Cómo la importancia estadística sustenta el marketing digital

Nunca tome una decisión importante sin verificar los hechos de antemano.

¿Harías puenting sin revisar primero la cuerda? ¿Cruzar la calle sin primero buscar tráfico? ¿O cambiar un fusible vivo sin verificar que la energía esté apagada?

Tomar una decisión sin verificar primero los hechos puede terminar siendo muy costoso, sin embargo, a menudo vemos que esto sucede en el sector del marketing digital.

Cómo las estadísticas pueden mentirte

Cuando se analizan las diferencias estadísticas, las tendencias y las causas, si no se dispone de suficiente información, es fácil hacerse una idea equivocada.

Considere un simple lanzamiento de moneda: lanzar una moneda diez veces puede hacer que la moneda caiga seis veces en cara y cuatro veces en cruz. ¿Significa esto que el lanzamiento de una moneda arroja cara el 60% de las veces? Necesitaría lanzar una moneda muchas más veces para tener una idea clara de la probabilidad de que salga cara.

Al trazar algunas simulaciones de lanzamientos de monedas en un gráfico, se muestra que incluso después de 50 lanzamientos de monedas, puede estar muy lejos de la respuesta verdadera del 50% de probabilidad:

Incluso después de 1,000 lanzamientos de monedas, la respuesta a menudo se puede encontrar entre el 48% y el 52%, que es ± 2% alrededor de la respuesta real:

Sin una gran cantidad de pruebas, no hay forma de saber cuál es la respuesta real, y sería una tontería sacar conclusiones sin ser científico y sin obtener suficientes datos antes de llegar a una conclusión.

Los periódicos sensacionalistas suelen utilizar estadísticas no concluyentes o sesgadas para respaldar afirmaciones elaboradas como “¡ Beber X cura el cáncer! “,“ ¡ La vitamina X revierte la calvicie! ”O“ ¡ Comer X te hará perder peso! “. Puede hacer fácilmente estas afirmaciones simplemente teniendo un grupo de prueba tan pequeño que tenga datos "ruidosos", estadísticas tan poco concluyentes que pueden cambiar de cualquier manera y demostrar lo que quiere demostrar si tiene la suerte. Un caso famoso de esto fue el de John Bohannon, quien engañó a millones de personas y publicaciones importantes para que pensaran que el chocolate ayudaba a perder peso.

Filtrar sujetos de prueba también puede sesgar enormemente las estadísticas. Por ejemplo, muchos comercializadores de productos para el cuidado del cabello entrevistarán a los clientes que ya compraron el producto, se les dio el producto de forma gratuita o que han compartido un interés en el producto en el pasado. Luego se les pregunta si recomendarían el producto a sus amigos o familiares. Como era de esperar, los resultados son positivos, con resultados que comúnmente superan el 80% de calificación de aprobación que luego se pueden agregar al material de marketing con un número impresionante de sujetos de prueba.

Cómo la baja importancia estadística puede resultar en malas decisiones de marketing digital

Gran parte del trabajo de marketing digital comienza con algunas decisiones básicas: ¿en qué deberíamos dedicar tiempo a probar? ¿Qué tareas deben realizarse primero? Luego identificamos los resultados generados a partir de los cambios realizados.

Veamos tres áreas del marketing digital donde una baja significancia estadística puede tener un impacto negativo en general, a pesar de los mejores esfuerzos de los especialistas en marketing para mejorar las cosas:

Cambios incorrectos realizados en cuentas de publicidad pagada online

Con la publicidad pagada, usted está poniendo su propio dinero antes de obtener un retorno de la inversión. El riesgo de perder dinero en general es motivo de preocupación para la mayoría de los propietarios de negocios en línea, lo que puede llevar a algunas decisiones precipitadas dentro de las cuentas de publicidad pagada en línea.

Por ejemplo, es muy fácil ver las estadísticas de una campaña, pensar que no está funcionando tan bien como se esperaba y eliminar esa campaña para que ya no "desperdicie" los costos publicitarios. Pero si la campaña se configuró para dirigirse correctamente a las personas adecuadas, es muy poco probable que sea inútil. A menudo, simplemente no ha habido suficientes clics para ver si podría generar alguna venta. Si se realiza una venta por cada cincuenta clics, entonces sería una decisión precipitada renunciar a una campaña que ha tenido menos de 100 clics, ya que podría haber tenido la mala suerte de no haber realizado una venta.

