework PXL
Las preguntas propuestas son:
- ¿El cambio está en la parte superior de la página? Los cambios en la parte superior son notados por más personas, por lo que aumenta la probabilidad de que haya un mayor impacto.
- ¿Podemos notar el cambio en menos de 5 segundos? Mostramos a un grupo de personas el original y luego las posibles variaciones. ¿Son capaces de apreciar ese cambio? Si no es así es posible que no haya un gran impacto.
- ¿Añade o elimina algo? Cuando se realizan cambios grandes como, por ejemplo, eliminar distracciones o añadimos información importante, también se tiende a conseguir un mayor impacto.
- ¿La prueba para validar la hipótesis se lleva a cabo en páginas con un volumen alto de tráfico? La mejora en una página con un gran volumen de tráfico puede traducirse en más beneficios económicos.
Datos básicos a conocer para PXL
Además, el marco de trabajo PXL pide datos antes de comenzar su priorización basados en 4 preguntas clave.
Las 4 preguntas que hace este Frameworks son:
- ¿Se aborda un problema descubierto a través de pruebas de usuario?
- ¿Se aborda un problema descubierto de la retroalimentación cualitativa como encuestas o entrevistas?
- ¿La hipótesis ha surgido a través de mapas de calor de seguimiento ocular o del ratón?
- ¿Está abordando problemas de conocimiento encontrados en el análisis digital?
Asimismo, para poner límites al tiempo de implementación se utilizan respuestas acorde al tiempo y esfuerzo que supone, siendo capaces así de cuantificar la facilidad de llevar a cabo esa hipótesis.
Calificación en el marco PXL
Además, presenta una calificación diferente al resto de Frameworks, ya que sugiere una escala binaria, eligiendo entre una u otra se evita en gran parte la subjetividad.
También existe la posibilidad de ponderar algunas variables debida su importancia, como por ejemplo, lo notable que es el cambio después de la prueba, si se añade o se elimina algo o la facilidad de implementarlo. Aquí se puede ponderar como 2 o 0.
Personalización según el modelo de negocio
Sería un error que todas las empresas o negocios trabajen de forma igual por lo que, también, es ingenuo pensar que un modelo de priorización es igual de efectivo para todas esas empresas.
Un Framework de trabajo tiene que tener la capacidad de adaptarse a cualquier situación y necesidad e incluir esas necesidades dentro de dicho marco de trabajo.
Cuando existen muchas ideas o hipótesis se crea una necesidad sobre la priorización de las acciones. La forma en la que se haga o el marco de trabajo que se elija puede influir mucho en los resultados.
Se trata de eliminar la mayor subjetividad posible, pero siempre tratando de mantener una personalización en cada trabajo para un negocio.
En definitiva, para poder trabajar y mejorar la conversión mediante una disciplina como el CRO es necesaria tener una visión global de la experiencia del cliente en dicho sector. Siempre debemos elegir el marco de trabajo que más se adapte a las necesidades del negocio y al cumplimiento de los objetivos marcados.
Somos una agencia CRO especializada y comprometida con los resultados, puedes revisar nuestros casos de estudio y ver cómo podemos ayudar a tu empresa a crecer.
Deja un comentario