El Conversion Thursday de ayer fue más de networking que los demás. Debo ser un poco friki porque la verdad es que estoy esperando los CT como agua de mayo, me encanta ir, ver a los habituales, comentar las últimas noticias… y sobre todo aprender un poquito de los profesionales.
Sin embargo ayer fue un poco raro. Cambiamos de sitio y no ha cuajado mucho, la verdad. No funcionó el proyector (estamos gafados con la tecnología), no había donde sentarse (las que llevábamos tacón sufrimos en silencio) o si te sentabas no veías bien el portátil desde donde se tuvieron que ver las presentaciones.
Acostumbrados al piscolabis de Arturo Soria, las patatas, aceitunas y 4 canapés nos supieron a poco, pero bueno, Daniel Peña y yo nos hemos comprometido con la causa y vamos a encontrar el sitio DEFINITIVO. Para noviembre tenemos como tarea buscar algo cómodo, con pantalla y que nos acojan los terceros jueves de cada mes 🙂 En peores plazas hemos toreao, Dani!
Bien, aparte de la logística del encuentro, he de decir que las charlas no estuvieron del todo mal. Patrick, de Nedstat, nos habló de la Segmentación. No era fácil afrontar la charla sin poder ver la presentación, pero salió digno 🙂 A nivel muy muy básico comentó que la segmentación consistía en crear grupos de clientes con características comunes para mejorar el conocimiento de los visitantes, identificar los visitantes más valiosos y poder orientar las campañas y el marketing en general a dicho conocimiento. Todo ilustrado con un ejemplo que, lamentablemente, no se visualizaba muy bien.
Seguidamente Eugenio, de Multiplica, nos vino a hablar de Test A/B y Multivariante. También tuvo sus luchas técnicas puesto que la presentación se basaba mucho en lo visual (distintos ejemplos de páginas a testar para que comentáramos cual era a nuestro juicio la que tuvo más éxito), lógicamente el ejercicio resultó complicado porque no se veía ná de ná. Defendió la idea de que internet ha madurado pero que tenemos que preguntarnos si nosotros también, ya que es vital aprender del usuario y que quien decida qué poner en el site lo haga más por medición que por intuición. Diferenció las dos técnicas, Test A/B para páginas de poco tráfico con distinta distribución de contenido y Multivariante para distintas variaciones de 1 misma página con mucho tráfico. Y comentó que lo más usado es el Google Website Optimizer, gratuíto, en la modalidad de pago destaca Optimost y una herramienta llamada Sitespect que permite hacer un test A/B con segmentación.
Seguidamente hubo un poco de debate, principalmente sobre si es lo mismo hacer test sin segmentar o segmentado (obviamente no es lo mismo, mucho más enriquecedor hacerlo segmentado) aunque lo que no quedó muy claro es cómo hacerlo ya que, si se desea testar una home por ejemplo o una landing page, no se posee suficiente conocimiento del usuario como para mostrarle una u otra opción. Quedó un poco en el aire.
¿Es rentable hacer test? Aquí quedó algo más claro que sí aunque será más o menos importante dependiendo de lo grande que sea la empresa. A más volumen de ventas, mayor porcentaje se ganará con la mejor versión de un test. El testing viene avalado por las grandes empresas de USA, Google, Amazon, lo utilizan a diario para mejorar y adaptarse al instante a los gustos del consumidor.
Jaume comenta que para él, el mejor método de aplicar un test es primero analizar, luego hacer una hipótesis y entonces montar un test que permita saber si la hipótesis es correcta o no.
¿Se puede integrar una herramienta de testing con la herramienta de la analítica web e incluso con la de un gestor de contenidos? según Patrick decía que Nedstat por ejemplo es flexible, no sé hasta qué punto lo será. La semana que viene Omniture nos presenta su herramienta de Testing, me enteraré y os cuento si es posible y realmente las plataformas son abiertas.
Finalmente, se especuló con el tiempo que debe estar activo un test para que la diferencia sea lo suficientemente significativa, representativa y fiable como para tomar una decisión. Tengo que investigar en google a ver si hay una fórmula en excel para el cálculo de la muestra significativa.