Antes de tomar decisiones dentro de la publicidad paga, debe considerar tres cosas:

1. ¿Ha habido suficiente tráfico (suficientes sujetos de prueba)?
2. ¿Ha habido suficientes conversiones (suficientes objetivos de prueba)?
3. ¿Los datos están sesgados de alguna manera?

Mirar las estadísticas de publicidad pagada sin suficiente tráfico podría llevarlo a creer que algo es mucho mejor de lo que realmente es. Por ejemplo, a continuación se muestran datos de diferentes campañas en las que una campaña tuvo la suerte de tener seis conversiones con solo veinte clics. Esto podría llevar al administrador de cuentas a pensar que vale la pena gastar mucho más dinero en esta campaña cuando, de hecho, puede tener un rendimiento similar al de otras campañas con más tráfico:

Con un número bajo de conversiones, es posible que no tenga una idea del rendimiento de la publicidad pagada, a menos que vuelva a obtener mucho más tráfico. Esto podría deberse a que no pasa suficiente tiempo para obtener suficientes datos o una tasa de conversión baja que requiere una gran cantidad de visitantes para obtener una conversión en promedio:

Una última consideración es pensar en cómo las estadísticas podrían estar sesgadas dentro de diferentes rangos de fechas o con diferentes segmentos de personas hacia los que se anuncia. Puede haber grandes cambios estacionales que pueden sesgar las estadísticas. Por ejemplo, mire cuántas búsquedas en Google hubo para "gafas de sol" frente a "abrigos" el año pasado en el Reino Unido:

A continuación se muestran los datos de tráfico reales de un sitio web que vende flores entregadas en línea. Tenga en cuenta que la cantidad de clics aumenta, así como la tasa de conversión, la probabilidad de una venta, unos días antes del Día de la Madre el año pasado, que tuvo lugar el domingo 15 de marzo:

Por lo tanto, para evitar todos estos problemas al optimizar las cuentas de publicidad pagada, debe tener suficiente tráfico y conversiones antes de tomar decisiones importantes. También tenga en cuenta que puede estar mirando datos sesgados.

Si no tiene suficiente tráfico o conversiones, en su lugar, puede mirar las métricas del sitio web, como las páginas por sesión o la duración promedio de la sesión, para ver qué tan comprometidos están los visitantes a través de los diferentes canales. Esto le permite tomar decisiones más rápido, pero aún necesitará una buena proporción de clics antes de poder comenzar a obtener una imagen más clara.

Si hay una tendencia estacional positiva o negativa, intente mirar las estadísticas alrededor de ese período o tome estadísticas del mismo período el año pasado si las tiene a mano.

Supuestos incorrectos sobre las clasificaciones de los motores de búsqueda

La optimización de motores de búsqueda (SEO) es un tema complejo en el que mucha gente cree en muchos mitos de SEO y utiliza malas prácticas para intentar superar a los competidores en los motores de búsqueda.

A veces escuchamos hablar de que cierto cambio en un sitio web o cierto enlace externo hacia un sitio web ha tenido un efecto bueno o malo en el SEO. Declaraciones como "Obtuvimos un enlace del sitio web X y vimos un aumento del X% en las ventas" o "Cambiamos X en el sitio web y luego perdimos X cantidad de tráfico cada mes" pueden generar creencias sólidas de que ciertas tácticas de SEO deben ser buenas o perjudicial para el tráfico o las ventas en general.

