Teste A/B do Google Analytics sem achismos!

O que você irá aprender?

A máquina Google possui um enorme apetrecho de ferramentas a nosso dispor. A que mais utilizo e considero fundamental é o Google Analytics. Isto porque o G.A., como gosto de me referir a ela, é essencial para obter insights que vão nortear o seu negócio. Recentemente, venho utilizado com bastante frequência uma ferramenta que quase não chama a atenção dentro dessa vastidão de opções que a gigante nos oferece, no entanto considero indispensável para meu trabalho,** o teste AB do google-analytics.**

Como designer, sempre considerei importante mensurar o quanto meu trabalho gerava de valor e como ele refletia nos negócios. Alterações de layout, diagramação de textos, inserir vídeos e infográficos em uma página ou até mesmo ações mais simples como reordenar as categorias de um menu, certamente causam impacto no resultado final. Por isso, sempre que possível, utilizo o teste A/B como aliado na conquista de resultados positivos.

O teste AB do google-analytics é uma ótima opção para quem precisa mensurar suas ações de design. Além de estar integrado ao G.A., ele é fácil de entender, rápido de configurar e gratuito. Por estas razões, considero uma das melhores escolhas para quem está começando a realizar seus primeiros experimentos.

A seguir, mostro brevemente, utilizando dados reais, uma de minhas experiências com o teste AB do google-analytics.

Saiba como criar uma conta no google-analytics!

O EXPERIMENTO 🧪

O experimento foi solicitado após observarmos o comportamento de navegação dos usuários na home de um e-commerce. Levantamos a hipótese de que a alteração da posição e dimensão dos banners poderia trazer ganho na taxa de conversão. Portanto, desenvolvemos um teste A/B que com duas versões diferentes desta home.

A versão original tratava-se de uma página que estava há 6 meses no ar, sem nenhuma alteração estrutural durante este tempo e com banners de dimensões “pequenas”. Era uma página “curta”, com aproximadamente 3 scrolls, do header ao footer, e taxa de conversão de 0,87%.

Já a variação, era basicamente a versão original com os banners reposicionados e redimensionados para tamanhos maiores. Era uma página um pouco mais longa, com aproximadamente 5 scrolls, do header ao footer, e a taxa de conversão estava para ser descoberta.

O OBJETIVO 🎯

O objetivo deste experimento era comparar a taxa de conversão das duas versões e, assim, validar a hipótese. Não havia um parâmetro ou meta numericamente precisa. Queríamos saber se o novo design proposto traria ganho ou queda na taxa de conversão.

O TEMPO DE DURAÇÃO 🕗

Alguns especialistas da área consideram que 7 dias é o tempo mínimo ideal para qualquer teste A/B. Apesar de eu não pensar diferente deles, a definição do período de nosso teste considerou, também, o tempo da jornada do consumidor.

Sabíamos que, no e-commerce em questão, o tempo médio que um novo cliente levava para fechar sua primeira compra era de até 30 dias e, por esta razão, consideramos este como um tempo seguro para a amostragem do experimento.

ANÁLISE DE DADOS 📊

Por mais que você já tenha definido o tempo do seu experimento, não importa. Você vai querer acompanhar diariamente por simples e pura curiosidade. Em nosso teste não foi diferente. Em apenas 24h após o inicio do experimento fizemos a primeira checagem de dados e verificamos que a versão original estava gerando mais conversões e sendo apontada como 46% superior em relação a variação. As taxas de conversão eram respectivamente de 0,72% e 0,43%.

Fizemos novas checagens após 7, 15 e 30 dias. Confira:

Ao comparar a primeira semana com a última, ou seja, o início do experimento com o final, observamos um crescimento de 42% da variação, enquanto a versão original não evoluiu.

Em 30 dias de teste A/B, a variação ficou 22 dias a frente da original, ou seja, durante todo o experimento, a variação demonstrou-se 73% do tempo superior a original, atingindo picos de 2,05% de conversão.

E por fim, pudemos comparar as taxas de conversão, que foram de 0,87% para a original e 0,93% para a variação.

UX e web-analytics devem ser uma equipe só!

A CONCLUSÃO 📝

O teste AB do google-analytics é um aliado poderosíssimo para validar hipóteses e eliminar os “achismos”. Em alguns momentos pode parecer óbvio que uma determinada mudança proposta trará ganho para seu negócio. No entanto você nunca poderá mensurar com precisão este ganho se não testar. Pode parecer pouco, mas 7% a mais na sua receita fazem uma bela diferença. Se ainda tem dúvidas, pense em valores práticos. Imagine um negócio que fatura 1 milhão/ mês. Será que 70 mil reais a mais no faturamento não são expressivos?

Testar nunca é demais. Não se iluda buscando por aquela hipótese de 1 milhão de dólares que fará toda a diferença no seu negócio e triplicará sua receita. O mais provável é que você encontre 1 milhão de hipóteses de 1 dólar, que aos poucos farão seu negócio alavancar. E teste sempre, afinal nada está tão bom de forma que não possa melhorar.

Autor do Post: Rafael Cid

Dúvidas? Comentários? Sugestões?