Luego, después de haberse presentado los que asistían al evento por primera vez, estuvimos hablando un buen rato en pequeños grupos. Esta vez fuimos 19 personas, pero la buena noticia es que fuimos 6 chicas!!!! oe oe oe, poco a poco tomamos posiciones.
Por último me gustaría resaltar la presencia de Soledad, yo la conocía a través del blog y me ha encantado conocerla en persona, creo que se puede aprender muchísimo de ella y en mi opinión todas sus participaciones fueron altamente interesantes. Espero que pueda acudir a más CTs aunque viva tan leeeejos 🙂 Y dar la bienvenida a gente como Alex, Ismael, David, María, Luis, Paloma, Luz… es genial conocer a tantos profesionales de distintos sectores!
Nos vemos en noviembre, a ver si por fin damos con el Movies madrileño 🙂
Tengo que investigar en google a ver si hay una fórmula en excel para el cálculo de la muestra significativa. … Bueno Gemma, yo no pude ir al CT ( hubiese sido mi estreno ) pero me ha llamado la atención. Para calcular una muestra probabilistica, la fórmula genérica es la siguiente ( universo >100.000)
n=[(z^2)*P*Q]/(E^2)
donde:
n= tamaño de la muestra
z=unidades de desviacion típica correspondientes al nivel de confianza elegido ( 3 para 99,7% y 2 para 95,5%)
P y Q= generalmente 50, pues desconocemos el valor de la varianza poblacional.
E= el error máximo que nos permitimos.
Esta formulita nos dará la cantidad de respuestas que debemos obtener para obtener una muestra representativa.
No te aburro mas, porque esto da para mucho, dependiendo del tipo de muesteo probabilistico que hagamos ( en este caso muestreo aleatorio simple)
de todas formas si quieres aclaraciones o ayuda no dudes en ponerte en contacto conmigo, ya que me has dado una buena idea para investigar y crear una nueva entrada para mi blog. Un saludo Gemma ¡¡sigue asi!!
Hola Carlos!!
Bienvenido, muchas gracias por comentar.
Una pena no haberte conocido en el CT, a ver si al de noviembre puedes asistir!
La fórmula la conozco, estuve investigando en internet porque hace unos meses en el OME de Madrid estuve en una ponencia y existía una hoja excel que automáticamente sacaba la muestra significativa, pero no he sido capaz de dar con ella!
Efectivamente creo que esto da para mucho porque es la base del éxito de un test (tanto A/B como multivariante).
Mil gracias por tu explicación, la verdad es que la parte de P y Q desconocía por qué tenía ese valor y ya me queda claro.
Un abrazo
Pd. ¿Cual es tu blog?
Gemma,
Creo que el excel que buscas StatCalc.xls lo puedes encontrar aquí:
http://www.kaushik.net/avinash/2006/05/excellent-analytics-tip1-statistical-significance.html
un abrazo,
Jaume
Jaume!
Ultimamente te estás convirtiendo en mi salvador de aquello que «he visto en alguna parte y no he vuelto a encontrar» 🙂 Eres un sol!
Esto era lo que me faltaba para saber si la diferencia es significativa según el ratio de respuestas de ambas opciones.
Además, el post de Avinash no tiene desperdicio!
Mil gracias, majo
Yo del CT me quedo con sobre todo con una frase «para ser analista hace falta tener unas nociones básicas de estadística». Frase que encajaba perfectamente con dos cuestiones que se plantearon en la conversación, una sobre los test A/B y los 50/50 y otro sobre los grupos de usuarios «idénticos» que se envían a cada test.
Gemma, mil gracias por el enlace, a ver si trayendo tráfico de sitios buenos como este voy levantado los números de mi blog, que cuesta hacerlos despegar sin ir mendigando links por el mundo.
Daniel, después de un tiempo en este mundo… creo que para ser analista web hay que saber un poco de todo 🙂
y no me des las gracias por el link, porque por lo que he podido ver, tu blog es de lo más interesante que he leído últimamente.
Por cierto, ya puedes ponerte las pilas con lo del local, está siendo más complicado de lo que pensaba 🙁
Un abrazo
Gemma,
Gracias por la bienvenida :o), la verdad también tenía ganas de conocerte.
Un abrazo
Luz
Luz!
Estaremos en contacto, espero 🙂
Un abrazo