Las clasificaciones de los motores de búsqueda dependen de cientos de factores, una combinación de muchas señales ponderadas de manera diferente para determinar qué páginas de millones de páginas potencialmente relevantes en línea colocar en orden en la parte superior de los resultados. Los aumentos o disminuciones de clasificación podrían deberse a muchas razones diferentes que pueden no estar relacionadas con ninguna actividad de SEO, como:

• Un sitio web poderoso eliminado de Internet podría impulsar la clasificación de los sitios web que están debajo de él.
• Un nuevo competidor poderoso podría reducir la clasificación de todos al ocupar la posición número uno.
• Google puede considerar que un determinado factor de clasificación de SEO es más o menos importante que antes.
• Un competidor puede ganar o perder backlinks externos, que juegan un papel importante en el SEO.
• Es posible que algún día aparezcan noticias o videos de tendencia sobre un tema encima de las listas de motores de búsqueda naturales

Estas son solo algunas de las muchas formas en que las fuerzas externas pueden afectar la clasificación de un sitio web sin realizar ningún cambio en el sitio web en sí. Por lo tanto, puede ser una completa coincidencia que cierto cambio haya tenido un impacto bueno o malo en el SEO, a menos que haya una gran cantidad de datos para respaldar las afirmaciones.

Es importante conocer la diferencia entre causalidad y correlación en las estadísticas. Si tiene un sitio web de alto tráfico, simplemente mirar un gráfico que muestre el número de sesiones orgánicas puede revelar un gran cambio:

Si no tiene una gran cantidad de tráfico, utilice las mejores prácticas de SEO y usabilidad en su sitio web y haga que un experto haga una revisión completa del sitio web para verificar que todo esté en su lugar.

Finalización de las pruebas divididas antes de que la prueba haya finalizado su curso

Las pruebas de división A / B o multivariante pueden requerir nuevamente cantidades masivas de tráfico antes de que se pueda encontrar una variación ganadora. Afortunadamente, las matemáticas complejas detrás de la significación estadística se calculan automáticamente en todos los principales programas de pruebas divididas:

Rápidamente, podría terminar el experimento con una certeza del 80% al 90% de que una variante es mejor que otra según las estadísticas que se muestran. Hemos visto pruebas divididas que determinan que una variación tiene más del 90% de certeza de ganar, solo para que realmente pierda en general cuando se recopilan suficientes datos:

Siempre recomendaría esperar hasta que los resultados sean más del 99% significativos antes de llegar a una conclusión potencialmente errónea. Si el sitio web se cambiara a la peor variante, podría ser un paso atrás permanente en términos de qué tan bien se puede convertir.

Puede arriesgarse a tener una certeza de solo el 95% si los niveles de tráfico son bajos, pero recuerde que existe un riesgo del 5% de que esté viendo un falso negativo: 1 de cada 20 veces los resultados serán opuestos a lo que se informa.

A continuación, se muestran algunos consejos rápidos para realizar pruebas divididas con bajos niveles de tráfico:

• Pruebe primero los grandes cambios, ya que es más probable que produzcan diferentes tasas de conversión y finalicen el experimento general más rápido.
• Comience a realizar pruebas divididas en las páginas web lo antes posible; la configuración puede llevar menos de una hora utilizando herramientas como el Optimizador visual de sitios web (fácil de usar, de pago) o los Experimentos de contenido de Google (requiere desarrollo, solo pruebas A / B / N, de uso gratuito)
• Pruebe diferentes etapas de su sitio web al mismo tiempo: para un sitio web de comercio electrónico, podría probar la página de inicio, las páginas de categorías, las páginas de productos, la página del carrito, la página de pago y la página de éxito, todo al mismo tiempo y tener mejoras de porcentaje de tasa de conversión compuesta

Si sus niveles de tráfico son lo suficientemente grandes, ¿por qué no realizar una prueba con una certeza del 99,9%? Incluso puede segmentar un pequeño porcentaje de visitantes para realizar pruebas, de modo que los resultados generales no tengan demasiado impacto si el experimento produjo peores resultados que la variante original.

Conclusión

Reúna tanta información como pueda antes de tomar decisiones de marketing digital basadas en estadísticas, lo que generalmente requiere muchos sujetos de prueba (visitantes). La basura entra da como resultado basura cuando se trata de estadísticas, así que no se engañe a sí mismo para tomar una acción potencialmente dañina a menos que esté muy seguro de que las cosas están cambiando para bien o para mal.

Cómo la importancia estadística sustenta el marketing digital: https://t.co/0xhxsqHJNl #ppcchat

- Jonathan Ellins (@Jonathan_Ellins) 25 de febrero de 2016